AGI-22 unterstreicht die Fortschritte bei der Entwicklung künstlicher allgemeiner Intelligenz

Ich habe kürzlich die besucht 15^th Jahreskonferenz zum Thema Künstliche Intelligenz (AGI-22), die diesen August in Seattle stattfand, in dem Versuch, mich mit neuen Entwicklungen vertraut zu machen, die schließlich zur Schaffung einer künstlichen allgemeinen Intelligenz (AGI) führen könnten.

Eine AGI ist eine Art fortgeschrittener KI, die über mehrere Domänen hinweg verallgemeinert werden kann und keinen engen Anwendungsbereich hat. Beispiele für eine enge KI sind ein autonomes Fahrzeug, ein Chatbot, ein Schachbot oder jede andere KI, die für einen einzigen Zweck entwickelt wurde. Ein AGI hingegen wäre in der Lage, flexibel zwischen den oben genannten oder jedem anderen Fachgebiet zu wechseln. Es handelt sich um eine spekulative Art von KI, die aufkommende Algorithmen wie z Transferlernen, und evolutionäres Lernen, während auch ältere Algorithmen genutzt werden, wie z tiefes Lernen der Verstärkung.

Während der Eröffnungs-Keynote-Sitzung Ben Goertzel, ein KI-Forscher, CEO und Gründer von SingularityNET, und Leiter der OpenCog-Stiftung sprach über den Zustand der Branche. Er schien von der künftigen Ausrichtung der AGI begeistert zu sein und erklärte: „Wir sind eher Jahre als Jahrzehnte entfernt.“ Dies würde den endgültigen Start eines AGI auf ungefähr 2029, dasselbe Jahr, verschieben ray Kurzweil Einer der weltweit führenden Erfinder, Denker und Zukunftsforscher hat bekanntlich die Entstehung einer KI vorhergesagt, die Intelligenz auf menschlichem Niveau erreicht.

Die Theorie besagt, dass sich die KI, sobald diese Art von Intelligenz erreicht ist, sofort und kontinuierlich selbst verbessern würde, um die menschliche Intelligenz in der sogenannten Superintelligenz rasch zu übertreffen.

Ein weiterer Lautsprecher Charles J. Simon, der Gründer und CEO von KI der Zukunft In einer separaten Sitzung erklärte er: „Die Entstehung von AGI wird schrittweise erfolgen“ und „AGI ist unvermeidlich und wird früher eintreffen, als die meisten Leute denken, es könnte ein paar Jahre dauern.“

Trotz dieser optimistischen Stimmung gibt es im Weltraum erhebliche Hindernisse. Ben Goertzel räumte auch ein, dass wir zur Verwirklichung von AGI „eine Fülle neuer Ideen brauchen und nicht nur die Vergrößerung neuronaler Netze“. Dies ist eine Meinung, die von Gary Marcus geteilt wurde, der dafür bekannt ist, dass „Deep Learning an eine Wand gestoßen ist“.

Zu den zentralen Herausforderungen bei der Erstellung einer AGI gehört die Entwicklung eines Belohnungssystems, das die Intelligenz auf maximal informierte Weise skalieren kann. Moravecs Paradoxon spiegelt das aktuelle Problem wider, AGI mit unserer aktuellen Technologie zu erreichen. Dieses Paradox besagt, dass Anpassungen, die für ein Einjähriges intuitiv sind, wie das Erlernen des Laufens und die Simulation der Realität, in einer KI weitaus schwieriger zu programmieren sind als das, was Menschen als schwierig empfinden.

Für Menschen ist es genau das Gegenteil: Es kann ein Leben lang dauern, Schach zu beherrschen oder komplexe mathematische Formeln auszuführen, doch für schmale KIs sind dies zwei einigermaßen einfache Aufgaben.

Eine der Lösungen für dieses Paradoxon könnte evolutionäres Lernen sein, auch bekannt als evolutionäre Algorithmen. Dies ermöglicht es einer KI im Wesentlichen, nach komplexen Lösungen zu suchen, indem sie den Prozess der biologischen Evolution nachahmt.

In einer separaten Frage-und-Antwort-Runde erklärte Ben Goertzel: „AGI ist nicht unvermeidlich, aber sehr wahrscheinlich.“ Dies ist die gleiche Schlussfolgerung, zu der ich gelangt bin, aber die Grenze zwischen Unvermeidlichkeit und Wahrscheinlichkeit verschwimmt.

Während der Konferenz wurden viele Vorträge vorgestellt, einer der bemerkenswertesten Vorträge, der diskutiert wurde, war Polynomfunktoren: Eine allgemeine Theorie der Interaktion von David Spivak vom Topos Institute in Berkeley, CA und Nelson Niu von der University of Washington in Seattle, WA. In diesem Artikel wird eine mathematische Kategorie namens Poly erörtert, die die zukünftige Ausrichtung der KI beeinflussen könnte, wenn es um enge Beziehungen zu dynamischen Prozessen, Entscheidungsfindung sowie die Speicherung und Transformation von Daten geht. Es bleibt abzuwarten, wie sich dies auf die AGI-Forschung auswirken wird, aber es könnte eine der fehlenden Komponenten sein, die uns zu AGI führen könnten.

Natürlich gab es auch andere Papiere, die spekulativer waren, wie zum Beispiel den Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents von Mohammadreza Alidoust. Die Idee ist, eine zu konstruieren alternative Möglichkeit zur Messung des Intelligenzniveaus intelligenter Systeme, eine Art IQ-Test zur rechnerischen Messung von AGI-Agenten.

Zwei bemerkenswerte Unternehmen, die bei dieser zugrunde liegenden Technologie Durchbrüche erzielen könnten, sind OpenAI und DeepMind, die beide bemerkenswerterweise abwesend waren. Man befürchtet vielleicht, dass AGI von der KI-Community nicht ernst genommen wird, aber sie sind die beiden Unternehmen, die am ehesten den ersten Durchbruch auf diesem Gebiet erzielen werden. Dies gilt insbesondere seitdem Die erklärte Mission von OpenAI ist die Durchführung grundlegender, langfristiger Forschung zur Schaffung einer sicheren AGI.

Während auf der Konferenz keine großen revolutionären Durchbrüche zu verzeichnen waren, ist klar, dass AGI viele Forscher beschäftigt und dass die KI-Community diesem Thema mehr Aufmerksamkeit schenken sollte. Immerhin ein AGI könnte die Lösung sein zur Lösung der vielfältigen existenziellen Bedrohungen der Menschheit.