Բոլոր ժամանակների 6 լավագույն մեքենայական ուսուցման և AI գրքերը (մայիս 2024)

AI-ի աշխարհը կարող է վախեցնել տերմինաբանության և մեքենայական ուսուցման տարբեր ալգորիթմների շնորհիվ, որոնք առկա են: Մեքենայական ուսուցման վերաբերյալ ամենաառաջարկվող 50 գրքերից ավելի քան XNUMX կարդալուց հետո ես կազմել եմ պարտադիր կարդալու իմ անձնական ցուցակը:

Ընտրված գրքերը հիմնված են այն գաղափարների տեսակների վրա, որոնք ներկայացվում են, և որքանով են ներկայացված տարբեր հասկացություններ, ինչպիսիք են խորը ուսուցումը, ամրապնդման ուսուցումը և գենետիկական ալգորիթմները: Ամենակարևորն այն է, որ ցուցակը հիմնված է այն գրքերի վրա, որոնք լավագույնս հարթում են ապագայի ուղին ֆուտուրիստների և հետազոտողների համար՝ ապացուցելի պատասխանատու և բացատրելի AI կառուցելու ուղղությամբ:

#6: Ինչպես է AI-ն աշխատում. կախարդությունից մինչև գիտություն Ռոնալդ Թ. Քնյուսելի կողմից

«Ինչպես է AI-ն աշխատում» հակիրճ և հստակ գիրք է, որը նախատեսված է գծագրելու մեքենայական ուսուցման հիմնական հիմունքները: Այս գիրքը հեշտացնում է սովորելու մեքենայական ուսուցման հարուստ պատմության մասին՝ ճանապարհորդելով ժառանգական AI համակարգերի սկզբից մինչև ժամանակակից մեթոդոլոգիաների գալուստը:

Պատմությունը շերտավորված է՝ սկսած լավ հիմնավորված AI համակարգերից, ինչպիսիք են օժանդակ վեկտորային մեքենաները, որոշումների ծառերը և պատահական անտառները: Այս ավելի վաղ համակարգերը ճանապարհ հարթեցին բեկումնային առաջընթացների համար՝ հանգեցնելով ավելի բարդ մոտեցումների զարգացմանը, ինչպիսիք են նեյրոնային ցանցերը և կոնվոլյուցիոն նեյրոնային ցանցերը: Գիրքը քննարկում է Large Language Models-ի (LLMs) առաջարկած անհավանական հնարավորությունները, որոնք հանդիսանում են այսօրվա գերժամանակակից Generative AI-ի հզոր ուժը:

Հիմունքների ըմբռնումը, ինչպես օրինակ՝ աղմուկից պատկեր տեխնոլոգիան ինչպես կարող է կրկնօրինակել գոյություն ունեցող պատկերները և նույնիսկ նոր, աննախադեպ պատկերներ ստեղծել պատահական թվացող հուշումներից, կարևոր է այսօրվա պատկերի գեներատորներին մղող ուժերին հասկանալու համար: Այս գիրքը գեղեցիկ կերպով բացատրում է այս հիմնարար ասպեկտները՝ թույլ տալով ընթերցողներին հասկանալ պատկերների ստեղծման տեխնոլոգիաների բարդությունները և հիմքում ընկած մեխանիզմները:

Ռոն Քնեյսելը, հեղինակը, դրսևորում է գովելի ջանքեր՝ պարզաբանելու իր տեսակետները, թե ինչու են OpenAI-ի ChatGPT-ն և նրա LLM մոդելը նշանակում իսկական AI-ի սկիզբը: Նա մանրակրկիտ ներկայացնում է, թե ինչպես են տարբեր LLM-ները ցուցադրում առաջացող հատկություններ, որոնք կարող են ինտուիտիվ կերպով հասկանալ մտքի տեսությունը: Այս առաջացող հատկությունները, ըստ երևույթին, դառնում են ավելի ընդգծված և ազդեցիկ՝ ելնելով վերապատրաստման մոդելի չափից: Kneusel-ը քննարկում է, թե ինչպես է պարամետրերի ավելի մեծ քանակությունը սովորաբար հանգեցնում առավել հմուտ և հաջողակ LLM մոդելների՝ ապահովելով ավելի խորը պատկերացումներ այս մոդելների մասշտաբային դինամիկայի և արդյունավետության վերաբերյալ:

Այս գիրքը փարոս է նրանց համար, ովքեր ցանկանում են ավելին իմանալ արհեստական ​​ինտելեկտի աշխարհի մասին՝ առաջարկելով մանրամասն, բայց հասկանալի ակնարկ մեքենայական ուսուցման տեխնոլոգիաների էվոլյուցիոն հետագծի մասին՝ սկսած դրանց տարրական ձևերից մինչև այսօրվա առաջամարտիկ սուբյեկտները: Անկախ նրանից, թե դուք սկսնակ եք, թե ինչ-որ մեկը, ով զգալի տիրապետում է այս թեմային, «Ինչպես է AI-ն աշխատում» նախատեսված է ձեզ ապահովելու փոխակերպող տեխնոլոգիաների հստակ պատկերացում, որոնք շարունակում են ձևավորել մեր աշխարհը:

#5: Life 3.0 Մաքս Թեգմարկի կողմից

"Life 3.0” ունի հավակնոտ նպատակ, և դա է ուսումնասիրել հնարավորությունները, թե ինչպես ենք մենք ապագայում AI-ի հետ գոյակցելու: Արհեստական ​​ընդհանուր բանականությունը (AGI) դրա վերջնական և անխուսափելի հետևանքն է հետախուզական պայթյունի փաստարկ Բրիտանացի մաթեմատիկոս Իրվինգ Գուդի կողմից 1965թ. Հետախուզության պայթյունի հայտնի մեջբերումը հետևյալն է.

«Թող ուլտրաինտելեկտուալ մեքենան սահմանվի որպես մեքենա, որը կարող է գերազանցել ցանկացած մարդու ինտելեկտուալ գործունեությանը, որքան էլ խելացի լինի: Քանի որ մեքենաների նախագծումը այս ինտելեկտուալ գործողություններից մեկն է, ծայրահեղ խելացի մեքենան կարող է ավելի լավ մեքենաներ նախագծել. Այդ դեպքում, անկասկած, տեղի կունենար «հետախուզական պայթյուն», և մարդու խելքը շատ հետ կմնա: Այսպիսով, առաջին գերխելացի մեքենան վերջին գյուտն է, որը մարդը երբևէ պետք է անի»:

Մաքս Թեգմարքը գիրքը ներկայացնում է տեսական ապագայի՝ ապրելու մի աշխարհում, որը վերահսկվում է AGI-ի կողմից: Այս պահից սկսած հնչում են պայթյունավտանգ հարցեր, ինչպիսիք են՝ ի՞նչ է բանականությունը: Ի՞նչ է հիշողությունը: Ի՞նչ է հաշվարկը: իսկ ի՞նչ է սովորելը: Ինչպե՞ս են այս հարցերն ու հնարավոր պատասխանները ի վերջո հանգեցնում մեքենայի պարադիգմին, որը կարող է օգտագործել տարբեր տեսակի մեքենայական ուսուցում՝ հասնելու ինքնակատարելագործման բեկումներին, որոնք անհրաժեշտ են մարդկային մակարդակի ինտելեկտին հասնելու համար և արդյունքում առաջացող անխուսափելի գերհետախուզությանը:

Սրանք առաջադեմ մտածողության և կարևոր հարցերն են, որոնք ուսումնասիրում է Life 3.0-ը: Life 1.0-ը կյանքի պարզ ձևեր է, ինչպիսիք են բակտերիաները, որոնք կարող են փոխվել միայն էվոլյուցիայի միջոցով, որը փոփոխում է իր ԴՆԹ-ն: Life 2.0-ը կյանքի ձևեր են, որոնք կարող են վերանախագծել իրենց սեփական ծրագրաշարը, օրինակ՝ նոր լեզու կամ հմտություն սովորելը: Life 3.0-ը արհեստական ​​ինտելեկտ է, որը կարող է ոչ միայն փոփոխել իր վարքագիծն ու հմտությունները, այլև կարող է փոփոխել իր սեփական սարքաշարը, օրինակ՝ բարելավելով իր ռոբոտային ինքնությունը:

Միայն այն ժամանակ, երբ մենք հասկանանք AGI-ի օգուտներն ու թակարդները, կարող ենք այնուհետև սկսել տարբերակների վերանայումը, որպեսզի համոզվենք, որ մենք կառուցում ենք բարեկամական AI, որը կարող է համապատասխանեցնել մեր նպատակներին: Դա անելու համար գուցե անհրաժեշտ լինի նաև հասկանալ, թե ինչ է գիտակցությունը: Իսկ ինչո՞վ է տարբերվելու AI գիտակցությունը մեր գիտակցությունից:

Կան բազմաթիվ թեժ թեմաներ, որոնք ուսումնասիրված են այս գրքում, և այն պետք է պարտադիր լինի յուրաքանչյուրի համար, ով իսկապես ցանկանում է հասկանալ, թե ինչպես է AGI-ն պոտենցիալ վտանգ, ինչպես նաև պոտենցիալ փրկություն մարդկության քաղաքակրթության ապագայի համար:

#4: Մարդկանց համատեղելի. Արհեստական ​​ինտելեկտը և վերահսկման խնդիրը Ստյուարտ Ռասելի կողմից

Ի՞նչ կլինի, եթե մեզ հաջողվի կառուցել խելացի գործակալ, մի բան, որն ընկալում է, գործում է և ավելի խելացի է, քան իր ստեղծողները: Ինչպե՞ս ենք մենք համոզելու մեքենաներին հասնել մեր նպատակներին իրենց նպատակների փոխարեն:

Վերոնշյալն այն է, ինչը հանգեցնում է գրքի ամենակարևոր հասկացություններից մեկին.Մարդկանց համատեղելի. Արհեստական ​​ինտելեկտը և վերահսկման խնդիրը», այն է, որ մենք պետք է խուսափենք «մեքենայի մեջ նպատակ դնելուց», ինչպես մի անգամ ասել է Նորբերտ Վիները: Խելացի մեքենան, որը չափազանց վստահ է իր ֆիքսված նպատակներին, վտանգավոր AI-ի վերջնական տեսակն է: Այլ կերպ ասած, եթե AI-ն չի ցանկանում դիտարկել այն հավանականությունը, որ նա սխալ է իր նախապես ծրագրավորված նպատակն ու գործառույթը կատարելիս, ապա կարող է անհնարին լինել AI համակարգը ինքն իրեն անջատելը:

Ստյուարտ Ռասելի ուրվագծած դժվարությունը AI/ռոբոտին հրահանգելն է, որ ոչ մի հրահանգ չի նախատեսվում ցանկացած գնով հասնել: Ճիշտ չէ մարդկային կյանքը զոհաբերել սուրճ բերելու համար, կամ կատվին խորովել՝ ճաշ մատակարարելու համար: Պետք է հասկանալ, որ «ինձ հնարավորինս արագ տարեք օդանավակայան», չի նշանակում, որ արագության մասին օրենքները կարող են խախտվել, նույնիսկ եթե այս հրահանգը հստակ չէ: Եթե ​​AI-ն սխալ ստանա վերը նշվածը, ապա ձախողման անվտանգությունը անորոշության որոշակի նախապես ծրագրավորված մակարդակ է: Որոշ անորոշության պայմաններում AI-ն կարող է մարտահրավեր նետել իրեն՝ նախքան առաջադրանքը կատարելը, միգուցե բանավոր հաստատում փնտրելու համար:

1965թ.Շահարկումներ առաջին գերհետախուզական մեքենայի վերաբերյալ«Այ Ջեյ Գուդը, փայլուն մաթեմատիկոս, ով աշխատել է Ալան Թյուրինգի կողքին, ասել է. «Մարդու գոյատևումը կախված է ծայրահեղ խելացի մեքենայի վաղ կառուցումից»: Միանգամայն հնարավոր է, որ մեզ էկոլոգիական, կենսաբանական և հումանիտար աղետից փրկելու համար մենք պետք է կառուցենք ամենաառաջադեմ արհեստական ​​ինտելեկտը, որը կարող ենք:

Այս հիմնական հոդվածը բացատրում է հետախուզական պայթյունը, այս տեսությունն այն է, որ ծայրահեղ խելացի մեքենան կարող է նախագծել նույնիսկ ավելի լավ և բարձրակարգ մեքենաներ յուրաքանչյուր կրկնությամբ, և դա անխուսափելիորեն հանգեցնում է AGI-ի ստեղծմանը: Թեև AGI-ն ի սկզբանե կարող է ունենալ նույն բանականությունը, որքան մարդուն, այն կարճ ժամանակում արագորեն կգերազանցի մարդկանց: Այս կանխորոշված ​​եզրակացության պատճառով AI մշակողների համար կարևոր է ակտուալացնել հիմնական սկզբունքները, որոնք կիսվում են այս գրքում և սովորել, թե ինչպես անվտանգ կիրառել դրանք AI համակարգերի նախագծման մեջ, որոնք ունակ են ոչ միայն ծառայել մարդկանց, այլև փրկել մարդկանց իրենցից: .

Ինչպես ընդգծեց Ստյուարտ Ռասելը, AI հետազոտությունից նահանջելը տարբերակ չէ, մենք պետք է առաջ շարժվենք: Այս գիրքը ճանապարհային քարտեզ է, որը կառաջնորդի մեզ դեպի անվտանգ, պատասխանատու և ապացուցելիորեն շահավետ AI համակարգերի նախագծում:

#3: Ինչպես ստեղծել միտք Ռեյ Կուրցվեյլի կողմից

Ռեյ Կուրցվեյլն է աշխարհի առաջատար գյուտարարներից, մտածողներից և ֆուտուրիստներից մեկը, նա կոչվում է The Wall Street Journal-ի «անհանգիստ հանճարը» և Forbes ամսագրի «վերջնական մտածողության մեքենան»: Նա նաև Singularity University-ի համահիմնադիրն է, և նա առավել հայտնի է իր «The Singularity is Near» բեկումնային գրքով: «Ինչպես ստեղծել միտք«Ավելի քիչ է անդրադառնում էքսպոնենցիալ աճի հետ կապված խնդիրներին, որոնք նրա մյուս աշխատանքների բնորոշ գծերն են, փոխարենը կենտրոնանում է այն բանի վրա, թե ինչպես պետք է հասկանանք մարդու ուղեղը, որպեսզի այն հակադարձ նախագծենք՝ ստեղծելու վերջնական մտածող մեքենա:

Այս հիմնական աշխատության մեջ ուրվագծված հիմնական սկզբունքներից մեկն այն է, թե ինչպես է աշխատում օրինաչափությունների ճանաչումը մարդու ուղեղում: Ինչպե՞ս են մարդիկ ճանաչում առօրյա կյանքի օրինաչափությունները: Ինչպե՞ս են այդ կապերը ձևավորվում ուղեղում: Գիրքը սկսվում է հիերարխիկ մտածողության ըմբռնմամբ, սա կառուցվածքի ըմբռնումն է, որը բաղկացած է տարբեր տարրերից, որոնք դասավորված են օրինաչափության մեջ, այնուհետև այս դասավորությունը ներկայացնում է այնպիսի խորհրդանիշ, ինչպիսին է տառը կամ նիշը, և այնուհետև այն դասավորվում է ավելի առաջադեմ ձևով: ինչպիսին է բառը և, ի վերջո, նախադասությունը: Ի վերջո, այս օրինաչափությունները ձևավորում են գաղափարներ, և այդ գաղափարները վերածվում են այն ապրանքների, որոնց կառուցման համար պատասխանատու են մարդիկ:

Քանի որ դա Ռեյ Կուրցվեյլի գիրքն է, իհարկե, երկար ժամանակ չի պահանջվում էքսպոնենցիոնալ մտածողության ներդրումից: «Արագացված վերադարձի օրենքը«Այս կարևոր գրքի առանձնահատկությունն է: Այս օրենքը ցույց է տալիս, թե ինչպես են տեխնոլոգիաները և արագացման տեմպերը արագանում՝ պայմանավորված առաջընթացների՝ իրենցից սնվելու միտումով, ինչը հետագայում մեծացնում է առաջընթացի տեմպերը: Այնուհետև այս մտածողությունը կարող է կիրառվել այն բանի համար, թե որքան արագ ենք մենք սովորում հասկանալ և փոխել մարդկային ուղեղը: Մարդու ուղեղում օրինաչափությունների ճանաչման համակարգերի այս արագացված ըմբռնումը կարող է օգտագործվել AGI համակարգի կառուցման համար:

Այս գիրքն այնքան փոխակերպիչ էր AI-ի ապագայի համար, որ Էրիկ Շմիդտը հավաքագրեց Ռեյ Կուրցվեյլին՝ աշխատելու արհեստական ​​ինտելեկտի նախագծերի վրա այն բանից հետո, երբ նա ավարտեց այս կարևոր գիրքը կարդալը: Անհնար է ուրվագծել բոլոր գաղափարներն ու հասկացությունները, որոնք քննարկվում են կարճ հոդվածում, այնուամենայնիվ, այն գործիք է, որը պետք է կարդալ գիրքը՝ ավելի լավ հասկանալու համար, թե ինչպես են աշխատում մարդկային նեյրոնային ցանցերը՝ զարգացած նախագծման համար: արհեստական ​​նյարդային ցանց.

Կաղապարների ճանաչումը խորը ուսուցման հիմնական տարրն է, և այս գիրքը ցույց է տալիս, թե ինչու:

#2: Վարպետ Ալգորիթմ Պեդրո Դոմինգոսի կողմից

-ի կենտրոնական վարկածը Վարպետ Ալգորիթմ այն է, որ ողջ գիտելիքը՝ անցյալը, ներկան և ապագան, կարող է ստացվել տվյալներից մեկ, ունիվերսալ ուսուցման ալգորիթմի միջոցով, որը քանակականացված է որպես հիմնական ալգորիթմ: Գիրքը մանրամասնում է մեքենայական ուսուցման լավագույն մեթոդոլոգիաներից մի քանիսը, այն տալիս է մանրամասն բացատրություններ, թե ինչպես են աշխատում տարբեր ալգորիթմները, ինչպես կարող են դրանք օպտիմալացվել և ինչպես կարող են համատեղ աշխատել Master ալգորիթմի ստեղծման վերջնական նպատակին հասնելու ուղղությամբ: Սա ալգորիթմ է, որն ի վիճակի է լուծել ցանկացած խնդիր, որը մենք կերակրում ենք նրան, և դա ներառում է քաղցկեղի բուժումը:

Ընթերցողը կսկսի տեղեկանալով Միամիտ Բայես, պարզ ալգորիթմ, որը կարելի է բացատրել մեկ պարզ հավասարմամբ։ Այնտեղից այն արագացնում է ամբողջ արագությունը դեպի ավելի հետաքրքիր մեքենայական ուսուցման տեխնիկա: Որպեսզի հասկանանք տեխնոլոգիաները, որոնք մեզ արագացնում են դեպի այս վարպետ ալգորիթմը, մենք սովորում ենք համընկնող հիմունքների մասին: Նախ, նյարդաբանությունից մենք սովորում ենք ուղեղի պլաստիկության, մարդու նյարդային ցանցերի մասին: Երկրորդ, դասի ընթացքում մենք անցնում ենք բնական ընտրությանը, որպեսզի հասկանանք, թե ինչպես նախագծել գենետիկական ալգորիթմ, որը մոդելավորում է էվոլյուցիան և բնական ընտրությունը: Գենետիկական ալգորիթմով յուրաքանչյուր սերնդի վարկածների պոպուլյացիան խաչվում և մուտացիայի է ենթարկվում, որտեղից ամենապիտանի ալգորիթմները արտադրում են հաջորդ սերունդը: Այս էվոլյուցիան առաջարկում է ինքնակատարելագործման վերջնական տարբերակը:

Այլ փաստարկները գալիս են ֆիզիկայից, վիճակագրությունից և, իհարկե, համակարգչային գիտության լավագույններից: Անհնար է համակողմանիորեն վերանայել այս գիրքը շոշափող բոլոր տարբեր կողմերը, քանի որ գրքերի հավակնոտ շրջանակը շարադրում է հիմնական ալգորիթմի կառուցման շրջանակը: Հենց այս շրջանակն է այս գիրքը մղել երկրորդ տեղը, քանի որ մեքենայական ուսուցման մյուս բոլոր գրքերը հիմնված են դրա վրա ինչ-որ ձևով կամ ձևով:

#1: Հազար ուղեղ Ջեֆ Հոքինսի կողմից

"Հազար ուղեղ«հիմնված է այն հասկացությունների վրա, որոնք քննարկվել են Ջեֆ Հոքինսի «Հետախուզության մասին» վերնագրով նախորդ գրքում: «On Intelligence»-ն ուսումնասիրել է շրջանակը՝ հասկանալու, թե ինչպես է աշխատում մարդու հետախուզությունը, և ինչպես կարող են այդ հասկացությունները հետագայում կիրառվել AI և AGI համակարգերի կառուցման համար: Այն հիմնովին վերլուծում է, թե ինչպես է մեր ուղեղը կանխատեսում այն, ինչ մենք կզգանք նախքան դրա փորձը:

Թեև «Հազար ուղեղը» հիանալի ինքնուրույն գիրք է, այն լավագույնս կվայելվի և գնահատվի, եթե «Հետախուզության մասին«Առաջինը կարդացվում է.

«Հազար ուղեղը» հիմնված է Ջեֆ Հոքինսի և նրա հիմնադրած ընկերության վերջին հետազոտության վրա. Նումենտա. Numenta-ն ունի առաջնային նպատակ՝ զարգացնել տեսություն այն մասին, թե ինչպես է աշխատում նեոկորտեքսը, երկրորդական նպատակն այն է, թե ինչպես կարող է ուղեղի այս տեսությունը կիրառվել մեքենայական ուսուցման և մեքենայական ինտելեկտի վրա:

2010 թվականին Numenta-ի առաջին խոշոր հայտնագործությունը ներառում է, թե ինչպես են նեյրոնները կանխատեսումներ անում, իսկ 2016 թվականին տեղի ունեցած երկրորդ հայտնագործությունը ներառում էր նեոկորտեքսի քարտեզի նման հղման շրջանակներ: Գիրքը նախ և առաջ մանրամասնում է, թե ինչ է իրենից ներկայացնում «Հազար ուղեղի տեսությունը», որոնք են հղման շրջանակները և ինչպես է այդ տեսությունն աշխատում իրական աշխարհում: Այս տեսության հիմքում ընկած ամենահիմնարար բաղադրիչներից մեկը հասկանալն է, թե ինչպես է նեոկորտեքսը զարգացել մինչև իր ներկայիս չափը:

Նեոկորտեքսը սկսվեց փոքրից՝ նման այլ կաթնասունների, բայց այն երկրաչափորեն մեծացավ (սահմանափակվելով միայն ծննդաբերական ջրանցքի չափերով) ոչ թե նոր բան ստեղծելով, այլ մի քանի անգամ կրկնօրինակելով հիմնական շղթան: Ըստ էության, մարդուն տարբերում է ոչ թե ուղեղի օրգանական նյութը, այլ նույնական տարրերի կրկնօրինակների քանակը, որոնք կազմում են նեոկորտեքսը:

Տեսությունը հետագայում զարգանում է, թե ինչպես է ձևավորվում նեոկորտեքսը մոտավորապես 150,000 կեղևային սյուներով, որոնք տեսանելի չեն մանրադիտակի տակ, քանի որ դրանց միջև տեսանելի սահմաններ չկան: Ինչպես են այս կեղևային սյուները շփվում միմյանց միջև, հիմնարար ալգորիթմի իրականացումն է, որը պատասխանատու է ընկալման և բանականության բոլոր ասպեկտների համար:

Ավելի կարևոր է, որ գիրքը բացահայտում է, թե ինչպես կարող է այս տեսությունը կիրառվել խելացի մեքենաներ կառուցելու համար, և ապագա հնարավոր հետևանքները հասարակության համար: Օրինակ՝ ուղեղը սովորում է աշխարհի մոդելը՝ դիտարկելով, թե ինչպես են ներածականները փոխվում ժամանակի ընթացքում, հատկապես երբ կիրառվում է շարժումը: Կեղևային սյուները պահանջում են հղման շրջանակ, որը ամրագրված է օբյեկտի վրա, այս հղման շրջանակները թույլ են տալիս կեղևային սյունակին սովորել օբյեկտի իրականությունը սահմանող հատկանիշների գտնվելու վայրը: Ըստ էության, տեղեկատու շրջանակները կարող են կազմակերպել ցանկացած տեսակի գիտելիք: Սա հանգեցնում է այս կարևոր գրքի ամենակարևոր մասին, արդյոք հղման շրջանակները կարող են լինել կենսական բացակայող օղակը ավելի առաջադեմ AI կամ նույնիսկ AGI համակարգ կառուցելու համար: Ինքը՝ Ջեֆը, հավատում է անխուսափելի ապագային, երբ AGI-ն կսովորի աշխարհի մոդելները՝ օգտագործելով քարտեզի նման տեղեկատու շրջանակներ, որոնք նման են նեոկորտեքսին, և նա ուշագրավ աշխատանք է կատարում՝ ցույց տալով, թե ինչու է նա հավատում դրան: