Πώς Μπορούμε Να Ωφεληθούμε Από Την Προώθηση Της Γενικής Τεχνητής Νοημοσύνης (AGI)

Η δημιουργία μιας Γενικής Τεχνητής Νοημοσύνης (AGI) είναι το τελικό σημείο για πολλούς ειδικούς στην τεχνητή νοημοσύνη.  Ένας एजοντας AGI θα μπορούσε να χρησιμοποιηθεί για να αντιμετωπίσει μια ποικιλία από προβλήματα του κόσμου. Για παράδειγμα, θα μπορούσατε να εισαγάγετε ένα πρόβλημα σε έναν एजόντα AGI και ο AGI θα μπορούσε να χρησιμοποιήσει βαθιά ενισχυμένη μάθηση σε συνδυασμό με τη νέα του συνειδητότητα για να λάβει αποφάσεις στην πραγματική ζωή.

Η διαφορά μεταξύ ενός AGI και ενός κανονικού αλγορίθμου είναι η ικανότητα του AGI να自ρωσει τις σημαντικές ερωτήσεις. Ένας AGI μπορεί να διατυπώσει την τελική λύση που θέλει να φτάσει, να προσομοιώσει υποθετικές τρόπους για να φτάσει εκεί και στη συνέχεια να λάβει μια ενημερωμένη απόφαση για ποια προσομοίωση αντιστοιχεί καλύτερα στους στόχους που ορίστηκαν.

Η συζήτηση για το πώς μπορεί να εμφανιστεί ένα AGI υπάρχει από τότε που ο όρος “τεχνητή νοημοσύνη” εισαγωγής για πρώτη φορά στη διάσκεψη του Dartmouth το 1956. Από τότε, πολλές εταιρείες έχουν προσπαθήσει να αντιμετωπίσουν την πρόκληση του AGI, η OpenAI είναι πιθανώς η πιο αναγνωρισμένη εταιρεία. Η OpenAI ξεκίνησε ως μη κερδοσκοπικός οργανισμός στις 11 Δεκεμβρίου 2015 με την δήλωση αποστολής να διασφαλίσει ότι η γενική τεχνητή νοημοσύνη (AGI)—με την οποία εννοούμε υψηλά αυτόνομες συστήματα που υπερβαίνουν τους ανθρώπους σε hầu hết τις οικονομικά πολύτιμες εργασίες—ωφελεί όλη την ανθρωπότητα.

Η δήλωση αποστολής της OpenAI περιγράφει σαφώς τα πιθανά οφέλη που μπορεί να προσφέρει ένα AGI στην κοινωνία. Ξαφνικά, τα ζητήματα που ήταν πολύ σύνθετα για τους ανθρώπους και τα κανονικά συστήματα τεχνητής νοημοσύνης, είναι τώρα σε θέση να αντιμετωπιστούν.

Τα πιθανά οφέλη της κυκλοφορίας ενός AGI είναι αστρονομικά. Θα μπορούσατε να ορίσετε ένα στόχο για την θεραπεία όλων των μορφών του καρκίνου, ο AGI θα μπορούσε τότε να συνδεθεί στο διαδίκτυο για να σκανάρει όλες τις τρέχουσες έρευνες σε κάθε γλώσσα. Ο AGI μπορεί να ξεκινήσει το πρόβλημα της διατύπωσης λύσεων και στη συνέχεια να προσομοιώσει όλα τα πιθανά αποτελέσματα. Θα ήταν η σύνδεση των οφελών της συνειδητότητας που διαθέτουν οι άνθρωποι, με την άπειρη γνώση του cloud, να χρησιμοποιήσει βαθιά μάθηση για αναγνώριση προτύπων αυτών των μεγάλων δεδομένων και να χρησιμοποιήσει ενισχυμένη μάθηση για να προσομοιώσει διαφορετικά περιβάλλοντα/αποτελέσματα. Όλα αυτά σε συνδυασμό με μια συνειδητότητα που δεν χρειάζεται ποτέ περίοδο ανάπαυσης και μπορεί να είναι 100% εστιασμένη στην εργασία που έχει ανατεθεί.

Τα πιθανά μειονεκτήματα του AGI φυσικά δεν μπορούν να υποτιμηθούν, θα μπορούσατε να έχετε ένα AGI που έχει ως στόχο τη συνεχής αναβάθμιση του εαυτού του και θα μπορούσε στη συνέχεια να καταπιεί όλα τα άλλα για να μεγιστοποιήσει τους υπολογιστικούς πόρους και τα άτομα που χρειάζεται για να αναβαθμίσει για πάντα το σύστημά του. Αυτή η θεωρία εξετάστηκε λεπτομερώς από τον Καθηγητή Nick Bostrom στο επιχείρημα του Paperclip Maximizer, σε αυτή τη σκηνή, ένας AGI με λάθος ρύθμιση οδηγείται να παράγει κλιπς χαρτιού και το κάνει μέχρι να μην μένει τίποτα, κυριολεκτικά κάθε πηγή στη γη έχει καταναλωθεί για να μεγιστοποιήσει την παραγωγή κλιπς χαρτιού.

Μια πιο πραγматική άποψη είναι ότι ένα AGI θα μπορούσε να ελεγχθεί από một απατεώνα κράτος ή μια εταιρεία με κακές ηθικές. Αυτό το πρόσωπο θα μπορούσε να προγραμματίσει το AGI για να μεγιστοποιήσει τα κέρδη και σε αυτή τη περίπτωση με κακή προγραμματισμό και μηδενικό μεταμέλεια θα μπορούσε να επιλέξει να χρεώσει τους ανταγωνιστές, να καταστρέψει τις αλυσίδες εφοδιασμού, να χάκαρει την αγορά μετοχών, να εκκαθαρίσει τους τραπεζικούς λογαριασμούς, κ.λπ.

Επομένως, ένας κώδικας ηθικής πρέπει να προγραμματιστεί σε ένα AGI από την αρχή. Ένας κώδικας ηθικής έχει συζητηθεί από πολλούς νους και η έννοια εισήχθη για πρώτη φορά στο γενικό κοινό με τη μορφή των 3 νόμων της ρομποτικής από τον συγγραφέα Isaac Asimov.

Υπάρχουν κάποια προβλήματα με τους 3 νόμους της ρομποτικής, καθώς οι νόμοι μπορούν να ερμηνευθούν με διαφορετικούς τρόπους. Προηγουμένως συζητήσαμε την προγραμματισμό ηθικής σε ένα AGI, στην συνέντευξή μας με τον Charles J. Simon, συγγραφέα του Will Computers Revolt?

Η 7η Απριλίου 2020, είναι η ημέρα που ο Brain Simulator II κυκλοφόρησε στο κοινό. Αυτή η έκδοση του προσομοιωτή εγκεφάλου επιτρέπει την πειραματική έρευνα σε διάφορους αλγορίθμους τεχνητής νοημοσύνης για να δημιουργηθεί ένα ολοκληρωμένο σύστημα AGI με μονάδες για όραση, ακοή, ρομποτική ελέγχου, μάθηση, εσωτερική μοντελοποίηση, και ακόμη και σχεδιασμό, φαντασία και προόραση.

“Νέα, μοναδικά αλγόριθμοι που αντιμετωπίζουν άμεσα την γνωστική—are η κλειδί για να βοηθήσουν την τεχνητή νοημοσύνη να εξελιχθεί σε AGI,” εξηγεί ο Simon.

“Ο Brain Simulator II συνδυάζει την όραση και την αφή σε ένα ενιαίο νοητικό μοντέλο και κάνει πρόοδο προς την κατανόηση της αιτιότητας και της πορείας του χρόνου,” σημειώνει ο Simon. “Όσο οι μονάδες ενισχύονται, θα εμφανιστεί προοδευτικά περισσότερη νοημοσύνη.”

Ο Brain Simulator II γέμισε το κενό μεταξύ των Τεχνών Νοημοσύνης (ANN) και των Συμβολικών Τεχνών Νοημοσύνης για να δημιουργήσει νέες δυνατότητες. Δημιουργεί ένα πλέγμα εκατομμυρίων νευρώνων που συνδέονται με οποιοδήποτε αριθμό συνάψεων.

Αυτό επιτρέπει σε διάφορες οντότητες να ερευνήσουν τις δυνατότητες ανάπτυξης του AGI.

Όποιος ενδιαφέρεται για τον Brain Simulator II μπορεί να ακολουθήσει ή να συμμετάσχει στη διαδικασία ανάπτυξης κατεβάζοντας το λογισμικό, προτείνοντας νέες λειτουργίες και (για προηγμένα προγραμματιστές) ακόμη και προσθέτοντας προσαρμοσμένες μονάδες. Μπορείτε επίσης να ακολουθήσετε τον δημιουργό του Charles Simon στο Twitter.

Εν τω μεταξύ, η κοινωνία έχει διαταραχθεί πρόσφατα από τον ιό COVID-19. Αν είχαμε ένα σύστημα AGI στη θέση μας, θα μπορούσαμε να το χρησιμοποιήσουμε για να ανακαλύψουμε γρήγορα πώς να σταματήσουμε την εξάπλωση του COVID-19 και, το πιο σημαντικό, πώς να θεραπεύσουμε τους ασθενείς με COVID-19. Ενώ μπορεί να είναι слишком αργά για ένα AGI να βοηθήσει με αυτή την έξαρση, σε μελλοντικές εξάρσεις, ένα AGI θα μπορούσε να είναι το καλύτερο εργαλείο στο οπλοστάσιο μας.