Waanzilishi, Wakosoaji na Watafiti: Mazungumzo Yanayostahili Kusomwa

Watu wengi wanaweza kumtaja Mkurugenzi Mtendaji wa OpenAI. Wachache wanaweza kuwataja waandishi wa karatasi ya utafiti iliyofafanua enzi ya sasa ya mifano mikubwa ya lugha (large language models). Pengo hili la maarifa linaunda mtazamo potofu kuhusu jinsi teknolojia inavyopiga hatua. Tunachukulia akili mnemba (artificial intelligence) kama mfululizo wa uzinduzi wa bidhaa, ilhali kwa kweli ni mkusanyiko wa polepole wa mafanikio ya kihisabati. Waanzilishi husimamia mtaji na simulizi ya umma. Watafiti husimamia uzito (weights) na mantiki. Kuelewa tofauti hii ndiyo njia pekee ya kuona kupitia mawingu ya masoko. Ikiwa unafuata waanzilishi pekee, unatazama sinema. Ikiwa unafuata watafiti, unasoma hati ya filamu. Makala haya yanaangalia kwa nini tofauti hii ni muhimu na jinsi ya kutambua ishara zinazoamua mustakabali wa tasnia hii. Tutapita hotuba za kuvutia ili kuangalia ukweli mchungu wa maabara. Ni wakati wa kuzingatia watu wanaoandika code badala ya wale tu wanaotia saini taarifa kwa vyombo vya habari.

Wasanifu Wasioonekana wa Enzi ya Mashine

Waanzilishi ndio sura ya umma. Wanazungumza katika World Economic Forum na kutoa ushahidi mbele ya Bunge. Kazi yao ni kupata mabilioni ya ufadhili na kujenga chapa inayoonekana kuwa isiyoepukika. Wanatumia maneno yanayodokeza uchawi. Watafiti ni tofauti. Wanafanya kazi katika Python na LaTeX. Wanajali kuhusu loss functions na ufanisi wa token. Mwanzilishi anaweza kusema mfano wao unafikiri. Mtafiti atakuambia kuwa inatabiri neno linalofuata linalowezekana zaidi kulingana na usambazaji maalum wa uwezekano. Mkanganyiko hutokea kwa sababu vyombo vya habari vinachukulia makundi haya mawili kama moja. Mkurugenzi Mtendaji anaposema mfano utatatua mabadiliko ya tabianchi, huo ni mbinu ya mauzo. Mtafiti anapochapisha karatasi kuhusu sparse autoencoders, huo ni dai la kiufundi. Moja ni matumaini. Nyingine ni ukweli.

Umma mara nyingi hukosea matumaini kwa ukweli. Hii inasababisha mzunguko wa ahadi nyingi na utekelezaji mdogo. Ili kuelewa nyanja hii, lazima utenganishe mtu anayeuza gari na mtu aliyesanifu injini. Mbunifu wa injini anajua hasa mahali ambapo bolti zimelegea. Muuzaji hatakuambia kamwe kuhusu bolti zilizolegea kwa sababu kazi yake ni kuweka bei ya hisa juu. Tunaona hili likitokea kila wakati mfano mpya unapotoka. Mwanzilishi huchapisha tweet ya kifumbo ili kujenga msisimko. Mtafiti huchapisha kiungo cha ripoti ya kiufundi kwenye arXiv. Tweet hiyo hupata mamilioni ya maoni. Ripoti ya kiufundi inasomwa na watu elfu chache wanaojenga vitu kweli. Hii inaunda kitanzi cha maoni ambapo sauti kuu zaidi hufafanua ukweli kwa kila mtu mwingine.

Zaidi ya Sura ya Umma ya Ubunifu

Mgawanyiko huu una athari kubwa kwa sera za kimataifa. Serikali kwa sasa zinaandika sheria kulingana na maonyo ya waanzilishi. Waanzilishi hawa mara nyingi huonya kuhusu hatari za kuwepo (existential risks) zinazoonekana kama hadithi za kisayansi. Hii inaweka umakini kwenye mustakabali wa kubuni badala ya madhara ya sasa. Wakati huo huo, watafiti wanaonyesha masuala ya haraka kama upendeleo wa data na matumizi ya nishati. Kwa kusikiliza majina maarufu zaidi, tunahatarisha kudhibiti vitu visivyofaa. Tunaweza kupiga marufuku akili ya juu ya baadaye huku tukipuuza ukweli kwamba mifano ya sasa inamaliza akiba ya maji ya miji midogo ili kupoza vituo vyao vya data. Hili si suala la Marekani pekee. Ulaya na Asia, hali hiyo hiyo ipo.

Sauti zinazopata muda mwingi wa hewani ni zile zenye bajeti kubwa zaidi za masoko. Hii inaunda mazingira ya mshindi-huchukua-yote ambapo makampuni machache huweka ajenda kwa sayari nzima. Ikiwa hatutapanua mtazamo wetu, tunaruhusu watu wachache katika Silicon Valley kufafanua kile kilicho salama na kile kinachowezekana. Mkusanyiko huu wa nguvu ni hatari yenyewe. Inapunguza utofauti wa mawazo katika nyanja inayouhitaji. Tunahitaji kusikia kutoka kwa watu katika Chuo Kikuu cha Toronto au maabara za Tokyo kama tunavyosikia kutoka kwa watu wa San Francisco. Maendeleo ya kisayansi ni juhudi ya kimataifa, lakini simulizi kwa sasa ni ukiritimba wa ndani. Tunahitaji kuangalia majarida kama Nature ili kuona maendeleo ya kweli yanayofanywa nje ya vyumba vya bodi vya kampuni.

Kwa nini Ulimwengu Huwasikiliza Watu Wasiofaa

Fikiria siku katika maisha ya mtafiti mkuu katika maabara kubwa. Wanaamka na kuangalia matokeo ya jaribio la mafunzo lililogharimu dola milioni tatu. Wanaona kuwa mfano unatoa matokeo yasiyo sahihi (hallucinating) zaidi kuliko ilivyotarajiwa. Wanatumia saa kumi kuangalia makundi ya data ili kupata kelele. Hawafikirii kuhusu uchaguzi wa 2024 au hatima ya binadamu. Wanafikiria kwa nini mfano unashindwa kuelewa ukanushaji katika sentensi ngumu. Wanaangalia ramani za joto za uanzishaji wa neva. Mafanikio yao hupimwa kwa bits kwa kila herufi au usahihi kwenye benchmark maalum. Sasa fikiria siku ya mwanzilishi. Wako kwenye ndege binafsi kukutana na mkuu wa nchi. Wanazungumza kuhusu fursa ya dola trilioni ya uchumi mpya.

Mtafiti anashughulika na jinsi. Mwanzilishi anashughulika na kwa nini inafaa pesa. Kwa msanidi programu anayejenga app, mtafiti ndiye mtu muhimu zaidi. Mtafiti huamua API latency na context window. Mwanzilishi huamua bei. Ikiwa unajaribu kujenga biashara, unahitaji kujua kama teknolojia inaweza kufanya kile mwanzilishi anasema inaweza kufanya. Mara nyingi, haiwezi. Tuliona hili katika siku za mwanzo za uendeshaji wa magari bila dereva. Waanzilishi walisema tutakuwa na mamilioni ya robotaxis ifikapo 2026. Watafiti walijua kuwa kesi za kipekee katika mvua kubwa bado zilikuwa tatizo lisilotatuliwa. Umma uliwaamini waanzilishi. Watafiti walikuwa sahihi.

Muundo huu huo unajirudia katika nafasi ya generative AI. Tunaambiwa kuwa mifano hivi karibuni itachukua nafasi ya wanasheria na madaktari. Ukisoma karatasi za kiufundi, unaona kuwa mifano bado inatatizika na uthabiti wa msingi wa mantiki. Pengo kati ya demo na ukweli ndipo makampuni yanapopoteza pesa. Unaweza kupata uchambuzi wa kina wa mienendo ya akili mnemba ili kuona jinsi mipaka hii ya kiufundi inavyojaribiwa leo. Tofauti hii ndiyo tofauti kati ya uwekezaji mzuri na kiputo cha kubahatisha. Unaposikia dai jipya, jiulize ikiwa lilitoka kwenye karatasi au taarifa kwa vyombo vya habari. Jibu litakuambia ni uzito kiasi gani wa kuipa. Waandishi wa habari katika MIT Technology Review mara nyingi huangazia pengo hili kati ya maabara na kushawishi. Lazima tukumbuke kuwa waanzilishi wana motisha ya kuficha dosari wakati watafiti wana motisha ya kuzipata. Wa kwanza hujenga msisimko na wa pili hujenga ukweli. Kwa muda mrefu, ukweli ndio kitu pekee kinachokua. Tuliona hili katika 2026 wakati wimbi la kwanza la msisimko lilipoanza kupoa chini ya uzito wa ukweli wa kiufundi.

Jumanne katika Maabara dhidi ya Chumba cha Bodi

Lazima tuulize maswali magumu kuhusu njia ya sasa ya maendeleo. Nani anayelipia utafiti ambao waanzilishi wanadai utawanufaisha kila mtu? Watafiti wengi wakuu wameondoka katika taaluma kwenda kwenye maabara binafsi. Hii inamaanisha maarifa wanayozalisha si mali ya umma tena. Ni siri ya kampuni. Nini kinatokea kwa njia ya kisayansi wakati data inayotumiwa kuthibitisha hoja imefichwa nyuma ya malipo? Tunaona mabadiliko kutoka kwa sayansi huria kuelekea mfano wa faida ya ushindani iliyofungwa. Je, umaarufu wa watu wachache unasaidia nyanja hiyo au unaunda ibada ya utu inayokatisha tamaa upinzani? Ikiwa mtafiti atapata dosari kubwa katika mfano mkuu, je, wanahisi salama kuiripoti ikiwa inaweza kushusha thamani ya kampuni?

Shinikizo la kifedha kwa makampuni haya ni kubwa. Pia tunapaswa kuzingatia gharama ya mazingira. Je, harakati za kupata benchmarks bora kidogo zinafaa alama kubwa ya kaboni ya kufunza mifano hii? Mara nyingi tunazungumzia faida za AI kwa mazingira, lakini mara chache hatuoni leja inayolinganisha hayo mawili. Mwisho, nani anamiliki utamaduni ambao mifano hii inafunzwa? Watafiti hutumia matokeo ya pamoja ya mtandao kujenga mifumo yao. Waanzilishi kisha huwatoza umma ada ili kufikia toleo lililosafishwa la matokeo hayohayo. Hii ni uhamisho wa utajiri ambao mara chache hujadiliwa katika vichwa vya habari. Haya si matatizo ya kiufundi tu. Ni matatizo ya kijamii na kimaadili ambayo yanahitaji zaidi ya algorithm bora tu ili kutatua.

Vikwazo vya Kiufundi na Utekelezaji wa Ndani

Kwa wale wanaojenga kwenye majukwaa haya, maelezo ya kiufundi ni muhimu zaidi kuliko falsafa. Mipaka ya sasa ya API ni kikwazo kikubwa kwa kupitishwa kwa biashara. Watoa huduma wengi wana mipaka madhubuti ya viwango inayozuia usindikaji wa wakati halisi wa kiwango cha juu. Hii ndiyo sababu makampuni mengi yanaangalia hifadhi ya ndani na utekelezaji wa ndani. Kutumia mifano kama Llama 3 kwenye vifaa vya ndani kunaruhusu faragha bora ya data na gharama za chini za muda mrefu. Hata hivyo, mahitaji ya vifaa ni makubwa. Ili kuendesha mfano wa vigezo bilioni 70 kwa kasi nzuri, unahitaji GPUs za hali ya juu na VRAM muhimu. Hapa ndipo sehemu ya geek inapokutana na sehemu ya kifedha. Gharama ya nguzo ya H100 ni kizuizi cha kuingia ambacho huweka nguvu mikononi mwa matajiri.

Pia tunaona mabadiliko kuelekea fine-tuning maalum. Badala ya kutumia mfano wa jumla kwa kila kitu, wasanidi programu wanatumia mifano midogo iliyofunzwa kwenye seti maalum za data. Hii inaboresha usahihi na kupunguza idadi ya token. Changamoto ya kiufundi hapa ni utunzaji wa data. Ikiwa data ya pembejeo ni duni, mfano uliorekebishwa utakuwa mbaya zaidi kuliko ule wa jumla. Pia tunaona matumizi zaidi ya Retrieval Augmented Generation (RAG) ili kuweka mifano katika data ya kweli. Hii inakwepa hitaji la context windows kubwa na kupunguza matokeo yasiyo sahihi. Lakini RAG ina mipaka yake, hasa katika jinsi inavyoshughulikia upangaji wa hati zilizorejeshwa. Ikiwa hatua ya utafutaji itashindwa, matokeo ya mfano hayana maana. Watumiaji wengi hawatambui kuwa utendaji wa AI unategemea sana hifadhidata inayouliza kama mfano wenyewe.

Kichujio cha Mwisho cha Habari

Mustakabali wa AI si hadithi moja inayotimuliwa na mtu mmoja. Ni mjadala mchafu, unaoendelea kati ya wale wanaouza maono na wale wanaojenga ukweli. Ili kuwa mtumiaji mahiri wa habari za teknolojia, lazima ujifunze kuangalia zaidi ya mwanzilishi mwenye mvuto. Tafuta majina kwenye karatasi. Tafuta watafiti walio tayari kuzungumza kuhusu kile ambacho mifano yao haiwezi kufanya. Migongano katika tasnia si hitilafu. Ni sehemu ya kweli zaidi ya hadithi. Nyanja hiyo itaendelea kubadilika kwa sababu matatizo ya kiufundi bado hayajatatuliwa. Swali la moja kwa moja linabaki: tunaweza kujenga mfumo wenye akili kweli bila matumizi makubwa ya rasilimali yanayofafanua enzi ya sasa? Hadi tutakapojibu hilo, msisimko utaendelea kuzidi sayansi. Lazima tubaki na shaka na simulizi yoyote inayoahidi suluhisho kamili bila kutaja biashara zinazohusika.

Lưu ý của biên tập viên: Chúng tôi tạo trang web này như một trung tâm tin tức và hướng dẫn AI đa ngôn ngữ dành cho những người không phải là chuyên gia máy tính, nhưng vẫn muốn hiểu trí tuệ nhân tạo, sử dụng nó tự tin hơn và theo dõi tương lai đang đến gần.