AGI-22 met en lumière les progrès réalisés dans le développement de l'intelligence artificielle générale

J'ai récemment assisté au 15^th conférence annuelle sur l'intelligence artificielle en général (AGI-22) qui s'est tenue à Seattle en août, dans le but de me familiariser avec les nouveaux développements qui pourraient conduire à la création éventuelle d'une Intelligence Artificielle Générale (AGI).

Une AGI est un type d'IA avancée qui peut se généraliser à plusieurs domaines et dont la portée n'est pas limitée. Des exemples d'IA étroite incluent un véhicule autonome, un chatbot, un robot d'échecs ou toute autre IA conçue dans un seul but. En comparaison, un AGI serait en mesure d'alterner de manière flexible entre l'un des domaines ci-dessus ou tout autre domaine d'expertise. Il s'agit d'un type d'IA spéculatif qui tirerait parti d'algorithmes naissants tels que transférer l'apprentissage, et l'apprentissage évolutif, tout en exploitant des algorithmes hérités tels que apprentissage par renforcement profond.

Lors de la conférence d'ouverture, Ben Goertzel, chercheur en IA, PDG et fondateur de SingularityNET, et chef de la Fondation OpenCog parlé de l'état de l'industrie. Il semblait enthousiasmé par l'orientation future d'AGI, déclarant que "nous sommes à des années plutôt qu'à des décennies". Cela placerait le lancement éventuel d'un AGI vers 2029, la même année que ray Kurzweil l'un des plus grands inventeurs, penseurs et futurologues du monde a prédit l'émergence d'une IA capable d'atteindre le niveau d'intelligence humaine.

La théorie veut qu'une fois ce type d'intelligence atteint, l'IA s'améliorerait immédiatement et continuellement pour dépasser rapidement l'intelligence humaine dans ce que l'on appelle la superintelligence.

Un autre orateur Charles J.Simon, le fondateur et PDG de L'IA du futur a déclaré dans une session distincte, "l'émergence de l'AGI sera progressive" et "l'AGI est inévitable et arrivera plus tôt que la plupart des gens ne le pensent, cela pourrait prendre quelques années".

Même ce sentiment haussier, il existe d'importants barrages routiers dans l'espace. Ben Goertzel a également reconnu que pour réaliser l'AGI, "nous avons besoin d'une infusion de nouvelles idées, pas seulement d'une mise à l'échelle des réseaux de neurones". C'est un sentiment partagé par Gary Marcus, connu pour avoir déclaré que "l'apprentissage en profondeur s'est heurté à un mur".

Certains des principaux défis liés à la création d'un AGI incluent la conception d'un système de récompenses qui peut faire évoluer l'intelligence de manière optimale. Le paradoxe de Moravec reflète le problème actuel avec la réalisation de l'AGI avec notre technologie actuelle. Ce paradoxe stipule que les adaptations intuitives pour un enfant d'un an, comme apprendre à marcher et simuler la réalité, sont beaucoup plus difficiles à programmer dans une IA que ce que les humains perçoivent comme difficile.

Pour les humains, c'est l'opposé polaire, maîtriser les échecs ou exécuter des formules mathématiques complexes peut nécessiter toute une vie pour être maîtrisé, mais ce sont deux tâches raisonnablement faciles pour les IA étroites.

L'une des solutions à ce paradoxe pourrait être l'apprentissage évolutif également connu sous le nom de algorithmes évolutionnaires. Cela permet essentiellement à une IA de rechercher des solutions complexes en imitant le processus d'évolution biologique.

Dans un Q & A séparé, Ben Goertzel a déclaré que "l'AGI n'est pas inévitable, mais elle est hautement probable". C'est la même conclusion à laquelle j'ai abouti, mais la frontière entre l'inévitabilité et la probabilité s'estompe.

Au cours de la conférence, de nombreux documents ont été présentés, l'un des documents notables qui a été discuté était Les foncteurs polynomiaux : une théorie générale de l'interaction par David Spivak du Topos Institute à Berkeley, CA et Nelson Niu de l'Université de Washington, à Seattle, WA. Cet article traite d'une catégorie mathématique appelée Poly qui pourrait influencer l'orientation future de l'IA en ce qui concerne les relations intimes avec les processus dynamiques, la prise de décision, le stockage et la transformation des données. Il reste à voir comment cela influencera la recherche sur l'IAG, mais cela pourrait être l'un des éléments manquants qui pourrait nous conduire à l'IAG.

Bien sûr, il y avait d'autres articles plus spéculatifs, comme l'indice de polyvalence-efficacité (VEI) : vers une définition complète du QI pour les agents AGI par Mohammadreza Alidoust. L'idée est de construire un manière alternative de mesurer le niveau d'intelligence des systèmes intelligents, un type de test de QI pour mesurer les agents AGI de manière informatique.

Deux sociétés notables qui pourraient faire des percées dans cette technologie sous-jacente sont OpenAI et DeepMind, qui étaient toutes deux remarquablement absentes. C'est peut-être par crainte qu'AGI ne soit pas prise au sérieux par la communauté de l'IA, mais ce sont les deux entreprises les plus susceptibles de faire la première percée dans ce domaine. Cela est d'autant plus vrai que La mission déclarée d'OpenAI est de mener des recherches fondamentales à long terme vers la création d'un AGI sûr.

Bien qu'il n'y ait eu aucune percée révolutionnaire majeure à révéler lors de la conférence, il est clair que l'IAG préoccupe de nombreux chercheurs et c'est quelque chose auquel la communauté de l'IA devrait accorder plus d'attention. Après tout, un AGI pourrait être la solution pour résoudre les multiples menaces existentielles qui pèsent sur l’humanité.