Napjainkban a nagy nyelvi modellek (LLM-ek), mint például a ChatGPT vagy a Gemini, rendkívül népszerűek, és számos területen használatosak. Ezek a technológiák már most is lenyűgöző képességekkel rendelkeznek, de sokan úgy vélik, hogy nem ezek jelentik a végső választ az általános mesterséges intelligenciára vonatkozó kérdésekre.
John Carmack, akit a videojáték-ipar úttörőjeként és az Oculus egyik kulcsemberként ismerhetünk, jelenleg új irányokat kutat a mesterséges intelligencia terén. Saját cége, a Keen Technologies keretein belül azt vizsgálja, hogyan lehetne olyan MI rendszert fejleszteni, amely képes nagyon gyorsan megtanulni új feladatokat – például egy soha nem látott Atari 2600 játékot néhány óra alatt elsajátítani.
Az előadásban Carmack hangsúlyozza a gyors tanulás jelentőségét. Míg a mai MI rendszerek elképesztő eredményeket érnek el, ehhez gyakran hónapokon át folyamatosan kell gyakorolniuk egy-egy feladaton. Az emberhez hasonló általános intelligencia viszont rövid idő alatt alkalmazkodik új helyzetekhez, ami jelenleg óriási kihívás az MI számára.
A témában felmerül, hogy miként érhetjük el, hogy a mesterséges intelligencia ne csak bemeneti adatokból és múltbeli tapasztalatokból következtessen, hanem gyorsan megtanuljon teljesen ismeretlen környezetben is eligazodni. Carmack munkája során nem csak szoftveresen, hanem ténylegesen a fizikai világban, robotikai eszközökkel is próbálja a tanulási folyamatokat modellezni, ami számos új kérdést vet fel a kutatások irányával kapcsolatban.
Miközben a nagy nyelvi modellek fejlődése töretlen, más kutatók, köztük Carmack, a továbblépési lehetőségeket és a különféle megközelítések egyesítésének potenciálját vizsgálják. Vajon a jövő mesterséges intelligencia rendszerei ötvözni fogják a gyors tanulás és a mély tudás előnyeit?
