Ik wil een paar pittige gedachten over kunstmatige intelligentie met je delen. Maar laten we eerst eens filosofisch worden door te beginnen met een citaat van Voltaire, een 18e-eeuwse verlichtingsfilosoof die zei: ”Gezond verstand is niet zo gewoon.” Relevanter kan dit citaat niet zijn voor de huidige kunstmatige intelligentie. Desondanks is AI een onmiskenbaar krachtig instrument, dat de wereldkampioen ‘Go’ verslaat, toelatingsexamens van universiteiten haalt en zelfs slaagt voor het balie-examen. 
Ik ben al 20 jaar computerwetenschapper en ik werk aan kunstmatige intelligentie. Ik ben hier om AI op te helderen. AI is tegenwoordig als een reus. Het is letterlijk heel erg groot. Men speculeert dat de nieuwste versies getraind zijn op tienduizenden GPU’s. en een biljoen woorden. Zulke extreem grote AI-modellen, vaak ‘grote taalmodellen’ genoemd, lijken vonken van AGI te tonen, kunstmatige algemene intelligentie. Behalve als het domme foutjes maakt, wat het vaak doet. Velen geloven dat de fouten die AI maakt, makkelijk te herstellen zijn met kracht, grotere schaal en meer middelen. Wat kan er nou fout gaan? 
Er zijn drie uitdagingen waar we nu al maatschappelijk mee om moeten gaan. Ten eerste zijn AI-modellen dermate duur om te trainen, dat maar een paar technische bedrijven zich dat kunnen veroorloven. We zien dus nu al waar de macht zit. Maar erger voor de AI-veiligheid is, dat we nu overgeleverd zijn aan de genade van die paar bedrijven, omdat onderzoekers in de grotere gemeenschap niet de middelen hebben om deze modellen  goed te inspecteren en te ontleden. Laten we ook hun grote ecologische voetafdruk niet vergeten en hun impact op het milieu. 
Dan zijn er nog van die intellectuele vragen. Is AI, zonder gezond verstand, echt veilig voor de mensheid? En is brute kracht op deze schaal echt de enige manier of zelfs de juiste manier om AI trainen? 
Mij is vaak gevraagd of het wel haalbaar is om zinvol onderzoek te doen zonder heel grootschalige rekenkracht. En ik werk bij een universiteit en een non-profit onderzoeksinstituut, dus ik kan geen batterij GPU’s betalen om gigantische taalmodellen te maken, Toch geloof ik dat  we nog veel meer moeten doen en kunnen doen om AI duurzaam en menselijk te maken. We moeten AI kleiner maken om het te democratiseren. En we moeten AI veiliger maken door het menselijke normen en waarden aan te leren. Je zou het kunnen vergelijken met ‘David en Goliath’, met Goliath als de grootschalige taalmodellen, die inspiratie zoekt bij een oude klassieker, ′<i>The Art of War’</i>, die ons volgens mij vertelt, dat je je vijanden moet kennen, je gevechten kiest en je wapens verbetert. 
Laten we beginnen met de eerste: ken je vijanden, wat betekent dat we AI kritisch moeten evalueren. AI slaagt voor het balie-examen. Betekent dat dat AI een gezond verstand heeft? Je zou dat kunnen denken, maar je weet het maar nooit. 
Stel dat ik vijf kledingstukken in de zon heb laten drogen, en het duurde 5 uur voordat ze helemaal droog waren. Hoe lang zou het duren met 30 kledingstukken? GPT-4, het nieuwste en beste AI-systeem zegt 30 uur. Fout. Een andere. Ik heb een kan van 12 liter en een kan van 6 liter, en ik wil graag 6 liter meten. Hoe doe ik dat? Gebruik gewoon de kan van 6 liter, toch? GPT-4 spuugt uitgebreid onzin uit. 
(Gelach) 
Stap 1: vul de kan van 6 liter, stap 2: giet het water van die kan in de kan van 12 liter, stap 3: vul de kan van 6 liter nog een keer, stap 4: giet het water voorzichtig van die kan in de kan van 12 liter, en uiteindelijk heb je zes liter water in de kan van zes liter die nu leeg zou moeten zijn. 
(Gelach) 
Oké, nog eentje. Krijg ik een lekke band als ik over een brug fiets die over spijkers, schroeven en gebroken glas hangt? Ja, zeer waarschijnlijk, zegt GPT-4, vermoedelijk omdat het niet goed kan beredeneren dat bij een brug die over gebroken spijkers en glas hangt, het brugdek de scherpe voorwerpen niet rechtstreeks aanraakt. 
Wat vind je dan van een AI-advocaat die slaagde voor het balie-examen maar toch faalt bij zulke algemene kennis? AI is tegenwoordig ongelofelijk intelligent en toch verbazingwekkend dom. 
(Gelach) 
Het is een onvermijdelijk bijeffect als je AI traint met brute kracht. Sommige optimisten zeggen: “Maak je geen zorgen. Dat los je makkelijk op door het met soortgelijke voorbeelden te voeden als extra trainingsgegevens voor AI.” Maar de echte vraag is: waarom zou je dat überhaupt doen? Jij kunt het correcte antwoord zo geven zonder jezelf te hoeven trainen met soortgelijke voorbeelden. Kinderen lezen echt geen biljoenen woorden om zo’n basisniveau van gezond verstand te krijgen. 
Dus deze observatie leidt ons naar de volgende wijsheid: kies je gevechten. Welke fundamentele vragen zou je nu moeten stellen en aanpakken om deze status quo te overwinnen met AI op extreme schaal? Ik denk dat gezond verstand een van de topprioriteiten is. 
Gezond verstand is al een tijd een uitdaging voor AI. Om uit te leggen waarom, wil ik het vergelijken met donkere materie. Slechts vijf procent van het universum is normale materie die je kunt zien en waar je iets mee kan. De resterende 95 procent is donkere materie en donkere energie. Donkere materie is onzichtbaar, maar wetenschappers speculeren dat het er is om de zichtbare wereld te beïnvloeden. zelfs inclusief de baan van het licht. Voor taal is de normale materie de zichtbare tekst, en de donkere materie zijn de onbesproken regels over hoe de wereld in elkaar zit, inclusief de volksnatuurkunde en volkspsychologie, die de manier beïnvoeden waarop men de taal gebruikt en interpreteert. 
Waarom is gezond verstand überhaupt belangrijk? In een bekend gedachte-experiment waar Nick Bostrom mee kwam, werd AI gevraagd om zoveel mogelijk paperclips te produceren. En die AI besloot mensen te doden om ze als extra grondstof te gebruiken, om paperclips van je te maken. Omdat AI niet de basiskennis had van de menselijke waarden. Het schrijven van een betere doelstelling en vergelijking die expliciet zegt: “Dood geen mensen” zal ook niet werken, omdat AI dan alle bomen gaat vellen, omdat het denkt dat dat prima is. En in feite zijn er ontelbaar veel dingen die AI zeker niet moet doen als ze paperclips maximaliseren, inclusief: Verspreid geen nepnieuws, Steel niet, Lieg niet, wat allemaal onderdeel is van ons gezond verstand over hoe de wereld werkt. 
Het AI-veld heeft echter decennialang gezond verstand gezien als een bijna onmogelijke uitdaging. Zozeer zelfs dat toen mijn studenten, collega’s en ik er enkele jaren geleden mee begonnen, we erg ontmoedigd waren. Er was ons verteld dat onderzoek is gedaan in de jaren 70 en 80; “niet aan werken omdat het toch nooit gaat werken; noem het woord liever niet om serieus genomen te worden”. Nu snel vooruit naar dit jaar, Ik hoor: “Stop er maar mee, omdat ChatGPT het al bijna heeft opgelost.” En: ”Schaal het gewoon op, dan ontstaat magie.” En: “Niets anders doet ertoe.” 
Mijn standpunt is dat het geven van gezond verstand aan AI, menselijk gezond verstand aan robots, nog steeds een grote stap zal zijn. En je komt niet op de maan door het hoogste gebouw van de wereld steeds een stukje hoger te maken. AI-modellen op extreme schaal krijgen steeds meer gezond verstand, dat geef ik toe. Maar ze hebben nog steeds moeite met alledaagse problemen die zelfs kinderen kunnen oplossen. 
De huidige AI is vreselijk inefficiënt. En stel dat er een alternatieve route is of een route die nog niet gevonden is? Een route die kan voortbouwen op de verbeterde diepe neurale netwerken, maar zonder die extreme grootschaligheid. 
Dat brengt ons bij de laatste wijsheid: vernieuw je wapens. In de hedendaagse AI-context gaat dat over het vernieuwen van je gegevens en algoritmen. Er zijn grofweg drie soorten gegevens waarop moderne AI wordt getraind: onbewerkte webgegevens, speciaal voor AI ontwikkelde voorbeelden, en vervolgens beoordelingen door de mens, ook wel bekend als menselijke feedback op AI-prestaties. Als AI alleen getraind wordt met de eerste soort, onbewerkte webgegevens, die vrij verkrijgbaar zijn, is dat niet goed, omdat dat vol zit met racisme, seksisme en desinformatie. Dus hoeveel je er ook van gebruikt, troep erin is troep eruit. De nieuwste en beste AI-systemen draaien nu op het tweede en derde soort gegevens die gemaakt en beoordeeld zijn door menselijke werknemers. Vergelijkbaar met het schrijven van gespecialiseerde studieboeken voor AI en het aannemen van menselijke mentoren om constant feedback te geven aan AI. Dit zijn bedrijfseigen gegevens, waarvan men denkt dat ze tientallen miljoenen dollars kosten. We weten niet wat erin zit, maar het zou openbaar moeten zijn, zodat je kunt garanderen dat aan diverse normen en waarden voldaan wordt. Dus daarom hebben mijn teams bij UW en AI2 gewerkt aan grafieken met gezond verstand en aan databanken met morele waarden om AI basisnormen en gezond verstand bij te brengen. Onze gegevens zijn openbaar zodat iedereen de inhoud kan inspecteren en kan corrigeren waar nodig omdat transparantie de sleutel is voor zo’n belangrijk onderzoeksonderwerp. 
Wat betreft het aanleren van algoritmes: hoe verbazingwekkend groot taalmodellen ook zijn, door hun ontwerp zijn ze wellicht niet het meest geschikt als betrouwbare kennisbank. En deze taalmodellen verkrijgen een enorme hoeveelheid kennis, maar krijgen ze via een bijproduct in tegenstelling tot een direct leerdoel. Met ongewenste bijwerkingen als hallucinerende effecten tot gevolg en een gebrek aan gezond verstand. Maar bij menselijk leren gaat het nooit om het voorspellen welk woord er volgt, maar vooral om het zinvol te maken en om hoe de wereld werkt. Misschien moet AI ook op die manier onderwezen worden. 
Dus als een zoektocht naar directere kennisverwerving van gezond verstand, heeft mijn team geïnvesteerd in potentiële nieuwe algoritmes inclusief het distilleren van symbolische kennis dat een heel groot taalmodel kan hebben, zoals dit hier, dat niet op het scherm past, omdat het te groot is, en dat inkrimpen tot veel kleinere modellen met gezond verstand die diepe neurale netwerken gebruiken. Zo genereren we ook een algoritmische, door de mens te controleren, symbolische representatie met gezond verstand, zodat men het kan controleren en corrigeren en het zelfs gebruiken om andere neurale modellen te trainen. 
Meer in het algemeen hebben we deze schijnbare onmogelijke gigantische puzzel van gezond verstand aangepakt, variërend van fysiek, sociaal en zichtbaar gezond verstand tot aan de theorie van gedachtes, normen en moralen. Elk afzonderlijk deel lijkt misschien eigenzinnig en onvolledig, maar als je een stap terug doet, lijkt het bijna alsof we deze stukjes tot een tapijt weven dat we menselijke ervaring en gezond verstand noemen. 
We gaan een nieuw tijdperk in waar AI bijna lijkt op een nieuw intellectueel soort met unieke sterke en zwakke punten vergeleken met de mens. Om deze krachtige AI duurzaam en menselijk te maken, moeten we AI gezond verstand, normen en waarden leren. 
Dank je wel. 
(Applaus) 
Chris Anderson: Moet je zien. Yejin, blijf alsjeblieft nog even. Dit is zo interessant, het idee van gezond verstand. Dat willen we natuurlijk, wat er ook komen gaat. Maar help me het te begrijpen. Dus je had dat model van een lerend kind. Hoe krijgt een kind gezond verstand los van het opstapelen van meer input en wat menselijke feedback? Wat is er nog meer? 
Yejin Choi: Fundamenteel ontbreken er dus verschillende dingen, maar een ervan is het vermogen om hypotheses te maken en experimenten uit te voeren, omgaan met de wereld en die hypotheses te ontwikkelen. We leiden de concepten af van hoe de wereld werkt. Zo leren we echt, in tegenstelling tot het huidige taalmodel. Ze zijn er nog niet  helemaal. 
CA: Je gebruikt de analogie dat we de maan niet bereiken door een gebouw steeds op te hogen. Maar de ervaring die de meesten hebben met deze taalmodellen is niet beetje bij beetje. Het is meer een soort adembenemende versnelling. Weet je zeker dat, gezien het tempo waarin die dingen gaan, elk volgend niveau iets lijkt toe te voegen wat lijkt op wijsheid en kennis? 
YC: Ik ben het er totaal mee eens 
dat het opmerkelijk is hoeveel deze schaalvergroting de presentaties over de hele breedte verbetert. Er vindt dus echt leren plaats dankzij de schaal van de rekenkracht en gegevens. 
Toch is er de kwaliteit van het leren nog niet alles. En het punt is dat we nog niet weten of we zover kunnen komen door alles gewoon op te schalen. En als het niet lukt, dan luidt de vraag: hoe dan wél? En zelfs als we het zouden kunnen, is het dan aantrekkelijk van AI-modellen op zeer, zeer extreme schaal dat maar enkelen die kunnen maken en bezitten? 
CA: Als Open AI zegt: “We zijn geïnteresseerd in je werk, we willen je graag helpen met het verbeteren van ons model”, zie je dan een manier om te combineren wat je doet met wat zij gemaakt hebben? 
YC: Wat ik me voorstel, zou zeker moeten voortbouwen op de vorderingen van diepe neurale netwerken. En misschien is een <i>Goldilocks Zone</i> op schaal, zodat ... Ik denk trouwens ook niet dat het is hoe kleiner, hoe beter. Waarschijnlijk is er een optimale schaal, maar het winnende idee kan ook iets anders zijn. Dus combinaties van ideeën zijn van belang. 
CA: Yejin Choi, erg bedankt voor je presentatie. 
(Applaus) 
