AGI ilerlemesi durdu. Yeni fikirlere ihtiyaç var
ARC PRIZE duyurusu
- ARC Prize: Açık AGI ilerlemesi için 1 milyon doların üzerinde ödül sunan yarışma
- Hedef: Yeni fikirlerle AGI ilerlemesini hızlandırmak ve ARC-AGI değerlendirmesini çözmek
Zeka ve ezber
- Modern yapay zeka: Ağırlıklı olarak yüksek boyutlu kalıpları ezberleyip bunları benzer durumlara uygulama yöntemiyle çalışıyor
- Sorun: Yeni durumlarda yeni muhakeme üretemiyor
- Genel zeka: Yeni becerileri verimli biçimde edinme yeteneği
- Gereklilik: Yeni mimarilere veya algoritmalara ihtiyaç var
LLM'lerin sınırları
- Mevcut yapay zeka sistemleri: Belirli oyunlarda insanları yenebiliyor ancak başka oyunlara geçiş yapamıyor
- Genelleme başarısızlığı: Yapay zeka yeni durumlara uyum sağlayamıyor
ARC-AGI
- Tanıtım: François Chollet'nin "On the Measure of Intelligence" makalesinde tanıtıldı
- Hedef: Yeni becerileri verimli biçimde edinip yeni problemleri çözen sistemleri değerlendirmek
- Mevcut durum: İnsanlar %85~%100 puan alırken yapay zeka yalnızca %34'te kalıyor
Açık kaynak AGI ilerlemesi
- Sorun: GPT-4 sonrasında AGI araştırmaları daha kapalı hale geldi
- Geçmiş: LLM'lerin gelişimi birçok araştırmacının iş birliğinin sonucu
- Gereklilik: Yeni fikirleri teşvik etmek için açık kaynak gerekli
ARC PRIZE hedefleri
- Araştırmaya katılımı artırmak: AGI araştırmalarına katılan kişi sayısını artırmak
- AGI ilerlemesini ölçmek: AGI ilerlemesini nesnel biçimde ölçme yöntemini yaygınlaştırmak
- ARC-AGI'yi çözmek: ARC-AGI değerlendirmesini çözmek ve zekanın doğası hakkında yeni şeyler öğrenmek
Başlarken
- Katılım yöntemi: Herkes katılabilir; yeni fikirler her yerden çıkabilir
- Bilgi sağlama: ARC Prize 2024'ün formatı ve ödül ayrıntıları sunuluyor
GN⁺ görüşü
- Açık kaynağın önemi: Açık kaynak, inovasyonu teşvik etmek ve küçük yapay zeka şirketleriyle büyük yapay zeka şirketleri arasındaki farkı azaltmak için önemli
- Yeni fikir ihtiyacı: Mevcut yapay zeka araştırmalarında yeni fikir eksikliği var ve bu durum AGI ilerlemesini engelliyor
- Düzenleme sorunu: Yanlış inançlar nedeniyle yapay zeka araştırmalarına yönelik düzenlemeler güçlenebilir
- Rekabetin avantajı: ARC Prize gibi yarışmalar araştırmacıları motive edebilir ve yeni fikirleri teşvik edebilir
1 yorum
Hacker News görüşleri
Simon Strandgaard, ARCathon 2022 ve 2023'e katıldı ve sırasıyla 3 ve 8 görevi çözdü. İnsanların ARC görevlerini nasıl çözdüğüne dair veri topluyor ve şu anda 4100 etkileşim kaydı biriktirmiş durumda. Ayrıca çeşitli ARC benzeri veri kümeleri de sunuyor.
Mevcut veri merkezli öğrenme paradigmasının genellenemediği ve sürdürülebilir olmadığı görüşü. İnsanlar binlerce örnek olmadan da kedilerle köpekleri ayırt edebilirken, bilgisayarların milyonlarca örneğe ihtiyacı var. Verinin nadir olduğu alanlarda bilgi transferi zor olabilir.
ARC problemleri çok fazla mekânsal dünya bilgisi gerektiriyor ve soyut akıl yürütmeden çok, insan görsel işlemesine sezgisel gelen unsurlar barındırıyor. Görsel örüntü tanıma önemli bir rol oynuyor.
ARC testinin insanlar için de zor olduğu iddiası. ConceptARC testinde insanların %25-30'u basit soruları çözemiyor. Bu durum ARC'nin faydasını sınırlayabilir.
Sınırsız sürüm için bir liderlik tablosu olup olmadığını merak eden bir görüş. GPT-4'ün performansını görmek istiyor.
AGI araştırması için 1 milyon dolarlık ödülün fazla düşük olduğu görüşü. AGI'nin etkisi en az trilyonlarca dolarla ölçülecek ve mevcut ödül, en fazla en yeni açık LLM sürümlerini ince ayar yapmaya yetecek düzeyde olabilir.
Belirli bir bulmaca için birden fazla geçerli cevap olabileceği görüşü. Örneklerde beklenen mesafenin tam olarak ne olduğu bilinmiyor.
ARC görevlerinin görsel örüntü tanımayı hedeflediği, ancak bunun zekânın tek tanımı olamayacağı görüşü. İnsan-AI işbirlikçi zekâsı önemli ve problem, çok özellikli hedeflerin optimizasyonu olarak yeniden çerçevelenmeli.
François Chollet'nin makalesinin oldukça içgörülü olduğu ve genel zekâ tanımı konusunda en iyi yanıtlardan birini sunduğu görüşü. Zekâyı öğrenme verimliliğiyle tanımlamak, insan zekâsının neden etkileyici olduğunu anlamaya yardımcı oluyor.
ARC problem setinin mevcut ML problem setlerinden çok daha zor olduğu, ancak AGI'yi temsil etmediği görüşü. Bu sadece yeni bir veri kümesi; yaklaşım ise mevcut olanlarla benzer. AGI bu problemi çözebilir, ancak çözmesi AGI olduğunun garantili bir göstergesi değildir.