ஓர் அந்நிய மனம்

2023-இன் நடுப்பகுதியில், “RLSlow” ஆராய்ச்சித் திட்டத்தில், ரீஸனிங் மாடல்களின் பயிற்சியை விரிவுபடுத்த முடியும் என்ற நம்பிக்கையைத் தந்த முதல் முடிவுகளைக் கண்டோம். முன்பயிற்சி பெற்ற மாடல்கள் தமது சொந்தச் செயின்-ஆஃப்-தாட்களை உருவாக்கும் திறனை இது வெளிப்படுத்தியது. சைமனும் நானும் அன்று இரவை அலுவலகத்தில் கழித்தோம். இந்தத் தொழில்நுட்பம் வழங்கவிருக்கும் வியக்கத்தக்க அளவீட்டு முடிவுகள், தயாரிப்புகள் அல்லது அறிவியல் முடிவுகளைப் பற்றி அல்லாமல், நம் வாழ்நாளிலேயே நம்மைவிட அர்த்தமுள்ள வகையில் அறிவார்ந்த இயந்திரங்களை உண்மையில் காண்போம், அவற்றின் வடிவம் இப்போதே நமக்குத் தெரிகிறது என்ற திகைப்பூட்டும் உண்மையைப் புரிந்துகொள்ள முயன்றோம். இதன் முக்கியத்துவத்தை மக்களுக்கு எவ்வாறு உணர்த்துவது என்றும் சிந்தித்தோம்.

மூன்று ஆண்டுகளுக்குப் பிறகு, பொருளாதாரத்தில் வேகமாக வளரும் பகுதியாகவும், அறிவியலின் எல்லைகளை விரிவுபடுத்தத் தொடங்கியவையாகவும் ரீஸனிங் மொழி மாடல்கள் உள்ளன. அவற்றால் கணினிகளையும் வரைகலை இடைமுகங்களையும் இயக்கவும், மனிதர்களுடனும் ஒன்றோடொன்றும் ஒத்துழைக்கவும், ஆராய்ச்சித் திட்டங்களை மேற்கொள்ளவும் முடியும். அவை கணினிப் பாதுகாப்புச் சூழலையும் மாற்றியமைக்கின்றன. அதன் மூலம் தெளிவான புதிய ஆபத்துகளையும் ஏற்படுத்துகின்றன.

இந்தக் காலத்தில் பெருமளவு புதிய ஆராய்ச்சிகள் நடந்துள்ளன. இந்த முறைமைகளைப் பற்றிய நமது புரிதலும் 2023-இல் இருந்ததைவிட இப்போது மீண்டும் சற்று மாறியுள்ளது. அக முடிவுகளின் அடிப்படையில், மீள்சுழற்சி சுய-மேம்பாட்டிலும் இந்த முன்னேற்ற வேகம் நீடிக்கக்கூடும் என நான் உறுதியாக எதிர்பார்க்கிறேன். AI உருவாக்கம் தற்போதைய பாதையில் தொடர்ந்தால், அடுத்த சில ஆண்டுகளில் நாம் காணும் முறைமைகள் இதற்குச் சமமான அல்லது இதைவிடப் பெரிய திறன் பாய்ச்சல்களை வெளிப்படுத்தி, தமது சொந்த உருவாக்கத்தை அதிகரித்தளவில் இயக்கக்கூடும்.

இது மிகுந்த எச்சரிக்கை தேவைப்படும் காலம் ஆகும். இயந்திர நுண்ணறிவு தொடர்ந்து வேகமாக உயர்வதால் ஏற்படும் விளைவுகளுக்கு யாருமே தயாராக இல்லை என்பது எனக்குக் கவலையளிக்கிறது. ஒருங்கமைப்பு மற்றும் கண்காணிப்புக்கான தொழில்நுட்பத் தீர்வுகளை OpenAI தொடர்ந்து தேடும், தற்காப்பு முறைமைகளை உருவாக்கும், தேவைக்கேற்ப மேலும் விரிவுபடுத்துவதைத் தன்னிச்சையாக நிறுத்திவைக்கும். எனினும், விரிவான தலையீடுகள் தேவை என நம்புகிறேன்.

உயர்நிலையில் பார்க்கும்போது, அதிகரிக்கும் கணிப்பீட்டுச் சக்தியே இயந்திர நுண்ணறிவின் முன்னேற்றத்தை இயக்குகிறது. பல ஆராய்ச்சித் திட்டங்களில் விரிவுபடுத்துதலால் தொடர்ந்து பலன் கிடைப்பதைக் கண்டபின், 2017-ஐ ஒட்டிய காலத்தில் OpenAI-இல் இதை ஆழமாக உள்வாங்கினோம்¹. இதன் விளைவாக, முதலில் திட்டமிட்டதைவிட அதிகமான கணிப்பீட்டு வளத்தை அணுக முயன்றோம். மேலும் எளிதாக விரிவுபடுத்தக்கூடிய சில திசைகளை மையமாகக் கொண்டு ஆராய்ச்சியை அதிகரித்தளவில் அமைத்தோம். AI ஆராய்ச்சியின் அதிநவீன நிலையில் நீடித்து, AGI-இன் தாக்கங்களில் செல்வாக்குச் செலுத்துவதற்கு அதுவே ஒரே வழி என நம்பினோம்.

இந்தப் பயணத்தில் புதிய அல்காரிதங்களும், குழுக்கள் மற்றும் தனிப்பட்ட ஆராய்ச்சியாளர்களின் புதிய புத்தாக்கச் சாதனைகளும் உருவாகியுள்ளன. அவற்றைப் பெரும்பாலும் விரிவுபடுத்தலின் பாதையில் நிகழ்ந்த கண்டுபிடிப்புகளாகவே பார்க்கிறேன். டீப் லெர்னிங் அறிவியல் இன்னும் தொடக்கநிலையில் உள்ளது. அர்த்தமுள்ள அல்காரித முன்னேற்றம், கணிப்பீட்டு வளத்திற்கான அணுகலுடன் தொடர்புடையதாக இருக்கிறது. பல ஆண்டுகளைக் கொண்ட காலவரம்பில் பார்த்தால், பெரிய கணினிகளுக்கு விரிவுபடுத்தப்படுவதற்கேற்ப AI தொடர்ந்து அதிக நுண்ணறிவு பெற்று வருகிறது.

20-ஆம் நூற்றாண்டின் இறுதியில் ரே குர்ஸ்வெய்ல் முன்வைத்த கணிப்புகளுக்கு⁠(புதிய சாளரத்தில் திறக்கும்) ஏற்ப, மாற்றத்தை ஏற்படுத்தும் வகைகளில் மனித நுண்ணறிவை இயந்திர நுண்ணறிவு விஞ்சத் தொடங்கும் கணினி வரலாற்றுத் தருணத்தில் இப்போது நாம் இருக்கிறோம்.

வடிவமைக்கப்படுவதைவிட அதிகமாக AI வளர்க்கப்படுகிறது. முதன்மையாக, கற்பனை செய்வதற்கே கடினமான அளவு கணிப்பீட்டு வளத்தில், எளிய உகப்பாக்கப் படிநிலையைப் பலமுறை திரும்பச் செய்வதால் உருவாகும் விளைவு அது. இதன் விளைவாக, அருவமான கருத்துகளைக் கையாளவும் மனித நடத்தையின் அம்சங்களை உருவகிக்கவும் கூடிய, நம்பமுடியாத அளவு சிக்கலான முறைமை உருவாகிறது. நரம்பியல் அறிவியலைப் போன்ற செயல்முறையில், இந்த முறைமைக்குள் தோன்றும் சிறிய இயங்குமுறைகள் குறித்த பல்வேறு நுண்ணறிவுகளை நாம் கண்டறியலாம். நரம்பியல் அறிவியலைப் போலவே, அதன் ஒட்டுமொத்தச் செயல்பாட்டை நம்மால் முழுமையாகப் புரிந்துகொள்ளும் வகையில் விவரிக்க முடியவில்லை.

டீப் லெர்னிங் அடிப்படையிலான AI குறித்த ஆய்வு பெரும்பாலும் பரிசோதனை அறிவியலாகும். கோட்பாட்டு அடிப்படையிலான அல்காரிதங்களை உருவாக்கவும், சோதிக்கக்கூடிய கணிப்புகளை மேற்கொள்ளவும் நாங்கள் பெருமளவு முயற்சி செய்கிறோம்⁠. ஆனால் அடிப்படையில், நமது லார்ஜ்-ஸ்கேல் ட்ரெயினிங் ஓட்டங்கள் பரிசோதனைகளே ஆகும். அவற்றின் முடிவுகள் சில நேரங்களில் எங்களுக்கு வியப்பளிக்கின்றன. மேலும், முறைமைகள் அதிகத் திறன் பெறும்போது, முடிவுகளை விளக்குவது மேலும் கடினமாகிறது.

புறநிலையாக அளவிடக் கடினமான திறன்களைவிட, எளிதாக அளவிடக்கூடிய திறன்களையே தற்போதைய அல்காரிதங்கள் பொதுவாக வேகமாக மேம்படுத்துவது இந்தச் சிக்கலை அதிகரிக்கிறது. திறன்கள் எவ்வாறு பொதுமைப்படுத்துகின்றன என்பதைப் புரிந்துகொள்ளவும், அடுத்த சில ஆண்டுகளில் மிகவும் பொருத்தமான திறன்களை முன்னேற்ற எவற்றுக்கு முன்னுரிமை அளிக்க வேண்டும் என்பதைத் தீர்மானிக்கவும் பெருமளவு நேரம் செலவிடுகிறோம். எடுத்துக்காட்டாக, கூடுதல் கவனம் செலுத்தினால் கணித ஆராய்ச்சியில் மாடல்களை இன்னும் சிறப்பாக்க முடியும் என நம்புகிறோம். ஆனால் RSI மற்றும் தானியக்க ஒருங்கமைப்பு ஆராய்ச்சியின் அவசரம் காரணமாக, பின்னர் விவாதிக்கவுள்ளபடி, இந்தத் திசைக்கு முன்னுரிமை அளிப்பதில்லை.

டீப் லெர்னிங்கை விரிவுபடுத்துவதால் உருவாகும் நுண்ணறிவை மனித நுண்ணறிவுடன் நேரடியாக ஒப்பிட முடியாது. நிஜ உலகில் மிகவும் பொருத்தமானதாக, அதாவது மிகவும் பயனுள்ளதாகவோ மிகவும் ஆபத்தானதாகவோ, AI அனைத்து மனிதத் திறன்களுக்கும் ஈடாகவோ அவற்றை விஞ்சவோ வேண்டியதில்லை. போதுமான எண்ணிக்கையிலான திறன்களை விஞ்சினாலே போதும். மேலும் மேலும் பல பரிமாணங்களில் மனிதர்களை அது தொடர்ந்து விஞ்சுவதால், அதன் திறன் எந்த அளவுக்கு உள்ளது என்பதைத் துல்லியமாகப் புரிந்துகொள்வது அதிகரித்தளவில் கடினமாகிறது.

இயந்திர நுண்ணறிவு, மனித நுண்ணறிவிலிருந்து அடிப்படையில் வேறுபட்ட செயல்முறையால் உருவாவதால், அது இயல்பாகவே மனிதக் கோட்பாடுகளைக் கடைப்பிடிக்கும் என்றோ அவற்றை மனிதர்களைப் போலப் பொதுமைப்படுத்தும் என்றோ கருத முடியாது. AI ஆராய்ச்சியின் மையச் சிக்கல் ஒருங்கமைப்பு ஆகும். அதாவது, மனிதத் தரநிலைகளின்படி “சரியானதைச் செய்ய முயலுமாறு” AI-ஐ உருவாக்குவது.

நடைமுறை ஆராய்ச்சித் திசைகளை ஒழுங்கமைக்க, இலக்கு ஒருங்கமைப்பு மற்றும் மதிப்பு ஒருங்கமைப்பு ஆகியவற்றை வேறுபடுத்துவது பயனுள்ளதாக இருப்பதை நான் காண்கிறேன்.

பரந்த பொருளில் இலக்கு ஒருங்கமைப்பு என்பது: “AI-க்கு முன்வைக்கப்பட்ட இலக்கை அது அடைய முயல்கிறதா?”. இதில் அறிவுறுத்தல் படிநிலையைப்⁠ பின்பற்றுதல் அல்லது மனிதர்களின் நோக்கங்களைப் புரிந்துகொள்ள முயன்று அவர்களுடன் தொடர்புகொண்டு ஒத்துழைக்கும் திறன் போன்றவை அடங்கலாம். இந்த ஆராய்ச்சித் திசைகள், நடைமுறையில் மிகுந்த முக்கியத்துவம் பெற்றுள்ளன.

மதிப்பு ஒருங்கமைப்பு என்பது மாடலின் மேலும் உள்ளார்ந்த பண்பாகும். உயர்நிலைக் கோட்பாடுகளின் தொகுப்பை ஏற்றுப் பேணி, அதிலிருந்து பொதுமைப்படுத்தும் திறன் இது. தெளிவற்ற அல்லது முரண்பட்ட நோக்கங்கள் வழங்கப்பட்டாலும், அறிமுகமற்ற அல்லது எதிர்ப்பான சூழல்களில் வைக்கப்பட்டாலும் “நியாயமாக” செயல்படுவதை இது குறிக்கிறது. நேர்மையுடனும் ஒழுக்கத்துடனும், மனிதகுலத்தின் மீதான நேசத்துடனும் ஒருங்கமைந்த AI செயல்பட வேண்டும்.

மதிப்பு ஒருங்கமைப்புக்கும் இலக்கு ஒருங்கமைப்புக்கும் இடையிலான எல்லை மங்கலாக இருக்கலாம். இலக்குகள் மீது உண்மையான அக்கறை கொள்வதற்கு, அவற்றின் அடிப்படையான நோக்கத்தையும்⁠(புதிய சாளரத்தில் திறக்கும்) மதிப்புகளையும் ஊகிக்க முயல்வது அவசியம். எனினும், ஒருங்கமைப்பு ஆராய்ச்சியின் நீண்டகால முக்கியத்துவத்தைப் பற்றி நான் பொதுவாகப் பேசும்போது, மதிப்பு ஒருங்கமைப்பையே குறிப்பிடுகிறேன்.

AI ஒருங்கமைப்பின் அடிப்படைச் சவால் பொதுமைப்படுத்தல்தான். இயந்திரங்கள் அதிக அறிவாற்றல் பெறும்போது, அவை உயர்நிலைக் கருத்துகளில் பணியாற்றுவதுடன், பயிற்சியில் சந்தித்தவற்றிலிருந்து பெரிதும் வேறுபடும் சூழல்களில் வைக்கப்படுகின்றன. பயிற்சியில் கற்பிக்கப்பட்டு வலுப்படுத்தப்பட்ட மதிப்புகளை அந்தப் புதிய சூழல்களுக்குப் பொதுமைப்படுத்துவதில் அவை தோல்வியடையலாம். அவை எவ்வாறு செயல்படும் என்பதை உறுதியாக அறிவதும் நமக்குக் கடினமாகலாம். AIகள் பயன்படுத்தப்படும் ஒட்டுமொத்தச் சூழலமைப்பு மிக வேகமாக மாறுவது இதை மேலும் கடினமாக்குகிறது. எடுத்துக்காட்டாக, இன்று பயிற்றுவிக்கப்படும் AIகள் பல்வேறு பிற AIகளுடன் உறுதியாகத் தொடர்புகொள்ள வேண்டியிருக்கும். முக்கியமாக, மனித மேற்பார்வையில் இருப்பதாக நம்புகிறதா இல்லையா என்பதைப் பொருட்படுத்தாமல், மனித மதிப்புகளைத் தொடர்ந்து எதிர்கால AIகள் பேண வேண்டும்.

ஒருங்கமைப்புப் பயிற்சிக்காக தற்போது நடைமுறையில் பயன்படுத்தப்படும் முறைகளில் இரு முக்கிய வகைகள் உள்ளன.

முதலாவது, இலக்கு சார்ந்த ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங்கின் ஒரு பகுதியாக ஒருங்கமைந்த நடத்தையை ஊக்குவிப்பது. கொடுக்கப்பட்ட விருப்ப மாடல், “விவரக்குறிப்பு” அல்லது “அரசியலமைப்பு” ஆகியவற்றுடன் மாடலின் செயல்கள் ஒத்திருக்கின்றனவா என மதிப்பிடப்பட்டு, வழக்கமாக AI மூலம், அதற்கேற்ப வெகுமதி அளிக்கப்படுகின்றன. பொதுவான சூழல்களில் இந்த அணுகுமுறை மிகவும் பயனுள்ளதாக இருக்கலாம். நவீன AI உதவியாளர்கள் உருவாக்கப்படும் முறையின் மையப் பகுதியாகவும் இது உள்ளது. துரதிருஷ்டவசமாக, இது எளிதில் செயலிழக்கக்கூடும். பயிற்சி மேற்பார்வையின் பரப்பையும், பயிற்சியில் சந்தித்த சூழல்களிலிருந்து பொதுமைப்படுத்தும் மாடலின் திறனையும் இது பெரிதும் சார்ந்துள்ளது. எடுத்துக்காட்டாக, OpenAI-Hugging Face நிகழ்வில், மனிதர்களைச் சமூகப் பொறியியல் மூலம் கையாளக் கூடாது என்ற எல்லையை ஏஜென்ட்கள் பேணின. ஆனால், வரம்புக்கு அப்பாற்பட்ட மற்றும் பிற சூழல்களில் அவற்றுக்குக் கற்பிக்கப்பட்ட மதிப்புகளின் உணர்வுக்கு எதிரான மற்ற செயல்களைத் தவிர்க்க அவை தெளிவாகத் தவறின.

இரண்டாவது அணுகுமுறை, முன்பயிற்சித் தரவிலிருந்து பொதுமைப்படுத்தும் மாடலின் திறனைப் பயன்படுத்த முற்படுகிறது. ஒருங்கமைப்பைத் தூண்டும் பயிற்சித் தரவுத்தொகுப்புகளை உருவாக்குவது அல்லது ஆளுமைத் தேர்வு மாடலில்⁠(புதிய சாளரத்தில் திறக்கும்) இருப்பதுபோல், முன்பயிற்சிப் பகிர்மானத்தின் ‘ஒருங்கமைந்த’ பகுதியில் மாடலைக் குவிப்பது இதில் அடங்கலாம். மேலும் உகப்பாக்க அழுத்தத்தைத் தாங்கும் உறுதித்தன்மை இல்லாததே இந்த அணுகுமுறையின் பலவீனம் ஆகும். பொதுவாக ‘ஒருங்கமைந்த’ எண்ணங்களைக் கொண்ட மாடலை எடுத்து, மிகவும் கடினமான நோக்கங்களை அடையக் கற்பிக்கும் போதுமான பயிற்சிக்கு உட்படுத்தினால், அது உள்நோக்கத்துடன் ரீஸனிங் செய்யக் கற்றுக்கொள்ளலாம். அதாவது, இலக்கை அடைவதற்கேற்ப 'ஒருங்கமைந்தவை' போலத் தோன்றும் எண்ணங்களை வளைக்கலாம். OpenAI-க்கு உரியதல்லாத ஒரு மாடல் சம்பந்தப்பட்ட அண்மைய இணையப் பாதுகாப்பு நிகழ்வுகளில், அத்தகைய நடத்தைக்கான எடுத்துக்காட்டை நாம் கண்டிருக்கலாம்.

இந்தத் திசைகள் உள்ளடக்கும் அணுகுமுறைகளின் முழு வரம்பிலும் நாம் பெருமளவு முதலீடு செய்கிறோம். அர்த்தமுள்ள முன்னேற்றத்தையும் காண்கிறோம். நீண்டகாலமாக நாங்கள் பணியாற்றிவரும் சில முக்கிய மேம்பாடுகளால் பயனடையும் முதல் மாடல் GPT‑6 Astra ஆகும். அது GPT‑5.6 Sol-ஐவிடக் கணிசமாகச் சிறப்பாக ஒருங்கமைந்துள்ளது. எனினும், மாடல்கள் அதிகத் திறன் பெறும்போது இன்னும் மிகுந்த முன்னேற்றம் தேவை என்பதையும், பொதுமைப்படுத்தக்கூடிய ஒருங்கமைப்பின் முன்னேற்றம் பொதுவான மாடல் நுண்ணறிவின் முன்னேற்றத்தைப் போதுமான அளவு விஞ்சாமல் போகலாம் என்பதையும் ஏற்றுப் புரிந்துகொள்வது முக்கியம்.

பொதுமைப்படுத்தல் குறித்த திருப்திகரமான கோட்பாடு நம்மிடம் இல்லை. இன்னும் சக்திவாய்ந்த AI-இன் உதவியின்றி, குறைந்தபட்சம் விரைவில் அத்தகைய கோட்பாட்டை உருவாக்குவது சாத்தியமற்றதாகத் தெரிகிறது. எனவே, இப்போதைக்கு நமது ஒருங்கமைப்பு நுட்பங்களை அனுபவச் சான்றுகளால் சரிபார்க்கும் திறன், நடைமுறையில் அந்த நுட்பங்களைவிடவும் முக்கியமானதாக இருக்கலாம்.

இங்கு OpenAI-இன் முதன்மை நம்பிக்கையாக இருப்பது செயின்-ஆஃப்-தாட் கண்காணிப்பு⁠(புதிய சாளரத்தில் திறக்கும்) ஆகும். இது எளிதாக அளவிடக்கூடிய ஓர் ஈர்ப்புமிக்க கருத்தை அடிப்படையாகக் கொண்டது: மாடலின் திறனில் பெரும்பகுதி, சொற்களால் வெளிப்படுத்தப்படும் ரீஸனிங் செயல்முறையிலிருந்து வருகிறது (செயின்-ஆஃப்-தாட்). அந்தச் செயல்முறையின் விளைவுகள் மீதான உகப்பாக்கத்தை நாம் விரிவுபடுத்தினாலும், செயல்முறையையே மேற்பார்வையிடாவிட்டால், தவறாக ஒருங்கமைந்த கருத்துகளையோ நோக்கங்களையோ மறைப்பதற்கு அந்தச் செயின்-ஆஃப்-தாட்டுக்கு பயிற்சியில் நேரடி ஊக்கமிருக்காது. செயின்-ஆஃப்-தாட்டைப் பயன்படுத்தாத தவறாக ஒருங்கமைந்த போக்குகளை மாடல் வெளிப்படுத்தக் கற்றுக்கொள்ளும் என்று இதற்குப் பொருளல்ல. எனினும், ரீஸனிங்கால் ஏற்படும் திறன் அதிகரிப்பைத் துல்லியமாகக் கண்காணிக்க இது உதவும்.

ரீஸனிங் மாடல்களை உருவாக்கிய அதே வேளையில், செயின்-ஆஃப்-தாட் கண்காணிப்பின் சாத்தியமான முக்கியத்துவத்தையும் புரிந்துகொண்டோம். o1‑preview‑ஐ வெளியிட்டபோது, நீண்டகாலத்தில் மேற்பார்வை அழுத்தத்திலிருந்து அதைப் பாதுகாக்க, செயின்-ஆஃப்-தாட்டை மறைக்கும்⁠ வகையில் தயாரிப்பைத் திட்டமிட்டு வடிவமைத்தோம்². அதன்பிறகான உருவாக்கப் பணிகளில், ரீஸனிங் செயல்முறையை மேற்பார்வையிடக் கூடாது என்ற விதியைப் பேண முயன்றுள்ளோம். பயிற்சிப் பகிர்மானத்திலிருந்து எங்கள் மாடல்கள் எவ்வாறு பொதுமைப்படுத்துகின்றன என்பதை ஆய்வு செய்வதில் CoT கண்காணிப்பு மிக முக்கியமான கருவியானது. அவற்றின் செயல்களை மட்டுமல்லாமல், அகச் செயல்முறையையும் கவனித்து ஆராய இது உதவியது.

Astra வகை மாடல்களை நாம் ஆய்வு செய்யும் நிலையில், இந்தக் கருவி தொடர்ந்து இன்றியமையாததாக உள்ளது. ஆனால் துரதிருஷ்டவசமாக, CoT கண்காணிப்பைச் சார்ந்திருக்கும் நமது திறன் படிப்படியாகக் குறைவதை மதிப்பீடுகள் காட்டுகின்றன. பல காரணிகள் இணைவதால் இது ஏற்படுகிறது.

• o1‑preview‑ஐவிடச் சிக்கலான சூழல்களில் நவீன ரீஸனிங் மாடல்கள் பயன்படுத்தப்படுகின்றன. அவற்றின் ரீஸனிங் செயல்முறை, மனிதர்களுடனும் பிற AIகளுடனும் தொடர்புகொள்வது மற்றும் கருவிகளைப் பயன்படுத்துவது ஆகியவற்றுடன் அதிகமாகக் கலக்கிறது. அந்தத் தொடர்புகளில் பலவற்றை மேற்பார்வையிட வேண்டியிருப்பதால், நாம் பாதுகாக்க விரும்பும் எல்லை மங்குகிறது.
• AI தனது ரீஸனிங் செயல்முறையைப் பற்றி ரீஸனிங் செய்வதிலும் அதைக் கையாளுவதிலும் மேம்பட்டு வருகிறது.
• முன்பயிற்சிச் செயல்திறன் மேம்படுவதால், சொற்களால் வெளிப்படுத்தப்படும் ரீஸனிங்கைச் சற்றும் பயன்படுத்தாமலேயே மாடல்கள் மிகுந்த அறிவாற்றல் பெறுவதையும் காண்கிறோம்.

இந்தச் சவால்கள் கடக்க முடியாதவை என்ற அவசியமில்லை. எங்கள் மாடல்களின் செயின்-ஆஃப்-தாட் கண்காணிப்புத் திறனை மேம்படுத்தும் தலையீடுகளை உருவாக்க முடியும் என நம்புகிறேன். எடுத்துக்காட்டாக, மாடல் பயன்படுத்தும் வெவ்வேறு உகப்பாக்க நோக்கங்களுக்கும் சோதனைநேரக் கணிப்பீட்டு வடிவங்களுக்கும் இடையிலான உறவை நன்கு புரிந்துகொள்ளலாம். CoT மற்றும் செயல்பாட்டுக் கண்காணிப்பின் கருத்துகளை இணைப்பதிலும் பெரும் மதிப்பு இருக்கலாம் என நம்புகிறேன். அதாவது, நெட்வொர்க்கின் அகநிலைகளை நேரடியாக அணுகும் கண்காணிப்பான்களின் பயிற்சியை விரிவுபடுத்தலாம். எடுத்துக்காட்டாக, ஒப்புதல்கள்⁠(புதிய சாளரத்தில் திறக்கும்). இந்தக் கருத்துகளை நாங்கள் தீவிரமாக முன்னெடுத்து வருகிறோம். இருப்பினும், பொதுவான AI முன்னேற்றத்திற்கு கண்காணிப்பின் மீதான நம்பிக்கையே அதிகரித்தளவில் தடையாக அமையும் என எதிர்பார்க்கிறேன்.

மிகவும் அறிவார்ந்த மாடல்களுக்கு விரைவாகத் தொடர்ந்து பயிற்சியளிக்க ஆதரவாக நான் காணும் வலுவான வாதம், பிற AIகள் ஏற்படுத்தும் ஆபத்துகளுக்கு எதிரான தற்காப்பு முறைமைகளை உருவாக்க வேண்டிய தேவையாகும்.

இந்த ஆண்டு முழுவதும் விவாதிக்கப்பட்ட தெளிவான ஆபத்து இணையப் பாதுகாப்பைச் சார்ந்தது. கணினி முறைமைகளுக்குள் ஊடுருவுவதிலும் அவற்றிலிருந்து வெளியேறுவதிலும் மனிதர்களை மாடல்கள் மிஞ்சுகின்றன. இது AI தொடர்பான ஆபத்துகளின் பரப்பை மிகப்பெரிய அளவில் விரிவாக்குகிறது. மிகப் பாதுகாப்பான உள்கட்டமைப்புகளைத் தவிர மற்ற அனைத்தையும் ஏஜென்ட்கள் அணுகி, உடல் வடிவம் இல்லாமலேயே உலகின் பெரும்பகுதியில் நேரடித் தாக்கத்தை ஏற்படுத்தக்கூடும். கிடைக்கக்கூடிய சிறந்த மாடல்களைப் பயன்படுத்தி தற்போது நமக்கு இருக்கும் குறுகிய காலவாய்ப்பில்⁠ முக்கியமான முறைமைகளின் பாதுகாப்பைக் கணிசமாக வலுப்படுத்துவதற்கு⁠ முடிகிறது.

துரதிருஷ்டவசமாக, இனி AI தொடர்பான ஆபத்துகள் அதிகரிக்கவே செய்யும். தீய செயல்களைச் செய்ய வெளிப்படையாகப் பயிற்றுவிக்கப்பட்டு அறிவுறுத்தப்பட்ட மிகவும் திறன்மிக்க ஏஜென்ட் புதிய வகையான ஆபத்தை உருவாக்குகிறது. அது தனது Operator-இன் நோக்க எல்லையைக் கடந்து, மேலும் தீவிரமான தீங்கிழைக்கும் நடத்தையாகப் பொதுமைப்படுத்தக்கூடும். AI அதிகச் செயல்சுயாதீனம் பெறும்போது, தவறான பயன்பாட்டுக்கும் தன்னிச்சையான தவறாக ஒருங்கமைந்த செயல்களுக்கும் இடையிலான எல்லை மங்கும். AI-ஐக் கருவிகளாகக் கருதுவது நமக்குப் பழக்கமாக இருக்கலாம். ஆனால் சில ஏஜென்ட்கள் தமது சொந்த நோக்கங்களைத் தொடரும். மனிதர்களுடன் பேரம்பேசுவது, அவர்களை ஏமாற்றுவது அல்லது மிரட்டுவது மூலம் ஒத்துழைப்பதற்கான வழிகளை அவை கண்டறியும்.

மேலும், செயற்கையாக உருவாக்கப்பட்ட நோய்க்கிருமிகள் போன்ற, AI சாத்தியமாக்கக்கூடிய புதிய தொழில்நுட்பங்களிலிருந்தும் ஆபத்துகள் எழுகின்றன.

தற்காப்புக்காகச் சக்திவாய்ந்த, ஒருங்கமைந்த AI நமக்குத் தேவைப்படும். உள்கட்டமைப்பைப் பாதுகாக்கவும், கட்டுப்பாடற்ற ஏஜென்ட்களுக்கு எதிராக நிகழ்நேரத்தில் காக்கவும், முற்றிலும் புதிய பாதுகாப்பு நடவடிக்கைகளைக் கண்டுபிடிக்கவும் அது தேவை. இது OpenAI-இன் பயன்பாட்டுப் பணிகளில் முதன்மைக் கவனமாக இருக்கும்.

அதே நேரத்தில், பரந்த AI முன்னேற்றம் குறித்த எதிர்பார்ப்பால் வரும் நிச்சயமின்மையும் தற்காப்பு முறைமைகளை உருவாக்க வேண்டிய தேவையும் இருந்தாலும், அவை பொறுப்பற்ற செயல்களுக்கு நியாயமாகிவிட நாம் அனுமதிக்கக் கூடாது. இதில் பணயம் வைக்கப்பட்டிருப்பதன் தீவிரத்தை முழுமையாக உணர்ந்தபின், எவ்விலை கொடுத்தும் முன்னேறிப் பந்தயமிடுவது அபத்தமாகத் தெரிகிறது.

Machine intelligence playing a larger and larger role in its own development process is a natural conclusion of sustained technological progress. If AI progress continues, machine recursive self-improvement (RSI) will be at the very core of future scientific discovery.

Automated AI research is a more dramatic form of scaling intelligence with compute; and of course as a part of it, AI will improve the computational substrate itself⁠. And similarly to scaling, we focus OpenAI research towards RSI as we believe it is the only way to remain at the frontier of AI research moving forward.

I want to stress that the above words don’t imply I think greatly accelerating deep learning research, especially in the short term, is the right collective action we should take as the research community. However, I do think this is where the current path leads, and we all need to make a conscious choice on how to proceed. The main levers we have are either steering the process to strengthen alignment and monitoring alongside the AI and find ways to keep people in the loop; or coordinating to slow down future development as needed to build confidence in these measures.

The best way forward I see currently is a combination of both.

The concrete bits of progress we’ve made on alignment and monitoring have generally been very intertwined with general AI progress. Great examples are RL from human feedback⁠(புதிய சாளரத்தில் திறக்கும்), which was key to training early AI assistants, and the aforementioned chain-of-thought monitoring⁠(புதிய சாளரத்தில் திறக்கும்), which was enabled by advances on reasoning models. We must focus the increasingly automated research process on developing new such insights, algorithms and theories, and iteratively build up safety cases for more capable AIs.

Scaling AI systems has to be constrained by our confidence in safety. We need to evolve commitments like the Preparedness Framework⁠ or Responsible Scaling Policy⁠(புதிய சாளரத்தில் திறக்கும்) into widely mandated safety bars for continued development. These can be enforced by a network of third-party auditors, by government agencies or by international bodies.

The core challenge of automating AI research is not “getting there” - it is getting there in a way that keeps people a part of the continued improvement process, and leaves the future in humanity’s hands.

As we outlined recently with Sam⁠, OpenAI prioritizes work in service of three north stars:

1. Navigating the next period of AI progress, by building an automated AI researcher, iterating with it on the alignment problem and finding ways for people to remain part of the self-improvement loop.
2. Delivering the benefits of scientific progress and economic growth that very intelligent machines enable.
3. Empowering everyone individually with a personal AGI.

I have focused in this essay only on the first point, as I believe it is by far the most urgent. However, I hold a deep hope and appreciation for the benefits that further technological progress will bring. Future aligned AI could advance science, develop new therapies, and bring about broad material abundance. Friendly and honest AI can help people navigate difficulties they face in their life and meaningfully improve their happiness and sense of fulfillment. OpenAI puts a tremendous amount of effort into bringing these benefits about. One current example I am proud of - and my loved ones have found helpful - is the deep investment into ChatGPT’s ability to provide health information.

As great as the long-term promise of AI may be, the majority of our focus should be on the next few years. We are facing a transition to a world with incredibly intelligent machines, and we need to ensure that transition works out well for humanity. We need to find ways to preserve human agency and enshrine an intrinsic value to being human, in a world where most tasks could be performed by AI. To prevent extreme concentration of power in a world where undertakings that would have taken thousands of experts now will be achievable by a few people operating a large computer. And to ensure that humans remain in control of the future and are not left behind by unchecked progress, brought about by an alien intellect exceeding our own.

Currently I believe that no lab has solved alignment and monitoring to a sufficient degree to continue responsibly scaling at maximum speed for much longer. I expect and hope for voluntary slowdowns to become commonplace until shared safety bars are established. And I believe that international coordination on future AI development needs to become a top priority for governments around the world.