Wat is kunsmatige algemene intelligensie (AGI) en waarom dit nog nie hier is nie: 'n realiteitstoets vir KI-entoesiaste

Kunsmatige Intelligensie (AI) is oral. Van slim assistente tot self-ry motors, KI-stelsels verander ons lewens en besighede. Maar wat as daar 'n KI was wat meer kon doen as om spesifieke take uit te voer? Wat as daar 'n tipe KI was wat soos 'n mens kan leer en dink of selfs menslike intelligensie kan oortref?

Dit is die visie van Kunsmatige Algemene Intelligensie (AGI), 'n hipotetiese vorm van KI wat die potensiaal het om enige intellektuele taak te verrig wat mense kan. AGI word dikwels gekontrasteer met Kunsmatige smal intelligensie (ANI), die huidige stand van KI wat slegs by een of 'n paar domeine kan uitblink, soos om skaak te speel of gesigte te herken. AGI, aan die ander kant, sou die vermoë hê om te verstaan ​​en redeneer oor verskeie domeine, soos taal, logika, kreatiwiteit, gesonde verstand en emosie.

AGI is nie 'n nuwe konsep nie. Dit is sedert die vroegste dae die leidende visie van KI-navorsing en bly die mees verdelende idee. Sommige KI-entoesiaste glo dat AGI onvermydelik en op hande is en sal lei tot 'n nuwe tegnologiese en sosiale vooruitgang-era. Ander is meer skepties en versigtig en waarsku teen die etiese en eksistensiële risiko's van die skep en beheer van so 'n kragtige en onvoorspelbare entiteit.

Maar hoe naby is ons daaraan om AGI te bereik, en maak dit selfs sin om te probeer? Dit is in werklikheid 'n belangrike vraag waarvan die antwoord 'n werklikheidstoets kan bied vir KI-entoesiaste wat gretig is om die era van bomenslike intelligensie te aanskou.

Wat is AGI en hoe verskil dit van KI?

AGI staan ​​apart van huidige KI deur sy vermoë om enige intellektuele taak te verrig wat mense kan, indien nie oortref nie. Hierdie onderskeid is in terme van verskeie sleutelkenmerke, insluitend:

• abstrakte denke
• die vermoë om uit spesifieke gevalle te veralgemeen
• uit diverse agtergrondkennis te put
• gesonde verstand en bewussyn te gebruik vir besluitneming
• verstaan ​​oorsaaklikheid eerder as net korrelasie
• effektiewe kommunikasie en interaksie met mense en ander agente.

Alhoewel hierdie kenmerke noodsaaklik is vir die bereiking van menslike of bomenslike intelligensie, bly dit moeilik om vas te lê vir huidige KI-stelsels.

Huidige KI maak hoofsaaklik staat op masjienleer, 'n tak van rekenaarwetenskap wat masjiene in staat stel om uit data en ervarings te leer. Masjienleer werk deur toesig, sonder toesig, en versterkingsleer.

Leer onder toesig behels masjiene wat van gemerkte data leer om nuwe data te voorspel of te klassifiseer. Leer sonder toesig behels die vind van patrone in ongemerkte data, terwyl versterkingsleer sentreer rondom leer uit aksies en terugvoer, optimalisering vir belonings of die vermindering van koste.

Ten spyte van die bereiking van merkwaardige resultate op gebiede soos rekenaarvisie en natuurlike taalverwerking, huidige KI-stelsels word beperk deur die kwaliteit en kwantiteit van opleidingsdata, voorafbepaalde algoritmes en spesifieke optimaliseringsdoelwitte. Hulle het dikwels hulp nodig met aanpasbaarheid, veral in nuwe situasies, en meer deursigtigheid in die verduideliking van hul redenasies.

Daarteenoor word voorsien dat AGI vry van hierdie beperkings is en nie op voorafbepaalde data, algoritmes of doelwitte staatmaak nie, maar eerder op sy eie leer- en denkvermoëns. Boonop kan AGI kennis uit diverse bronne en domeine verkry en integreer, en dit naatloos op nuwe en uiteenlopende take toepas. Verder sal AGI uitblink in redenering, kommunikasie, begrip en manipulering van die wêreld en homself.

Wat is die uitdagings en benaderings om AGI te bereik?

Die besef van AGI hou aansienlike uitdagings in wat tegniese, konseptuele en etiese dimensies insluit.

Byvoorbeeld, die definisie en meting van intelligensie, insluitend komponente soos geheue, aandag, kreatiwiteit en emosie, is 'n fundamentele struikelblok. Daarbenewens bied modellering en simulering van die menslike brein se funksies, soos persepsie, kognisie en emosie, komplekse uitdagings.

Boonop sluit kritieke uitdagings die ontwerp en implementering van skaalbare, veralgemeenbare leer- en redeneringsalgoritmes en -argitekture in. Om die veiligheid, betroubaarheid en aanspreeklikheid van AGI-stelsels in hul interaksies met mense en ander agente te verseker en die waardes en doelwitte van AGI-stelsels in lyn te bring met dié van die samelewing is ook van uiterste belang.

Verskeie navorsingsrigtings en paradigmas is voorgestel en ondersoek in die nastrewing van AGI, elk met sterk punte en beperkings. Simboliese KI, 'n klassieke benadering wat logika en simbole vir kennisvoorstelling en -manipulasie gebruik, blink uit in abstrakte en gestruktureerde probleme soos wiskunde en skaak, maar het hulp nodig om sensoriese en motoriese data te skaal en te integreer.

Net so, Connectionist AI, 'n moderne benadering wat neurale netwerke en diep leer gebruik om groot hoeveelhede data te verwerk, blink uit in komplekse en raserige domeine soos visie en taal, maar benodig hulp met interpretasie en veralgemenings.

Hibriede KI kombineer simboliese en konneksionistiese KI om sy sterk punte te benut en swakhede te oorkom, met die oog op meer robuuste en veelsydige stelsels. Net so, Eevolusionêre KI gebruik evolusionêre algoritmes en genetiese programmering om KI-stelsels deur natuurlike seleksie te ontwikkel, op soek na nuwe en optimale oplossings wat nie deur menslike ontwerp beperk word nie.

Laastens, Neuromorfiese KI gebruik neuromorfiese hardeware en sagteware om biologiese neurale stelsels na te boots, met die oog op meer doeltreffende en realistiese breinmodelle en wat natuurlike interaksies met mense en agente moontlik maak.

Dit is nie die enigste benaderings tot AGI nie, maar sommige van die mees prominente en belowendes. Elke benadering het voor- en nadele, en hulle moet steeds die algemeenheid en intelligensie bereik wat AGI vereis.

AGI Voorbeelde en toepassings

Alhoewel AGI nog nie bereik is nie, vertoon sommige noemenswaardige voorbeelde van KI-stelsels sekere aspekte of kenmerke wat aan AGI herinner, wat bydra tot die visie van uiteindelike AGI-bereiking. Hierdie voorbeelde verteenwoordig vordering in die rigting van AGI deur spesifieke vermoëns ten toon te stel:

alfazero, ontwikkel deur DeepMind, is 'n versterkende leerstelsel wat outonoom leer om skaak, shogi en Go te speel sonder menslike kennis of leiding. Demonstreer bomenslike vaardigheid, AlphaZero stel ook innoverende strategieë bekend wat konvensionele wysheid uitdaag.

Net so, OpenAI's GPT-3 genereer samehangende en diverse tekste oor verskeie onderwerpe en take. In staat om vrae te beantwoord, opstelle saam te stel en verskillende skryfstyle na te boots, vertoon GPT-3 veelsydigheid, hoewel binne sekere perke.

Net so, NETJIES, 'n evolusionêre algoritme wat deur Kenneth Stanley en Risto Miikkulainen geskep is, ontwikkel neurale netwerke vir take soos robotbeheer, speletjies en beeldgenerering. NEAT se vermoë om netwerkstruktuur en -funksie te ontwikkel, produseer nuwe en komplekse oplossings wat nie vooraf deur menslike programmeerders gedefinieer is nie.

Alhoewel hierdie voorbeelde vordering in die rigting van AGI illustreer, onderstreep dit ook bestaande beperkings en leemtes wat verdere eksplorasie en ontwikkeling in die nastrewing van ware AGI noodsaak.

AGI-implikasies en risiko's

AGI stel wetenskaplike, tegnologiese, sosiale en etiese uitdagings met diepgaande implikasies. Ekonomies kan dit geleenthede skep en bestaande markte ontwrig, wat moontlik ongelykheid verhoog. Terwyl onderwys en gesondheid verbeter word, kan AGI nuwe uitdagings en risiko's inhou.

Eties kan dit nuwe norme, samewerking en empatie bevorder en konflikte, mededinging en wreedheid inlei. AGI kan bestaande betekenisse en doeleindes bevraagteken, kennis uitbrei en menslike natuur en bestemming herdefinieer. Daarom moet belanghebbendes hierdie implikasies en risiko's oorweeg en aanspreek, insluitend navorsers, ontwikkelaars, beleidmakers, opvoeders en burgers.

Die Bottom Line

AGI staan ​​aan die voorpunt van KI-navorsing en beloof 'n vlak van intellek wat menslike vermoëns oortref. Terwyl die visie entoesiaste boei, bly uitdagings om hierdie doelwit te verwesenlik. Huidige KI, wat uitblink in spesifieke domeine, moet aan AGI se uitgebreide potensiaal voldoen.

Talle benaderings, van simboliese en konneksionistiese KI tot neuromorfiese modelle, streef na AGI-verwesenliking. Opmerklike voorbeelde soos AlphaZero en GPT-3 toon vooruitgang, maar ware AGI bly ontwykend. Met ekonomiese, etiese en eksistensiële implikasies vereis die reis na AGI kollektiewe aandag en verantwoordelike verkenning.