Výsledky AGI-22: Pokrok ve vývoji umělé obecné inteligence

Nedávno jsem se zúčastnil 15. ročníku konference o umělé obecné inteligenci (AGI-22), která se konala v Seattlu, aby se seznámil s novými vývojovými trendy, které by mohly vést k vytvoření umělé obecné inteligence (AGI).

AGI je typ pokročilého AI, který může zobecnit napříč několika doménami a není úzký ve svém rozsahu. Příklady úzkého AI zahrnují autonomní vozidlo, chatbota, šachového robota nebo jakýkoli jiný AI, který je navržen pro jediný účel. AGI by naopak mohl flexibilně střídat mezi kterékoli z výše uvedených nebo jinou oblastí odbornosti. Skládá se z spekulativního typu AI, který by využil nových algoritmů, jako je přenosové učení, a evoluční učení, a zároveň by využil stávajících algoritmů, jako je hluboké učení s posilováním.

Během úvodní keynote sekce Ben Goertzel, AI výzkumník, , CEO a zakladatel SingularityNET, a líder OpenCog Foundation hovořil o stavu oboru. Zdál se být nadšený z budoucího směru AGI a prohlásil, že „jsme roky daleko, spíše než desetiletí daleko“. To by umístilo budoucí spuštění AGI přibližně na rok 2029, stejný rok, kdy Ray Kurzweil, jeden z předních vynálezců, myslitelů a futurologů, slavně předpověděl vznik AI, která dosáhne lidské inteligence.

Teorie říká, že jednou, co je tento typ inteligence dosažen, AI okamžitě a nepřetržitě vylepší sám sebe, aby rychle překonal lidskou inteligenci v tom, co je známo jako superinteligence.

Jiný řečník Charles J. Simon, zakladatel a CEO Future AI, prohlásil v samostatné sekci, „AGI vznik bude postupný“, a „AGI je nevyhnutelné a přijde dříve, než si většina lidí myslí, mohlo by to být pár let“.

I přes tento optimistický postoj existují významné překážky. Ben Goertzel také uznal, že k dosažení AGI „potřebujeme infuzi nových nápadů, ne jen škálování neuronových sítí“. To je názor, který sdílí Gary Marcus, který prohlásil, že „hluboké učení narazilo na zeď“.

Některé z hlavních výzev při vytváření AGI zahrnují nalezení systému odměn, který by mohl škálovat inteligenci maximálně informovaným způsobem. Moravecova paradox odráží současný problém s dosažením AGI pomocí naší současné technologie. Tento paradox říká, že adaptace, které jsou intuitivní pro jednoleté dítě, jako je učení se chodit a simulovat realitu, jsou mnohem obtížnější na programování v AI než to, co lidé považují za obtížné.

Pro lidi je to přesně naopak, zvládnutí šachu nebo provedení komplexních matematických formulí může vyžadovat celý život, zatímco tyto jsou dvě relativně snadné úkoly pro úzké AI.

Jednou z možných řešení tohoto paradoxu může být evoluční učení, také známé jako evoluční algoritmy. To umožňuje AI hledat komplexní řešení napodobováním procesu biologické evoluce.

V samostatné sekci Q & A Ben Goertzel prohlásil, že „AGI není nevyhnutelné, ale je vysoce pravděpodobné“. To je stejný závěr, ke kterému jsem dospěl, ale hranice mezi nevyhnutelností a pravděpodobností je rozostřená.

Během konference byly prezentovány многие články, jeden z nich byl Polynomial Functors: A General Theory of Interaction od Davida Spivaka z Topos Institute v Berkeley, CA a Nelsona Niu z University of Washington, v Seattlu, WA. Tento článek diskutuje matematickou kategorii nazvanou Poly, která by mohla ovlivnit budoucí směr AI, pokud jde o intimní vztahy s dynamickými procesy, rozhodováním a uložením a transformací dat. Zbývá uvidět, jak to ovlivní výzkum AGI, ale mohlo by to být jednou z chybějících součástí, které by nás mohly vést k AGI.

Samozřejmě, že byly i další články, které byly více spekulativní, jako je Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents od Mohammadrezy Alidoust. Nápad spočívá v konstrukci alternativního způsobu měření inteligence inteligentních systémů, typu IQ testu pro měření AGI agentů výpočetním způsobem.

Dvě významné společnosti, které by mohly dosáhnout průlomu v této základně technologie, jsou OpenAI a DeepMind, obě byly pozoruhodně nepřítomné. Mohlo by to být z obavy, že AGI není brána vážně AI komunitou, ale jsou to dvě společnosti, které jsou nejpravděpodobněji dosáhnou prvního průlomu v tomto poli. To je zejména pravda, protože cílem OpenAI je provádět základní, dlouhodobý výzkum směrem k vytvoření bezpečného AGI.

Přestože nebyly žádné významné revoluční průlomy, které by se daly odhalit na konferenci, je zřejmé, že AGI zabírá mnoho výzkumníků a je něco, na co by se AI komunita měla více zaměřit. Přece jen, AGI by mohla být řešením pro řešení mnoha existenčních hrozeb lidstva.