Документальний фільм DeepMind: універсальний ШІ величніший за теплову енергетику, людська цивілізація буде переписана

Документальний фільм DeepMind «Гра мислення» (The Thinking Game) став безкоштовно доступним і розповідає про життєвий шлях Деміса Хассабіса у пошуках загального штучного інтелекту (AGI). Хассабіс вважає, що загальний штучний інтелект важливіший за появу електрики чи вогню. Він попереджає, що AGI ось-ось народиться і стане вододілом в історії людства: «Наше наступне покоління житиме у зовсім новому світі, і кожна мить має значення».

Життєва місія Деміса Хассабіса — створення загального штучного інтелекту

(Джерело: Youtube)

Як випускник Кембриджу та чемпіон місцевих шахових турнірів у шість років, Деміс Хассабіс дуже рано обрав дослідження AGI справою всього життя, адже хотів вирішити проблему, яка турбувала біологів 50 років: згортання білків. Сьогодні це здається очевидним, але тоді багато хто у венчурному та науковому світі скептично ставилися до технології загального ШІ. Одні вважали, що ідеї Деміса — просто фантазії, інші вважали, що поєднання нейронауки й машинного навчання — це не справжня наука.

DeepMind, заснована у 2010 році, спочатку ледве знаходила фінансування, аж поки не зустріла відомого ангела-інвестора Пітера Тіля (Peter Thiel). Тіль став головним інвестором DeepMind, але наполягав, щоб команда переїхала до Кремнієвої долини. Деміс категорично захотів залишитися в Лондоні, вважаючи, що саме тут унікальний кадровий потенціал, а культура швидких невдач і швидких змін у Кремнієвій долині не підходить для тривалих досліджень у сфері AGI.

Це рішення підкреслило глибоке розуміння Хассабісом специфіки досліджень AGI. Загальний ШІ — не споживчий продукт, який можна швидко ітеративно удосконалювати, а довгострокова наукова розробка, що потребує фундаментальних проривів. Стартап-культура Кремнієвої долини орієнтована на швидке тестування ринку й бізнес-моделей, але цінність досліджень AGI може проявитися лише через десятиліття. Хассабіс наполіг на перебуванні в Лондоні, зберігаючи чистоту наукових досліджень DeepMind.

Хассабіс порівнює AGI з відкриттям вогню — це дуже глибока аналогія. Вогонь дозволив людям готувати їжу, зігріватись, освітлювати житло і плавити метали, докорінно змінивши хід людської цивілізації. Хассабіс вважає, що загальний ШІ матиме таку ж або навіть більшу силу, адже це не просто інструмент, а інтелект, здатний до самонавчання і творчості.

Від ігор до ґо: прориви DQN та AlphaGo

(Джерело: DeepMind)

Після заснування DeepMind у Лондоні, команда об’єднала мрійників. Щоб тренувати ШІ, вони обрали ігри як експериментальне середовище, бо це ідеально контрольоване середовище. Вони поєднали глибинне навчання (Deep Learning) і підкріплене навчання (Reinforcement Learning), створивши модель DQN, і змусили ШІ грати в пінг-понг на Atari, не навчаючи правилам, а лише вимагаючи аналізувати пікселі й прагнути високого рахунку.

Спочатку ШІ навіть не міг відбити м’яч, і команда почала сумніватися, чи не є ідея AGI просто мрією. Але раптом ШІ почав набирати бали. Потім ШІ зіграло у Breakout. Після сотень партій ШІ самостійно відкрив стратегію пробивання стіни збоку, щоб куля відскакувала над цеглинами — тунельна стратегія. Важливо, що це була оптимальна стратегія, яку машина відкрила самостійно, без підказок людини.

Це довело, що DeepMind створила адаптивну універсальну навчальну систему — величезний прорив у розвитку AGI. Важливо не те, що машина навчилась грати, а те, що вона самостійно, без підказок, знайшла стратегії і розвʼязки. Самонавчання — ключова ознака AGI.

Попри прориви у машинному навчанні, обчислювальна потужність стала вузьким місцем. Щоб прискорити шлях до AGI, DeepMind погодилась на придбання Google приблизно за 400 млн фунтів стерлінгів, але з умовою зберегти незалежність досліджень. З підтримкою потужностей Google команда DeepMind зосередилася на грі ґо (Go) — китайській грі, яку вважали непідвладною ШІ.

Так з’явився AlphaGo, який кинув виклик найсильнішому гравцю у ґо — Лі Седолю. AlphaGo зробив шокуючий 37-й хід, який вважався практично неможливим для людини, і цим довів, що машина може не лише рахувати, а й творити нове. Поразка Лі Седоля вразила світ, а для Китаю стала «моментом Супутника» (Sputnik moment), пробудивши глобальний інтерес до ШІ й започаткувавши «космічну гонку» у сфері ШІ.

Чотири ключові етапи розвитку технологій DeepMind

Модель DQN: поєднання глибинного та підкріпленого навчання, самостійне відкриття ігрових стратегій

AlphaGo: перемога над чемпіоном світу з ґо, демонстрація творчості й інтуїції

AlphaZero: повна відмова від людських знань, навчання лише у самогрі

AlphaFold: вирішення проблеми згортання білків, Нобелівська премія з хімії

AlphaGo був потужним, але вчився здебільшого на людських партіях. DeepMind далі створила AlphaZero — елегантніший алгоритм, який повністю відмовляється від людських знань і вчиться лише у самогрі. Почавши з нуля, AlphaZero буквально за один день опанував шахи, сьоґі й ґо, і навіть розвинув стиль гри, небачений людьми, довівши, що машина може завдяки досвіду перевершити тисячолітню людську мудрість.

AlphaFold вирішує проблему згортання білків і отримує Нобелівську премію

Ігри були лише полігоном, справжня амбіція Деміса — використати ШІ для вирішення наукових задач, зокрема «згортання білків». Це одна з найбільших біологічних загадок: якщо людство навчиться передбачати структуру білків, це прискорить розробку ліків і лікування хвороб. Щоб перевірити потенціал ШІ у біології, DeepMind створила команду AlphaFold і взяла участь у CASP (змагання з передбачення структури білків).

На CASP13 у 2018 році AlphaFold переміг, але точність була недостатньою для практичного використання в біології, що стало викликом і уроком скромності: наукові завдання значно складніші за ігри. Не здаючись, Деміс у період пандемії COVID-19 подвоїв зусилля в AlphaFold, зібрав команду з фізиків і спеціалістів з машинного навчання. В умовах локдауну вони працювали день і ніч.

У 2020 році на CASP14 AlphaFold досяг приголомшливих результатів. Наукова спільнота визнала, що проблема згортання білків по суті вирішена. Далі DeepMind зробив сміливий крок: замість комерціалізації результату, компанія безкоштовно відкрила понад 200 мільйонів структур білків — практично всі відомі на Землі послідовності білків — і надала їх біологам. За це Деміс і ще один дослідник, Джон Джампер, отримали Нобелівську премію з хімії 2024 року.

Відлік до появи AGI: відповідальне управління важливе як ніколи

З появою чат-ботів на основі великих мовних моделей (LLM) — таких як ChatGPT — генеративний ШІ за три роки докорінно змінив уявлення про розподіл праці у програмуванні та творчих професіях. Тепер продукти на зразок ChatGPT, Gemini, Grok дозволяють кожному відчути вплив ШІ. Наступний крок — епоха загального ШІ, що стане вододілом в історії людства.

Деміс каже: технологія нейтральна, добро чи зло визначає людське використання. Він вимагав від Google гарантій, що технології DeepMind не використовуватимуться для військового спостереження, та наголошував, що не можна діяти за принципом «руйнуй шаблони, рухайся швидко». Адже AGI — надто потужна технологія, і якщо вона вийде з-під контролю, наслідки будуть катастрофічними.

Хассабіс попереджає: «AGI ось-ось народиться, і наступне покоління житиме у новому світі. Завдяки ШІ все зміниться. Якщо хочеш відповідально керувати ШІ — кожна мить має значення, я все життя готувався саме до цієї миті». Така терміновість відображає глибоке розуміння DeepMind потенційних ризиків AGI. Як і вогонь, що може бути для тепла чи руйнівної сили, загальний ШІ може допомогти вирішити глобальні проблеми людства, а може створити безпрецедентні ризики.

У момент вибухового зростання застосувань генеративного ШІ й переходу до ери AI-агентів, саме зараз — найкращий час згадати шлях розвитку AGI й замислитись над майбутнім.