Matthew Ikle, Chief Science Officer at SingularityNET – Haastattelusarja

Matthew Ikle on SingularityNETin Chief Science Officer, joka on perustettu luomaan hajautettu, demokraattinen, kaikille avoin ja hyödyllinen tekoäly. Tämä “tekoäly” ei ole riippuvainen keskusorganisaatiosta, se on avoin kaikille eikä rajoitu yhden yrityksen tai maan kapeisiin tavoitteisiin.

SingularityNETin tiimi koostuu kokeneista insinööreistä, tutkijoista, yrittäjistä ja markkinoijista. Ydinalustan ja tekoälytiimien lisäksi on erikoistuneita tiimejä, jotka keskittyvät soveltamiseen, kuten rahoitukseen, robottiikkaan, biolääketieteelliseen tekoälyyn, mediaan, taiteeseen ja viihteeseen.

Kuinka varma olet siitä, että saavutamme yleisen tekoälyn (AGI) vuoteen 2029 mennessä tai aikaisemmin, kuten tohtori Ben Goertzel on ennustanut?

Vastaisin tähän kysymykseen hieman epäsuorasti. Vuosi 2029 on noin viisi vuotta tästä. Monia vuosia sitten (2010-luvun alussa) olin erittäin optimistinen tekoälyn kehityksen suhteen. Optimismi perustui siihen, miten paljon yksityiskohtaisia ajatuksia ja yhtenäisiä ideoita tekoälyntutkimuksessa oli silloin. Vaikka monet suurista ideoista tuolta ajalta ovat edelleen lupaavia, haasteena on yksityiskohtien toteuttaminen.

Uusia tietoja on nyt runsaasti useista tieteenaloista – neurotieteistä, matematiikasta, tietojenkäsittelytieteestä, psykologiasta, sosiologiasta ja niin edelleen – jotka tarjoavat sekä mekanismeja yksityiskohtien toteuttamiseen että konseptuaalista tukea aiemman työn perusteille. Havaitsemiaani malleja eri aloilla näyttää supistuvan kohti samanlaisia käyttäytymisiä kiihtyvällä tahdilla. Tämä muistuttaa aikaa ennen ensimmäisen iPhone-puhelimen julkaisua.

Esimerkiksi uusissa kokeellisissa tutkimuksissa on tukea kompleksisten dynaamisten järjestelmien näkemykselle. Ihmiskohtaiset EEG-mallit esimerkiksi näyttävät merkittävää käyttäytymistä tämän järjestelmädynamiikan mukaisesti. Nämä tulokset muistuttavat varhaisempaa työtä tietoisuusteorioissa. Nyt näyttää olevan aloitetta eksperimentaalista tukea näille teoreettisille ideoille.

Mitä teknologisia tai filosofisia esteitä pitäisi voittaa saavuttaaksesi yleisen tekoälyn tämän vuosikymmenen aikana?

Ymmärtäminen ja vastaaminen suuriin filosofisiin ja tieteellisiin kysymyksiin, kuten:

• Mikä on elämä? Vastaus ei välttämättä ole yksinkertainen, sillä biologiset määritelmät ovat osoittautuneet ongelmallisiksi. Onko viruksilla “elämää”?
• Mikä on mieli?
• Mikä on älykkyys?
• Kuinka elämä syntyi joistakin perusaineista tiettyissä olosuhteissa? Kuinka voimme replikoida tämän?
• Kuinka ensimmäinen “mieli” syntyi? Mitkä ainekset ja olosuhteet mahdollistivat tämän?
• Kuinka toteutamme opimamme asioiden soveltamisen?
• Onko nykyinen teknologia riittävä toteuttamaan ratkaisumme? Jos ei, mitä meidän on keksittävä ja kehitettävä?
• Kuinka paljon aikaa ja henkilöstöä tarvitaan ratkaisujen toteuttamiseen?

SingularityNET pitää neuro-symbolista tekoälyä lupaavana ratkaisuna voittamaan nykyisen generatiivisen tekoälyn rajoitukset. Voitko selittää, mitä neuro-symbolinen tekoäly on ja miten SingularityNET aikoo hyödyntää tätä lähestymistapaa kiihdyttääkseen yleisen tekoälyn kehitystä?

Historiallisesti on ollut kaksi pääsuuntausta tekoälyntutkijoilla: sub-symbolinen ja symbolinen lähestymistapa. Nykyään sub-symbolinen lähestymistapa tarkoittaa pääasiassa syvän neuralverkkotekniikan (DNN) käyttöä, kuten Transformer-malleja ja suuria kielen mallivirtauksia (LLM). Symboliset tutkijat käyttävät korkeamman tason logiikkaa ja symbolista päättelyä, jossa solmut ja linkit on merkitty konseptuaalisella ja semanttisella merkityksellä. SingularityNET seuraa kolmatta lähestymistapaa, jota voidaan parhaiten kuvailla neuro-symboliseksi hybridiksi, joka hyödyntää symbolisten ja sub-symbolisten menetelmien vahvuuksia.

Mitä kehysrakenteita pitäisi olla kriittisiä varmistaaksesi, että tekoälyn kehitys hyödyttää koko ihmiskuntaa? Miten hajautetut tekoälyalustat kuten SingularityNET voivat edistää oikeudenmukaisempaa ja avoimempaa prosessia verrattuna keskitettyihin tekoälymalliin?

Idea on seuraava:

Läpinäkyvyys — Vaikka mikään ei ole täydellistä, täydellisen läpinäkyvyyden varmistaminen päätöksentekoprosessissa voi auttaa kaikkia osapuolia (tutkijoita, kehittäjiä, käyttäjiä ja ei-käyttäjiä) ymmärtämään ja ohjaamaan tekoälyn kehitystä ihmiskunnan hyväksi. Tämä on samankaltainen ongelma kuin harhat, josta puhun myöhemmin.

Hajautettu – Hajautettu lähestymistapa voi auttaa varmistamaan, että valta on jaettu laajemmin. Se ei itsessään ole ratkaisu, mutta se on työkalu, joka voi, jos käytetään oikein, luoda oikeudenmukaisempia prosesseja ja tuloksia.

Yksimielisyyspohjainen päätöksenteko – hajautettu lähestymistapa ja yksimielisyyspohjainen päätöksenteko voivat toimia yhdessä oikeudenmukkaampien prosessien ja tulosten saavuttamiseksi. Tämä ei kuitenkaan aina takaa oikeudenmukaisuutta. On myös monimutkaisuutta, jota on ratkottava mainittujen toivottujen ominaisuuksien suhteen. Esimerkiksi, miten voimme parhaiten tasapainottaa ristiriitaisia toivottuja ominaisuuksia? Pitäisi läpinäkyvyys, hajautettu lähestymistapa ja yksimielisyyspohjainen päätöksenteko vain kolmea tärkeää työkalua, joita voidaan käyttää tekoälyn kehityksen ohjaamiseen ihmiskunnan hyväksi.

SingularityNET on hajautettu tekoälyalusta. Miten näet blockchain-tekniikan ja yleisen tekoälyn leikkauskohdan kehittyvän, erityisesti turvallisuuden, hallinnon ja hajautetun valvonnan suhteen?

Blockchainilla on rooli tekoälyn hallinnassa, turvallisuudessa ja valvonnassa. Yksi blockchainin suurimmista vahvuuksista on sen kyky edistää läpinäkyvyyttä. Harhaisuuden ongelma on esimerkki tästä. Väitän, että jokainen henkilö ja jokainen tietojoukko on harhaista. Minulla on omat henkilökohtaiset harhaisuuteni, esimerkiksi siinä, mitä vaaditaan todella turvallisen, hyödyllisen ja myönteisen yleisen tekoälyn saavuttamiseksi. Nämä harhaisuudet ovat muodostuneet opiskeluistani ja taustastani, ja ne ohjaavat omaa työtäni.

Kuinka SingularityNETin työ hajautetuissa tekoälyekosysteemeissä edistää maailmanlaajuisia haasteiden ratkaisemista, kuten kestävyyttä, koulutusta ja työllisyyttä, erityisesti alueilla kuten Afrikassa, jossa sinulla on erityinen kiinnostus?

Kestävyys:

• Tehtävänä on soveltaa tekoälyä ja järjestelmämalleja monimutkaisten ekosysteemiongelmiin laajassa mittakaavassa.
• Seurata näitä ratkaisuja laajassa mittakaavassa.
• Käyttää blockchainia seuraamaan, jäljittämään ja vahvistamaan näitä ratkaisuja.
• Käyttää yhdistelmää tekoälyä, ekosysteemimalleja, hyperpaikallista dataa ja blockchainia, olemme keksineet täydellisiä ratkaisuja esimerkiksi Afrikan käsityökaivostoimintaan ja maataloushiilensidonnan laajamittaiseen toteuttamiseen.

Koulutus:

Koulutus on minulle erittäin tärkeää, erityisesti se tarjoaa mahdollisuuksia niille, joilla on rajoitteita maantieteellisesti, taloudellisesti tai aikataululla. On tärkeää:

• Parantaa saatavuutta kehittämällä hybridi-kursseja, jotta opiskelijat, joilla on maantieteellisiä, taloudellisia tai aikataulullisia rajoitteita, voivat osallistua.
• Edistää monimuotoisuutta ja osallistumista lisäämällä osallistumista tekoälyyn, blockchainiin ja muihin edistyneisiin teknologioihin.
• Luo kurssit, jotka yhdistävät akateemisen ja ammatillisen alan tietämystä.
• Tukea urakehitystä tarjoamalla taitoja ja sertifikaatteja, jotka ovat suoraan sovellettavissa työmarkkinoille.

Pitäisi ymmärtää, että sekä yleinen tekoäly että blockchain, ja niiden synergia, ovat kriittisiä rooleissa tämän tavoitteen saavuttamisessa “oppisopimuksesta mestaruuteen” -tyyppisissä ohjelmissa, jotka keskittyvät käytännön projektiin perustuvaan oppimiseen.

Työllisyys:

Edistämällä näitä neljää koulutuksellista tavoitetta, vaikuttaa siltä, että yleinen tekoäly, blockchain ja muut edistyneet teknologiat, yhdessä positiivisen yhteistyön kanssa opettajien ja oppijoiden välillä, voivat kannustaa ja synnyttää kokonaisia uusia teknologioita ja liiketoimintoja.

Mitä merkittäviä virstanpylväitä tai läpimurtoja tekoälyteknologiassa pitäisi olla välttämättömiä varmistaaksesi, että yleinen tekoäly kehittyy hyödylliseksi tavalla yhteiskunnalle?

• Kykyyn yhdistää emergoituvia ilmiöitä ihmisen tulkitseville tavoille useilla aikataajuilla.
• Kyky ymmärtää syvemmin “spontaaniin” faasiin siirtymisen perustavia käsitteitä.
• Kyky voittaa useita vaikeita ongelmia yksityiskohtaisella tasolla mahdollistaaksesi oikean moniprosessoinnin tilan yhdistymisen kautta.
• Läpinäkyvyys kaikissa vaiheissa.
• Hajautettu päätöksenteko, joka perustuu yksimielisyyden rakentamiseen.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla SingularityNET:ssä.