AGI og fremtidens AI

AGI-22 fremhæver fremskridt i udviklingen af kunstig generel intelligens

Antoine Tardif
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterAnkomsten af AGI bliver nu af konferencedeltagere beskrevet i år, ikke årtier.
Vis mere
  • Ankomsten af AGI bliver nu af konferencedeltagere beskrevet i år, ikke årtier.
  • Det er ikke nok at skalere neurale netværk alene for at overvinde de grundlæggende barrierer for generel intelligens.
  • Evolutionær læring kan måske løse det paradoks, der blokerer for kunstig generel intelligens.

Jeg deltog nylig i den 15. årlige konference om kunstig generel intelligens (AGI-22), der blev afholdt i Seattle i august, i et forsøg på at få indsigt i nye udviklinger, der kan føre til skabelsen af en kunstig generel intelligens (AGI).

En AGI er en type avanceret AI, der kan generalisere på tværs af multiple domæner og ikke er snæver i omfang. Eksempler på snæver AI inkluderer en selvkørende bil, en chatbot, en skakbot eller enhver anden AI, der er designet til et enkelt formål. En AGI ville derimod kunne fleksibelt skifte mellem enhver af disse eller andre fagområder. Det består af en spekulativ type AI, der ville udnytte nye algoritmer såsom overførselslæring og evolutionær læring, samt udnytte ældre algoritmer såsom dyb forstærkningslæring.

Under åbningskeynote-sessionen talte Ben Goertzel, en AI-forsker , CEO og grundlægger af SingularityNET, og leder af OpenCog Foundation om branchens status. Han syntes entusiastisk over fremtiden for AGI og sagde, at “Vi er år væk, ikke årtier væk”. Dette ville placere lanceringen af en AGI omkring 2029, det samme år, som Ray Kurzweil, en af verdens førende opfindere, tænkere og fremtidsforskere, berømt forudsagde opdukken af en AI, der opnår intelligens på menneskeligt niveau.

Teorien går på, at når denne type intelligens er nået, vil AI’en straks og kontinuerligt forbedre sig selv for hurtigt at overgå menneskelig intelligens i, hvad der kendes som superintelligens.

En anden taler, Charles J. Simon, grundlægger og CEO af Future AI, sagde i en separat session, “AGI-opdukken vil være gradvis”, og “AGI er uundgåelig og vil ankomme tidligere, end de fleste mennesker tror, det kan være et par år”.

Selv med denne optimistiske holdning er der betydelige hindringer på vej. Ben Goertzel erkendte også, at for at opnå AGI, “Vi har brug for en indstrømning af nye ideer, ikke kun opskalering af neurale netværk”. Dette er en holdning, der er delt af Gary Marcus, der er kendt for at sige, at “dyb læring har ramt en væg”.

Nogle af de centrale udfordringer ved at skabe en AGI inkluderer at finde en belønningsstruktur, der kan opskalere intelligens på en maksimalt informeret måde. Moravecs paradoks afspejler det nuværende problem med at opnå AGI med vores nuværende teknologi. Dette paradoks siger, at tilpasninger, der er intuitive for en et-årig, såsom at lære at gå og simulere virkelighed, er langt sværere at programmere i en AI end, hvad mennesker opfatter som svært.

For mennesker er det det modsatte, at mestre skak eller udføre komplekse matematiske formler kan kræve en livstid at mestre, men disse er to rimeligt lette opgaver for snæver AI.

En af løsningerne på dette paradoks kan være evolutionær læring, også kendt som evolutionære algoritmer. Dette giver i virkeligheden en AI mulighed for at søge efter komplekse løsninger ved at efterligne processen med biologisk evolution.

I en separat Q & A-session sagde Ben Goertzel, at “AGI er ikke uundgåelig, men det er højt sandsynligt”. Dette er den samme konklusion, jeg er nået til, men grænsen mellem uundgåelighed og sandsynlighed er uklar.

Under konferencen blev der præsenteret mange artikler, en af de bemærkelsesværdige artikler, der blev diskuteret, var Polynomiske funktorer: En generel teori om interaktion af David Spivak fra Topos Institute i Berkeley, CA og Nelson Niu fra University of Washington, i Seattle, WA. Denne artikel diskuterer en matematisk kategori kaldet Poly, der kan påvirke den fremtidige retning for AI, når det kommer til nære forbindelser med dynamiske processer, beslutningstagning og lagring og transformation af data. Det er endnu ikke klart, hvordan dette vil påvirke AGI-forskning, men det kan være en af de manglende komponenter, der kan føre os til AGI.

Der var selvfølgelig også andre artikler, der var mere spekulative, såsom Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents af Mohammadreza Alidoust. Ideen er at konstruere en alternativ måde at måle intelligensniveauet for intelligente systemer, en slags IQ-test til at måle AGI-agenter på en beregningsmæssig måde.

To bemærkelsesværdige virksomheder, der kan gøre gennembrud i denne underliggende teknologi, er OpenAI og DeepMind, der begge var bemærkelsesværdigt fraværende. Det kan være, fordi AGI ikke tages alvorligt af AI-samfundet, men de er de to virksomheder, der er mest sandsynlige at gøre det første gennembrud på dette område. Dette er særligt sandt, da OpenAIs erklærede mission er at udføre grundlæggende, langsigtede forskning mod skabelsen af en sikker AGI.

Selv om der ikke var nogen store revolutionerende gennembrud at afsløre på konferencen, er det klart, at AGI optager mange forskere, og det er noget, som AI-samfundet burde lægge mere opmærksomhed på. Når alt kommer til alt, kan AGI være løsningen på at løse menneskehedens multiple eksistentielle trusler.

Antoine er en visionær leder og stiftende partner i Unite.AI, drevet af en urokkelig passion for at forme og fremme fremtiden for AI og robotteknologi. Som serieiværksætter mener han, at AI vil forandre samfundet lige så grundlæggende som elektriciteten, og han taler ofte begejstret om potentialet i banebrydende teknologier og kunstig generel intelligens (AGI).

Som fremtidsforsker er han optaget af at undersøge, hvordan disse innovationer vil forme vores verden. Han er desuden grundlægger af Securities.io, en platform med fokus på investering i avancerede teknologier, der omdefinerer fremtiden og omformer hele brancher.