Što je umjetna opća inteligencija (AGI) i zašto još nije ovdje: Provjera stvarnosti za entuzijaste AI-ja

Umjetna inteligencija (AI) je posvuda. Od pametnih pomoćnika do self-vožnje automobila, AI sustavi transformiraju naše živote i poslovanje. Ali što ako postoji umjetna inteligencija koja može učiniti više od obavljanja specifičnih zadataka? Što ako postoji vrsta umjetne inteligencije koja može učiti i razmišljati kao čovjek ili čak nadmašiti ljudsku inteligenciju?

Ovo je vizija Umjetna opća inteligencija (AGI), hipotetski oblik umjetne inteligencije koji ima potencijal izvršiti bilo koji intelektualni zadatak koji ljudi mogu. AGI se često suprotstavlja Umjetna uska inteligencija (ANI), trenutačno stanje umjetne inteligencije koja može briljirati samo u jednoj ili nekoliko domena, kao što je igranje šaha ili prepoznavanje lica. AGI bi, s druge strane, imao sposobnost razumijevanja i razmišljanja u više domena, kao što su jezik, logika, kreativnost, zdrav razum i emocije.

AGI nije nov koncept. To je bila vizija vodilja istraživanja umjetne inteligencije od najranijih dana i ostaje njegova ideja koja izaziva najveće podjele. Neki entuzijasti AI vjeruju da je AGI neizbježan i neizbježan te da će dovesti do nove ere tehnološkog i društvenog napretka. Drugi su skeptičniji i oprezniji te upozoravaju na etičke i egzistencijalne rizike stvaranja i kontrole tako moćnog i nepredvidivog entiteta.

Ali koliko smo blizu postizanja AGI-ja i ima li uopće smisla pokušavati? Ovo je zapravo važno pitanje čiji bi odgovor mogao pružiti provjeru stvarnosti za AI entuzijaste koji žele svjedočiti eri nadljudske inteligencije.

Što je AGI i po čemu se razlikuje od umjetne inteligencije?

AGI se razlikuje od sadašnje umjetne inteligencije svojom sposobnošću obavljanja bilo kojeg intelektualnog zadatka koji ljudi mogu, ako ne i nadmašiti. Ova razlika je u smislu nekoliko ključnih značajki, uključujući:

• apstraktno mišljenje
• sposobnost generaliziranja iz konkretnih slučajeva
• crpeći iz različitih pozadinskih znanja
• korištenje zdravog razuma i svijesti za donošenje odluka
• razumijevanje uzročnosti, a ne samo korelacije
• učinkovitu komunikaciju i interakciju s ljudima i drugim subjektima.

Iako su te značajke vitalne za postizanje inteligencije slične ljudskoj ili nadljudske, i dalje ih je teško uhvatiti za trenutne AI sustave.

Trenutačna umjetna inteligencija uglavnom se oslanja na strojno učenje, granu računalne znanosti koja omogućuje strojevima da uče iz podataka i iskustava. Strojno učenje djeluje putem pod nadzorom, bez nadzorai učenje učvršćivanja.

Nadzirano učenje uključuje učenje strojeva iz označenih podataka za predviđanje ili klasificiranje novih podataka. Učenje bez nadzora uključuje pronalaženje uzoraka u neoznačenim podacima, dok se učenje s pojačanjem usredotočuje na učenje iz radnji i povratnih informacija, optimizaciju za nagrade ili minimiziranje troškova.

Unatoč postizanju izvanrednih rezultata u područjima kao što su računalni vid i obrada prirodnog jezika, trenutni AI sustavi ograničeni su kvalitetom i količinom podataka za obuku, unaprijed definiranim algoritmima i specifičnim ciljevima optimizacije. Često im je potrebna pomoć u prilagođavanju, osobito u novim situacijama, i više transparentnosti u objašnjavanju njihovih razmišljanja.

Nasuprot tome, zamišljeno je da AGI bude bez ovih ograničenja i da se ne oslanja na unaprijed definirane podatke, algoritme ili ciljeve, već umjesto toga na vlastite sposobnosti učenja i razmišljanja. Štoviše, AGI bi mogao steći i integrirati znanje iz različitih izvora i domena, neprimjetno ga primjenjujući na nove i raznolike zadatke. Nadalje, AGI bi briljirao u rasuđivanju, komunikaciji, razumijevanju i manipuliranju svijetom i sobom.

Koji su izazovi i pristupi postizanju AGI?

Realizacija AGI postavlja značajne izazove koji obuhvaćaju tehničke, konceptualne i etičke dimenzije.

Na primjer, definiranje i mjerenje inteligencije, uključujući komponente poput pamćenja, pažnje, kreativnosti i emocija, temeljna je prepreka. Osim toga, modeliranje i simulacija funkcija ljudskog mozga, kao što su percepcija, spoznaja i emocije, predstavljaju složene izazove.

Štoviše, kritični izazovi uključuju dizajniranje i implementaciju skalabilnih, generalizirajućih algoritama i arhitektura učenja i zaključivanja. Osiguravanje sigurnosti, pouzdanosti i odgovornosti AGI sustava u njihovoj interakciji s ljudima i drugim agensima te usklađivanje vrijednosti i ciljeva AGI sustava s onima društva također je od najveće važnosti.

U potrazi za AGI predloženi su i istraženi različiti istraživački pravci i paradigme, od kojih svaki ima prednosti i ograničenja. Simbolička AI, klasični pristup koji koristi logiku i simbole za predstavljanje znanja i manipulaciju, ističe se u apstraktnim i strukturiranim problemima poput matematike i šaha, ali mu je potrebna pomoć u skaliranju i integraciji senzornih i motoričkih podataka.

Isto tako, Konekcionistički AI, moderan pristup koji koristi neuronske mreže i duboko učenje za obradu velikih količina podataka, ističe se u složenim i bučnim domenama kao što su vid i jezik, ali mu je potrebna pomoć u tumačenju i generalizaciji.

Hibridni AI kombinira simboličku i povezničku umjetnu inteligenciju kako bi iskoristio svoje prednosti i prevladao slabosti, ciljajući na robusnije i svestranije sustave. Na sličan način, Evolucionarna AI koristi evolucijske algoritme i genetsko programiranje za razvoj AI sustava kroz prirodnu selekciju, tražeći nova i optimalna rješenja koja nisu ograničena ljudskim dizajnom.

Konačno, Neuromorfna AI koristi neuromorfni hardver i softver za oponašanje bioloških neuralnih sustava, s ciljem učinkovitijih i realističnijih modela mozga i omogućavanja prirodnih interakcija s ljudima i agentima.

Ovo nisu jedini pristupi AGI-ju, već neki od najistaknutijih i najperspektivnijih. Svaki pristup ima prednosti i nedostatke, a oni još uvijek moraju postići općenitost i inteligenciju koje zahtijeva AGI.

AGI Primjeri i primjene

Iako AGI još nije postignut, neki značajni primjeri AI sustava pokazuju određene aspekte ili značajke koje podsjećaju na AGI, pridonoseći viziji konačnog AGI postignuća. Ovi primjeri predstavljaju korake prema AGI-ju prikazujući specifične mogućnosti:

alphazero, koji je razvio DeepMind, sustav je učenja s pojačanjem koji samostalno uči igrati šah, shogi i Go bez ljudskog znanja ili vodstva. Pokazujući nadljudsku vještinu, AlphaZero također uvodi inovativne strategije koje izazivaju konvencionalnu mudrost.

Slično tome, OpenAI-a GPT-3 generira koherentne i raznolike tekstove o različitim temama i zadacima. Sposoban odgovarati na pitanja, sastavljati eseje i oponašati različite stilove pisanja, GPT-3 pokazuje svestranost, iako unutar određenih granica.

Isto tako, UREDAN, evolucijski algoritam koji su stvorili Kenneth Stanley i Risto Miikkulainen, razvija neuronske mreže za zadatke kao što su kontrola robota, igranje igrica i generiranje slika. Sposobnost NEAT-a da razvije mrežnu strukturu i funkciju proizvodi nova i složena rješenja koja nisu unaprijed definirana od strane ljudskih programera.

Iako ovi primjeri ilustriraju napredak prema AGI-u, oni također naglašavaju postojeća ograničenja i praznine koje zahtijevaju daljnje istraživanje i razvoj u potrazi za pravim AGI-jem.

AGI implikacije i rizici

AGI predstavlja znanstvene, tehnološke, društvene i etičke izazove s dubokim implikacijama. Ekonomski, može stvoriti prilike i poremetiti postojeća tržišta, potencijalno povećavajući nejednakost. Iako poboljšava obrazovanje i zdravlje, AGI može uvesti nove izazove i rizike.

Etički, moglo bi promicati nove norme, suradnju i empatiju te uvesti sukobe, natjecanje i okrutnost. AGI može dovesti u pitanje postojeća značenja i svrhe, proširiti znanje i redefinirati ljudsku prirodu i sudbinu. Stoga dionici moraju razmotriti te se pozabaviti ovim implikacijama i rizicima, uključujući istraživače, programere, kreatore politike, edukatore i građane.

Bottom Line

AGI stoji na čelu istraživanja umjetne inteligencije, obećavajući razinu intelekta koja nadilazi ljudske sposobnosti. Dok vizija osvaja entuzijaste, izazovi i dalje postoje u realizaciji ovog cilja. Trenutačna umjetna inteligencija, koja se ističe u određenim domenama, mora zadovoljiti AGI-jev ekspanzivni potencijal.

Brojni pristupi, od simboličke i konekcionističke AI do neuromorfnih modela, teže realizaciji AGI-ja. Značajni primjeri kao što su AlphaZero i GPT-3 pokazuju napredak, ali pravi AGI ostaje nedostižan. S ekonomskim, etičkim i egzistencijalnim implikacijama, putovanje u AGI zahtijeva kolektivnu pozornost i odgovorno istraživanje.