Co je to umělá všeobecná inteligence (AGI) a proč tu ještě není: Kontrola reality pro nadšence AI

Artificial Intelligence (AI) je všude. Od chytrých asistentů až po self-řídit autaSystémy umělé inteligence mění naše životy a podnikání. Ale co kdyby existovala umělá inteligence, která by dokázala víc než jen plnit konkrétní úkoly? Co kdyby existoval typ umělé inteligence, který by se mohl učit a myslet jako člověk nebo dokonce předčit lidskou inteligenci?

Toto je vize Umělá všeobecná inteligence (AGI), hypotetická forma umělé inteligence, která má potenciál splnit jakýkoli intelektuální úkol, který lidé mohou. AGI je často v kontrastu s Umělá úzká inteligence (ANI), současný stav umělé inteligence, která může vynikat pouze v jedné nebo několika doménách, jako je hraní šachů nebo rozpoznávání tváří. AGI by na druhé straně měla schopnost chápat a uvažovat ve více oblastech, jako je jazyk, logika, kreativita, zdravý rozum a emoce.

AGI není nový koncept. Byla to hlavní vize výzkumu umělé inteligence od prvních dnů a zůstává její nejrozdílnější myšlenkou. Někteří nadšenci AI věří, že AGI je nevyhnutelné a bezprostřední a povede k nové éře technologického a sociálního pokroku. Jiní jsou skeptičtější a opatrnější a varují před etickými a existenčními riziky vytvoření a ovládání tak silné a nepředvídatelné entity.

Ale jak blízko jsme k dosažení AGI a má vůbec smysl se o to pokoušet? To je ve skutečnosti důležitá otázka, jejíž odpověď může být pro nadšence umělé inteligence, kteří touží být svědky éry nadlidské inteligence, ověřením reality.

Co je A.GI a jak se liší od AI?

AGI se odlišuje od současné umělé inteligence svou schopností vykonávat jakýkoli intelektuální úkol, který lidé mohou, ne-li překonat, je. Tento rozdíl spočívá v několika klíčových funkcích, včetně:

• abstraktní myšlení
• schopnost zobecňovat z konkrétních případů
• čerpat z různých znalostí
• používat zdravý rozum a vědomí pro rozhodování
• chápat spíše kauzalitu než jen korelaci
• efektivní komunikace a interakce s lidmi a dalšími činiteli.

I když jsou tyto funkce životně důležité pro dosažení lidské nebo nadlidské inteligence, pro současné systémy umělé inteligence je stále obtížné zachytit.

Současná umělá inteligence se převážně opírá o strojové učení, obor počítačové vědy, který umožňuje strojům učit se z dat a zkušeností. Strojové učení funguje prostřednictvím pod dohledem, bez dozoru, a posilování učení.

Učení pod dohledem zahrnuje stroje, které se učí z označených dat, aby předpovídaly nebo klasifikovaly nová data. Učení bez dozoru zahrnuje hledání vzorců v neoznačených datech, zatímco posílení učení se soustředí na učení z akcí a zpětné vazby, optimalizaci pro odměny nebo minimalizaci nákladů.

Navzdory dosažení pozoruhodných výsledků v oblastech, jako je počítačového vidění a zpracování přirozeného jazykaSoučasné systémy umělé inteligence jsou omezeny kvalitou a množstvím trénovacích dat, předdefinovanými algoritmy a specifickými cíli optimalizace. Často potřebují pomoc s přizpůsobivostí, zejména v neotřelých situacích, a větší transparentnost při vysvětlování svých úvah.

Naproti tomu se předpokládá, že AGI bude těchto omezení prosté a nebude se spoléhat na předem definovaná data, algoritmy nebo cíle, ale místo toho na své vlastní schopnosti učení a myšlení. AGI by navíc mohla získávat a integrovat znalosti z různých zdrojů a oblastí a bez problémů je aplikovat na nové a různorodé úkoly. Kromě toho by AGI vynikal v uvažování, komunikaci, porozumění a manipulaci se světem a sebou samým.

Jaké jsou výzvy a přístupy k dosažení AGI?

Realizace AGI představuje značné problémy zahrnující technické, koncepční a etické rozměry.

Základní překážkou je například definování a měření inteligence, včetně složek, jako je paměť, pozornost, kreativita a emoce. Navíc modelování a simulace funkcí lidského mozku, jako je vnímání, poznávání a emoce, představuje složité výzvy.

Kromě toho mezi kritické výzvy patří návrh a implementace škálovatelných, zobecňujících algoritmů a architektur učení a uvažování. Zajištění bezpečnosti, spolehlivosti a odpovědnosti systémů AGI při jejich interakcích s lidmi a jinými činiteli a sladění hodnot a cílů systémů AGI s těmi společenskými je také nanejvýš důležité.

Při hledání AGI byly navrženy a prozkoumány různé směry a paradigmata výzkumu, z nichž každý má své silné stránky a omezení. Symbolická AI, klasický přístup využívající logiku a symboly pro reprezentaci znalostí a manipulaci, vyniká v abstraktních a strukturovaných problémech, jako je matematika a šachy, ale potřebuje pomoc při škálování a integraci senzorických a motorických dat.

Stejně tak, Konekcionistická AI, moderní přístup využívající neuronové sítě a hluboké učení ke zpracování velkého množství dat, vyniká ve složitých a hlučných oblastech, jako je vidění a jazyk, ale potřebuje pomoc s interpretací a zobecněním.

Hybridní AI kombinuje symbolickou a konekcionistickou AI, aby využila své silné stránky a překonala slabiny, s cílem vytvořit robustnější a všestrannější systémy. Podobně, Erevoluční AI využívá evoluční algoritmy a genetické programování k vývoji systémů umělé inteligence prostřednictvím přirozeného výběru, hledá nová a optimální řešení neomezená lidským designem.

Konečně, Neuromorfní AI využívá neuromorfní hardware a software k emulaci biologických nervových systémů s cílem vytvořit efektivnější a realističtější modely mozku a umožnit přirozené interakce s lidmi a agenty.

Toto nejsou jediné přístupy k AGI, ale některé z nejprominentnějších a nejslibnějších. Každý přístup má své výhody a nevýhody a stále potřebují dosáhnout obecnosti a inteligence, kterou AGI vyžaduje.

AGI Příklady a aplikace

Zatímco AGI dosud nebylo dosaženo, některé pozoruhodné příklady systémů AI vykazují určité aspekty nebo vlastnosti připomínající AGI, což přispívá k vizi konečného dosažení AGI. Tyto příklady představují pokroky směrem k AGI tím, že předvádějí konkrétní schopnosti:

Alpha Zero, vyvinutý společností DeepMind, je posilovací výukový systém, který se autonomně učí hrát šachy, shogi a Go bez lidského vědomí nebo vedení. AlphaZero demonstruje nadlidskou zdatnost a také představuje inovativní strategie, které zpochybňují konvenční moudrost.

Podobně, OpenAI GPT-3 vytváří koherentní a různorodé texty napříč různými tématy a úkoly. GPT-3, který je schopen odpovídat na otázky, skládat eseje a napodobovat různé styly psaní, vykazuje všestrannost, i když v určitých mezích.

Stejně tak, ELEGANTNÍ, evoluční algoritmus vytvořený Kennethem Stanleym a Risto Miikkulainenem, vyvíjí neuronové sítě pro úkoly, jako je ovládání robotů, hraní her a generování obrázků. Schopnost NEATu vyvíjet strukturu a funkce sítě vytváří nová a komplexní řešení, která nejsou předem definována lidskými programátory.

I když tyto příklady ilustrují pokrok směrem k AGI, také zdůrazňují stávající omezení a mezery, které vyžadují další zkoumání a rozvoj při sledování skutečného AGI.

Důsledky a rizika AGI

AGI představuje vědecké, technologické, sociální a etické výzvy s hlubokými důsledky. Ekonomicky může vytvářet příležitosti a narušovat stávající trhy, což může potenciálně zvyšovat nerovnost. Při zlepšování vzdělávání a zdraví může AGI přinést nové výzvy a rizika.

Eticky by to mohlo podporovat nové normy, spolupráci a empatii a zavádět konflikty, soutěživost a krutost. AGI může zpochybnit existující významy a účely, rozšířit znalosti a předefinovat lidskou povahu a osud. Zúčastněné strany proto musí zvážit a řešit tyto důsledky a rizika, včetně výzkumných pracovníků, vývojářů, tvůrců politik, pedagogů a občanů.

Bottom Line

AGI stojí v popředí výzkumu AI a slibuje úroveň intelektu přesahující lidské schopnosti. Zatímco vize nadšence uchvacuje, při realizaci tohoto cíle přetrvávají problémy. Současná umělá inteligence, která vyniká ve specifických oblastech, musí splňovat rozsáhlý potenciál AGI.

O realizaci AGI usiluje řada přístupů, od symbolické a konekcionistické umělé inteligence po neuromorfní modely. Pozoruhodné příklady jako AlphaZero a GPT-3 představují pokroky, ale skutečné AGI zůstává nepolapitelné. S ekonomickými, etickými a existenčními důsledky vyžaduje cesta k AGI kolektivní pozornost a odpovědné zkoumání.