🧠 Mózg to nie tylko matematyka
💪🏻 jak w pełni wykorzystać możliwości myślącego modelu o1 od OpenAI?
🔉Wolisz wersję audio? Nie możesz przeczytać teraz maila?
Przesłuchaj tutaj
Możesz nas słuchać także na Apple Podcast i Spotify.
🎯W DZISIEJSZYM WYDANIU
🎓 AI od zera do zrozumienia: Umysł to nie jest równanie matematyczne.
🔬 AI w praktyce: jak w pełni wykorzystać możliwości myślącego modelu o1 od OpenAI?
🥡 AI na Wynos
📚 Rekomendowana Biblioteka:
- “Rogera Penrose’a kwantowanie umysłu” - artykuł
- “Sir Roger Penrose (NOBEL 2020): Tak działa mój mózg” - wideo
Dwa tygodnie temu, na naszym Discordzie (czyli komunikatorze, gdzie rozmawiamy wraz z społecznością Horyzont - czyli w większości czytelnikami tego newslettera) użytkownik th00masml zadał pytanie:
“Czy uważacie, że uznanie obliczeniowej teorii umysłu za prawdziwą jest niezbędne, by uznać, że możliwe będzie w przyszłości stworzenie AGI czy Superinteligencji?”
Podstawowa definicja obliczeniowej teorii umysłu: Obliczeniowa teoria umysłu zakłada, że procesy poznawcze i stany mentalne można opisać jako obliczenia - czyli manipulacje symbolami według określonych reguł. Umysł jest więc systemem przetwarzającym informacje, który przyjmuje dane wejściowe (bodźce), przetwarza je według określonych algorytmów i generuje dane wyjściowe (zachowania, myśli, decyzje).
czyli,
Obliczeniowa teoria umysłu to koncepcja, która traktuje umysł jako system przetwarzający informacje, analogiczny do komputera.
Bazując na aktualnych danych, można założyć, że tak. Dlaczego? W końcu LLMy takie jak w ChatGPT to czysta matematyka - to jest dosadny skrót myślowy - dla niektórych mniej lub bardziej skomplikowana. Ta matematyka oblicza się na wysoce zaawansowanych komputerach gdzieś w USA. Po tej twierdzącej odpowiedzi w głowie od razu zaczęły mi się pojawiać pytania
co to jest umysł? serio da się go opisać sformułowaniami matematycznymi i odwzorowanie go jest na tyle “proste”, że wystarczy tylko opisać matematycznie algorytmy dla procesów zachodzących w głowie człowieka przenieść to na komputer i bam! mamy AGI czy Superinteligencję?
czy LLMy to droga do AGI czy Superinteligencji? pierwsze zagadnienie o umyśle jest na tyle ciekawe, że nie będę rozwijał odpowiedzi na to pytanie. Pytanie o umyśle pochłonęło sporą część mojego wolnego czasu… i nadal nie znam odpowiedzi.
Odpowiedź na to pytanie czym jest umysł od czegoś trzeba zacząć. Tutaj pomógł mi mój kolega Perplexity. Potrzebowałem bardzo ogólnej definicji umysłu. Taką definicję dostałem (później okazało się, że… ile ludzi tyle rozbieżności na temat tego, czym cechuje się umysł). Dla tego tekstu przyjmę poniższy zlepek ogólnie przyjętej charakterystyki.
Mając już podstawową definicję umysłu, można wrócić do wcześniejszego pytania - czy da się go tak po prostu "przepisać" na język komputera (matematycznie)?
Roger Penrose ma w tej kwestii dość dobrze uargumentowanie zdanie, które według mnie ma bardzo dużo sensu i zgadzało się z moimi wątpliwościami. Penrose twierdzi, że świadomość i rozumienie nie mogą być algorytmiczne - czyli nie da się ich zapisać jako zbioru instrukcji, które komputer mógłby wykonać. Bo jak zapisać przepis na kreatywność czy intuicję? Absurd, którego nie da się wykonać. Gdyby tak było, to podejrzewam, że już dawno kreatywność zostałaby zautomatyzowana.
Penrose nie opiera się tylko na intuicyjnym przeczuciu. Jako matematyk i fizyk, przedstawia konkretne argumenty bazujące na tym, jak ludzie rozwiązują problemy matematyczne.
Wyobraź sobie matematyka, który nagle dostrzega rozwiązanie skomplikowanego problemu. To nie jest tak, że po prostu wykonuje jeden krok po drugim jak robot (patrz na nowe “Large Reasoning Models” takie jak OpenAI o1). Często występuje tu nagły przebłysk zrozumienia, wgląd w istotę problemu. Penrose zauważył, że tego typu "matematyczne olśnienia" nie da się sprowadzić do prostego wykonywania instrukcji. Żeby to udowodnić, Penrose sięga po coś, co w świecie matematyki przyniosło wiele kontrowersji - twierdzenie Gödla. To jedno z najważniejszych twierdzeń matematycznych XX wieku, które pokazuje pewne fundamentalne ograniczenia systemów formalnych. Warto wyjaśnić o co w nim chodzi, ale bez zbędnego matematycznego żargonu.
Najpierw trochę kontekstu - matematycy pracują w ramach systemów formalnych. To zbiory reguł i założeń, jak matematyczna gra według ściśle określonych zasad. Przykładem takiego systemu jest nasza podstawowa arytmetyka - mamy w niej liczby i jasne reguły, jak możemy je dodawać, mnożyć i tak dalej. Gödel pokazał, że w każdym takim systemie, o ile jest wystarczająco rozbudowany żeby zawierać podstawową arytmetykę, zawsze znajdą się prawdziwe stwierdzenia matematyczne, których nie da się w tym systemie udowodnić. To tak jakby w grze w szachy istniały ruchy, które są poprawne, ale nie da się tego wykazać używając samych zasad szachów.
Dlaczego to jest takie ważne dla rozważań o umyśle? Bo komputer to w gruncie rzeczy taki system formalny - działa według ściśle określonych reguł, jak matematyczna maszynka. A jednak my, ludzie, potrafimy zobaczyć i zrozumieć prawdziwość stwierdzeń, których żaden komputer nie jest w stanie udowodnić. I tutaj dochodzimy do sedna argumentu Penrose'a - jeśli nasz umysł byłby tylko biologicznym komputerem, również byłby ograniczony tak jak każdy system formalny. Nie powinniśmy być w stanie "zobaczyć" tych prawd matematycznych, których nie da się udowodnić algorytmicznie. Ale my to potrafimy. To prowadzi do dość ciekawego wniosku - w naszych mózgach musi dziać się coś więcej niż tylko przetwarzanie informacji według ustalonych reguł. Nie jesteśmy tylko bardzo zaawansowanymi maszynami liczącymi.
Penrose idzie jeszcze dalej. Twierdzi, że te nasze "matematyczne olśnienia", momenty gdy nagle rozumiemy coś złożonego, są dowodem na to, że świadomość i rozumienie muszą opierać się na procesach, których nie da się zapisać w formie algorytmu. To nie jest kwestia większej mocy obliczeniowej czy bardziej złożonego programu, tylko jest to fundamentalnie inny sposób działania. To dlatego, według Penrose'a, nawet najszybszy superkomputer działający według tradycyjnych zasad nigdy nie osiągnie prawdziwego rozumienia czy świadomości. Można to porównać do sytuacji, w której gdy chcemy dostać się na księżyc, to zamiast zastanowić się nad różnymi sposobami dotarcia do niego, budujemy wysoki budynek - bez względu ile pięter dodamy, ta metoda nigdy nie zadziała.
Gdzie więc według Penrose'a należy szukać źródeł świadomości? Tu wkraczamy w naprawdę SKOMPLIKOWANY, ale i fascynujący obszar - kwantowej teorii umysłu [link]. Penrose uważa, że kluczem mogą być zjawiska kwantowe zachodzące w mikroskopijnych strukturach w naszych mózgach, zwanych mikrotubulami.
Ale czym właściwie są te zjawiska kwantowe? To procesy zachodzące w świecie najmniejszych cząstek, które łamią nasze intuicyjne rozumienie rzeczywistości. W świecie kwantowym nie możemy na przykład dokładnie określić jednocześnie położenia i prędkości cząstki - to słynna zasada nieoznaczoności Heisenberga. Co więcej, cząstka może znajdować się w wielu miejscach naraz, dopóki jej nie zmierzymy. To zjawisko nazywamy superpozycją kwantową.
Te kwantowe zachowania są z natury nieprzewidywalne i niealgorytmiczne - nie da się ich opisać prostą sekwencją kroków "jeśli A, to zrób B". To właśnie w tych procesach Penrose widzi potencjalne wyjaśnienie tego, jak nasz mózg osiąga zrozumienie i świadomość.
Czy Penrose ma rację? Tego nie wiemy, można jedynie zrobić research, aby zapoznać się z różnymi teoriami na temat tego jak działa umysł, dokładnej odpowiedzi na to jak działa nie znajdziemy nigdzie…zapraszam do rozważań!
Jego teoria spotyka się z krytyką ze strony wielu naukowców. Ale zadaje on bardzo dobre pytanie - czy da się stworzyć prawdziwą świadomość i zrozumienie bazując tylko na klasycznych obliczeniach? Czy może potrzebujemy czegoś więcej? Myślę, że warto o tym myśleć, szczególnie gdy słyszymy o kolejnych przełomach w AI. Może faktycznie budujemy coraz wyższy budynek, zamiast szukać sposobu na prawdziwy lot na księżyc?
o1 - potężne narzędzie, które trzeba umieć wykorzystać
Przez ostatnie miesiące intensywnie korzystałem z modelu o1 od OpenAI, głównie w kontekście moich projektów webowych. Model jest naprawdę potężny, ale jego prawdziwa moc ujawnia się dopiero wtedy, gdy nauczymy się z niego właściwie korzystać.
W moim przypadku, wykorzystywałem o1 przede wszystkim do:
Rozwiązywania specyficznych problemów technicznych w aplikacjach webowych - model świetnie radzi sobie z analizą złożonych przypadków i proponowaniem konkretnych rozwiązań,
Projektowania architektur dla moich rozwiązań webowych - potrafi generować przemyślane propozycje wraz z dokładnym uzasadnieniem wyborów technologicznych,
Tworzenia szczegółowych opisów funkcjonalności dla projektów - sprawdza się świetnie w precyzyjnym definiowaniu wymagań i przypadków użycia.
Niedawno natknąłem się na świetny poradnik od Latent Space (jedynego newslettera technicznego, który śledzę) na temat efektywnego pisania promptów do o1. Ich analiza rzuciła nowe światło na to, jak efektywnie wykorzystywać ten model.
o1 to nie model konwersacyjny. a bardziej generator raportów. Nie oczekuj od niego interaktywnej rozmowy - zamiast tego, daj mu od razu wszystkie potrzebne informacje.
Kontekst to podstawa. Cokolwiek myślisz o ilości kontekstu, którą powinieneś podać - pomnóż to przez 10. Nawet przy prostych pytaniach technicznych warto:
Opisać wszystko, co już próbowaliśmy i nie zadziałało
Dołączyć pełne schematy baz danych
Wyjaśnić specyfikę firmy i używaną terminologię
Skup się na CZYM, nie na JAK Zamiast instruować model jak ma odpowiadać, opisz dokładnie czego oczekujesz jako rezultat. o1 sam zaplanuje i wykona potrzebne kroki.
Co o1 robi szczególnie dobrze:
Generowanie całych plików za jednym razem: Potrafi wygenerować kompletne pliki kodu, zazwyczaj bez błędów i zgodnie z istniejącymi wzorcami w kodzie,
Mniej halucynacji: Szczególnie dobrze radzi sobie z niszowymi językami zapytań (jak ClickHouse czy New Relic),
Wyjaśnianie koncepcji: Tworzy szczegółowe wyjaśnienia trudnych koncepcji inżynieryjnych, wraz z przykładami,
Analiza architektoniczna: Świetnie sprawdza się w generowaniu i porównywaniu różnych podejść architektonicznych.
Ograniczenia modelu:
Pisanie w określonym stylu: Model ma tendencję do generowania bardzo formalnych, akademickich tekstów,
Budowanie całych aplikacji: Mimo że świetnie radzi sobie z pojedynczymi funkcjonalnościami, nie zbuduje całego SaaS-a bez znaczącej iteracji.
Jeśli pracujecie z o1 lub planujecie zacząć, gorąco polecam zapoznać się z pełną analizą Latent Space. To jedna z niewielu naprawdę wartościowych publikacji na temat praktycznego wykorzystania tego modelu.
🥡 AI na Wynos
🔫 Projekt Nimbus od Google pomógł Izrealowi na wojnie? Gaby Portnoy, dyrektor generalny izraelskiego rządowego Krajowego Dyrektoriatu ds. Cyberbezpieczeństwa - „Dzięki publicznej chmurze Nimbus podczas walk dzieją się fenomenalne rzeczy, które odgrywają znaczącą rolę w zwycięstwie - nie będę się rozgadywał” - czytaj
🤑 Trump uruchamia projekt AI "Stargate" o wartości 500 miliardów dolarów, z udziałem CEO OpenAI, Oracle, Microsoftu i SoftBanku. - czytaj
🩺 Prezes Oracle: Od wykrywania raka do dostosowanej szczepionki w ciągu 48 godzin dzięki sztucznej inteligencji - obejrzyj
🆕 Rozmowa CEO Anthropic z dziennikarzem WSJ: przewidywania odnośnie Superinteligencji, nadchodzące nowości w Claude - voice mode i nowe modele - obejrzyj
📬 Czytałeś/-aś wydanie z wtorku 21.01?
Grygiel, W. P., & Hohol, M. (2009). Rogera Penrose’a kwantowanie umysłu. Filozofia Nauki, 17(3), 5–31.
Świetny artykuł na temat tego co sądzi o umyśle, a w szczególności świadomości Roger Penrose, o którym, w części jest to wydanie newslettera.
Sir Roger Penrose (NOBEL 2020): Tak działa mój mózg - This is IT
