Το AGI-22 αναδεικνύει την πρόοδο στην ανάπτυξη τεχνητής γενικής νοημοσύνης

Πρόσφατα παρακολούθησα την 15η ετήσια διάσκεψη για Τεχνητή Γενική Νοημοσύνη (AGI-22) που πραγματοποιήθηκε στο Σιάτλ τον Αύγουστο, σε μια προσπάθεια να εξοικειωθώ με νέες εξελίξεις που θα μπορούσαν να οδηγήσουν στη δημιουργία μιας Τεχνητής Γενικής Νοημοσύνης (AGI).

Μια AGI είναι ένας τύπος προηγμένης ΤΝ που μπορεί να γενικεύσει σε πολλαπλά πεδία και δεν είναι στενός σε εύρος. Παραδείγματα στενής ΤΝ περιλαμβάνουν ένα αυτόνομο όχημα, ένα chatbot, ένα bot σκακιού ή οποιαδήποτε άλλη ΤΝ που έχει σχεδιαστεί για έναν μόνο σκοπό. Μια AGI, σε σύγκριση, θα ήταν σε θέση να εναλλάσσεται ευέλικτα μεταξύ οποιουδήποτε από αυτά ή οποιουδήποτε άλλου πεδίου εξειδίκευσης. Αποτελεί έναν υποθετικό τύπο ΤΝ που θα επωφεληθεί από νέους αλγορίθμους όπως μεταφορά μάθησης και εξελικτική μάθηση, ενώ θα εκμεταλλεύεται επίσης καθιερωμένους αλγορίθμους όπως βαθιά ενισχυτική μάθηση.

Κατά τη διάρκεια της εναρκτήριας ομιλίας, ο Ben Goertzel, ερευνητής ΤΝ, , Διευθύνων Σύμβουλος και ιδρυτής της SingularityNET και αρχηγός του Ιδρύματος OpenCog μίλησε για την κατάσταση της βιομηχανίας. Φάνηκε ενθουσιασμένος για τη μελλοντική κατεύθυνση της AGI, λέγοντας ότι «Είμαστε χρόνια μακριά και όχι δεκαετίες». Αυτό θα τοποθετούσε την μελλοντική κυκλοφορία μιας AGI περίπου στο 2029, την ίδια χρονιά που ο Ray Kurzweil, ένας από τους κορυφαίους εφευρετές, σκέπτες και μελλοντολόγους, προέβλεψε την εμφάνιση μιας ΤΝ που επιτυγχάνει ανθρώπινη νοημοσύνη.

Η θεωρία λέει ότι όταν φτάσει αυτό το είδος νοημοσύνης, η ΤΝ θα αρχίσει αμέσως να αυτοβελτιώνεται διαρκώς και θα ξεπεράσει γρήγορα την ανθρώπινη νοημοσύνη σε αυτό που είναι γνωστό ως υπερνοημοσύνη.

Ένας άλλος ομιλητής, ο Charles J. Simon, ο ιδρυτής και Διευθύνων Σύμβουλος της Future AI, δήλωσε σε μια ξεχωριστή συνεδρία, «Η εμφάνιση της AGI θα είναι σταδιακή» και «Η AGI είναι αναπόφευκτη και θα έρθει συντομότερα από ό,τι νομίζουν οι περισσότεροι άνθρωποι, μπορεί να είναι δύο περίπου χρόνια».

Παρά αυτή την αισιόδοξη διάθεση, υπάρχουν σημαντικά εμπόδια στον τομέα. Ο Ben Goertzel επίσης αναγνώρισε ότι για να επιτευχθεί η AGI, «Χρειαζόμαστε μια έγχυση νέων ιδεών, όχι μόνο την κλιμάκωση των νευρωνικών δικτύων». Αυτή είναι μια στάση που έχει μοιραστεί ο Gary Marcus, ο οποίος είναι γνωστός για την έκφραση ότι «η βαθιά μάθηση έχει χτυπήσει ένα τοίχο».

Ορισμένα από τα βασικά προβλήματα για τη δημιουργία μιας AGI περιλαμβάνουν την εύρεση ενός συστήματος ανταμοιβών που μπορεί να αυξάνει το επίπεδο νοημοσύνης με τον πιο ενημερωμένο τρόπο. Το παράδοξο του Moravec αντανακλά το τρέχον πρόβλημα με την επίτευξη της AGI με την τρέχουσα τεχνολογία. Αυτό το παράδοξο δηλώνει ότι οι προσαρμογές που είναι ενστικτικές για ένα παιδί ενός έτους, όπως η μάθηση να περπατάει και να προσομοιώνει την πραγματικότητα, είναι πολύ πιο δύσκολο να προγραμματιστούν σε μια ΤΝ από ότι οι άνθρωποι αντιλαμβάνονται ως δύσκολο.

Για τους ανθρώπους είναι το αντίθετο, η εξοικείωση με το σκάκι ή την εκτέλεση σύνθετων μαθηματικών τύπων μπορεί να απαιτήσει μια ζωή για να εξοικειωθεί, ωστόσο αυτά είναι δύο σχετικά εύκολα καθήκοντα για στενές ΤΝ.

Μια από τις λύσεις σε αυτό το παράδοξο μπορεί να είναι η εξελικτική μάθηση, επίσης γνωστή ως εξελικτικοί αλγόριθμοι. Αυτό ουσιαστικά επιτρέπει σε μια ΤΝ να αναζητά σύνθετες λύσεις μιμούμενη τη διαδικασία της βιολογικής εξέλιξης.

Σε μια ξεχωριστή συνεδρία ερωταπαντήσεων, ο Ben Goertzel δήλωσε ότι «Η AGI δεν είναι αναπόφευκτη, αλλά είναι πολύ πιθανή». Αυτή είναι το ίδιο συμπέρασμα στο οποίο έχω καταλήξει, αλλά η γραμμή μεταξύ αναπόφευκτης και πιθανότητας θολώνει.

Κατά τη διάρκεια της διάσκεψης, υπήρξαν πολλά έγγραφα που παρουσιάστηκαν, ένα από τα αξιοσημείωτα έγγραφα που συζητήθηκαν ήταν Πολυωνυμικοί συναρτητές: Μια Γενική Θεωρία της Αλληλεπίδρασης από τον David Spivak του Ινστιτούτου Topos στο Μπέρκλεϊ, Καλιφόρνια και τον Nelson Niu του Πανεπιστημίου της Ουάσινγκτον, στο Σιάτλ της πολιτείας Ουάσινγκτον. Αυτό το έγγραφο συζητά μια μαθηματική κατηγορία που ονομάζεται Poly που μπορεί να επηρεάσει τη μελλοντική κατεύθυνση της ΤΝ όταν πρόκειται για στενές σχέσεις με δυναμικές διαδικασίες, λήψη αποφάσεων και αποθήκευση και μετασχηματισμό δεδομένων. Παραμένει να δούμε πώς αυτό θα επηρεάσει την έρευνα της AGI, αλλά μπορεί να είναι ένα από τα ελλείποντα στοιχεία που θα μπορούσαν να μας οδηγήσουν στην AGI.

Φυσικά, υπήρξαν άλλα έγγραφα που ήταν πιο εικασιακά, όπως ο Δείκτης Ευελιξίας-Αποτελεσματικότητας (VEI): Προς έναν ολοκληρωμένο ορισμό του Δείκτη Νοημοσύνης για Πράκτορες AGI από τον Mohammadreza Alidoust. Η ιδέα είναι να κατασκευαστεί ένας εναλλακτικός τρόπος μέτρησης του επιπέδου νοημοσύνης των ευφυών συστημάτων, ένας τύπος τεστ νοημοσύνης για να μετρήσει τους πράκτορες AGI με έναν υπολογιστικό τρόπο.

Δύο αξιοσημείωτες εταιρείες που μπορεί να κάνουν σημαντικές καινοτομίες σε αυτήν την υποκείμενη τεχνολογία είναι η OpenAI και η DeepMind, και οι δύο από τις οποίες ήταν αξιοσημείωτα απουσιάζουσες. Μπορεί να είναι από φόβο ότι η AGI δεν λαμβάνεται σοβαρά από την κοινότητα ΤΝ, αλλά είναι οι δύο εταιρείες που είναι πιο πιθανό να κάνουν την πρώτη μεγάλη καινοτομία σε αυτό το πεδίο. Αυτό είναι ιδιαίτερα αληθινό, καθώς η δηλωμένη αποστολή της OpenAI είναι να διεξαγάγει θεμελιώδη, μακροπρόθεσμη έρευνα για τη δημιουργία μιας ασφαλούς AGI.

Ενώ δεν υπήρξαν σημαντικές επαναστατικές προόδους για να αποκαλυφθούν στη διάσκεψη, είναι σαφές ότι η AGI απασχολεί πολλούς ερευνητές και είναι κάτι που η κοινότητα ΤΝ πρέπει να δώσει περισσότερη προσοχή. Άλλωστε, μια AGI μπορεί να είναι η λύση για την επίλυση των πολλαπλών υπαρξιακών απειλών της ανθρωπότητας.