AGI-22 korostaa edistystä tekoälyllisen yleisen älyllisyyden kehittämisessä

Olin äskettäin 15. vuosittaisessa tekoälyllisen yleisen älyllisyyden konferenssissa (AGI-22), joka pidettiin Seattlessa elokuussa, tutustumaan uusiin kehityksiin, jotka voivat johtaa lopulta tekoälyllisen yleisen älyllisyyden (AGI) luomiseen.

AGI on edistynyt tekoäly, joka voi yleistää useiden alojen yli ja joka ei ole kapea-alainen. Esimerkkejä kapea-alaisista tekoälyistä ovat itseohjautuva ajoneuvo, chatbot, shakkirobotti tai mikä tahansa muu tekoäly, joka on suunniteltu yhden tarkoituksen toteuttamiseen. AGI vertailussa olisi kykyä vaihdella joustavasti minkä tahansa edellä mainitun tai minkä tahansa muun asiantuntemuksen välillä. Se koostuu spekulatiivisesta tekoälytyypistä, joka hyödyntäisi uusia algoritmeja, kuten siirtymällistä oppimista ja evoluutio-oppimista, sekä hyödyntäisi perinteisiä algoritmeja, kuten syvää vahvistusoppimista.

Avajaispuheen aikana Ben Goertzel, tekoälyntutkija, SingularityNET:n toimitusjohtaja ja perustaja, sekä OpenCog-säätiön johtaja puhui alan tilasta. Hän vaikutti innostuneelta tulevaisuuden suunnasta AGI:lle, ja totesi, että “Olemme vuosia pois, ei vuosikymmeniä”. Tämä asettaisi AGI:n lopullisen julkaisun vuoteen 2029, jolloin Ray Kurzweil, yksi maailman johtavista keksijöistä, ajattelijoista ja tulevaisuuden tutkijoista, kuuluisasti ennusti tekoälyllisen älyllisyyden saavuttamisen, joka vastaa ihmisen älyllisyyttä.

Teorian mukaan kun tämä älyllisyyden taso saavutetaan, tekoäly parantaa itseään jatkuvasti ja nopeasti ylittää ihmisen älyllisyyden, mikä tunnetaan superälyllisyytenä.

Toinen puhuja, Charles J. Simon, Future AI:n perustaja ja toimitusjohtaja, totesi erillisessä istunnossa, että “AGI:n syntymä on asteittainen” ja “AGI on väistämätön ja tulee olemaan täällä aikaisemmin kuin useimmat ihmiset ajattelevat, se voi olla vain muutama vuosi”.

Vaikka tämä myönteinen asenne vallitsee, on edelleen merkittäviä esteitä. Ben Goertzel myönsi, että AGI:n saavuttamiseksi “Tarvitsemme uusia ideoita, eikä vain neuroverkkojen skaalaamista”. Tämä on ajatus, jota Gary Marcus on tunnetusti ilmaissut, kun hän on sanonut, että “syvä oppiminen on osunut seinään”.

Joitakin ydinchallengerista AGI:n luomisessa on keksiminen palkkajärjestelmästä, joka voi skaalata älyllisyyttä maksimaalisesti tietoisella tavalla. Moravec’n paradoksi heijastaa nykyistä ongelmaa AGI:n saavuttamisessa nykyisellä teknologialla. Tämä paradoksi toteaa, että sopeutumiset, jotka ovat intuitiivisia yksivuotiaalle, kuten oppiminen kävelemään ja simuloimaan todellisuutta, ovat paljon vaikeampia ohjelmoida tekoälyyn kuin mitä ihmiset kokevat vaikeiksi.

Ihmisille on päinvastoin, shakin mestaruus tai monimutkaisten matemaattisten kaavojen suorittaminen voi vaatia elinikäistä opiskelua, mutta nämä ovat kaksi melko helppoa tehtävää kapea-alaisille tekoälyille.

Yksi ratkaisu tähän paradoksiin voi olla evoluutio-oppiminen, jota kutsutaan myös evoluutioalgoritmeiksi. Tämä mahdollistaa tekoälylle monimutkaisten ratkaisujen etsimisen biologisen evoluution prosessin mukaisesti.

Erillisessä kysymys- ja vastausosiossa Ben Goertzel totesi, että “AGI ei ole väistämätön, mutta se on erittäin todennäköinen”. Tämä on sama johtopäätös, johon olen itsekin päässyt, mutta väistämättömyyden ja todennäköisyyden raja on sumea.

Konferenssissa esitettiin monia papereita, ja yksi merkittävimmistä papereista, josta keskusteltiin, oli Polynomial Functors: A General Theory of Interaction David Spivakilta Topos-instituutista Berkeleyssä, CA, ja Nelson Niulta Washingtonin yliopistosta Seattlessa, WA. Tämä paperi käsittelee matemaattista kategoriaa, jota kutsutaan Polyksi, joka voi vaikuttaa tekoälyllisen yleisen älyllisyyden tulevaan suuntaan, kun kyseessä on dynaamisten prosessien, päätöksenteon ja datan tallentamisen ja muuntamisen kanssa.

Toki oli muita papereita, jotka olivat spekulatiivisempia, kuten Versatility-Efficiency Index (VEI): Kohti kattavaa määritelmää tekoälyllisen yleisen älyllisyyden agenttien älykkyysosamäärästä Mohammadreza Alidoustilta. Ideana on rakentaa vaihtoehtoinen tapa mitata älyllisyyden tasoa älykkäille järjestelmille, IQ-testi tekoälyllisten agenttien mittaamiseksi laskennallisella tavalla.

Kaksi merkittävää yritystä, jotka voivat tehdä läpimurron tämän perusteknologian kehittämisessä, ovat OpenAI ja DeepMind, jotka olivat merkittävästi poissa. Se voi johtua siitä, että AGI:ä ei oteta tosissaan tekoäly-yhteisössä, mutta he ovat kaksi yritystä, jotka ovat todennäköisimmin tekemässä ensimmäisen läpimurron tässä alalla. Tämä on erityisen totta, koska OpenAI:n ilmoittama tehtävä on suorittaa perustutkimusta turvallisen AGI:n luomiseksi.

Vaikka ei ollut suuria vallankumouksellisia läpimurtoja, jotka voitiin paljastaa konferenssissa, on selvää, että AGI on monien tutkijoiden mielenkiinnon kohteena, ja se on asia, johon tekoäly-yhteisön tulisi kiinnittää enemmän huomiota. Kuitenkin, AGI voi olla ratkaisu ihmiskunnan moniin olemassaolo-uhkiin.