Sorotan AGI-22 Menyoroti Kemajuan dalam Mengembangkan Kecerdasan Buatan Umum

Saya baru-baru ini menghadiri konferensi tahunan ke-15 tentang Kecerdasan Buatan Umum (AGI-22) yang diadakan di Seattle bulan Agustus ini, dalam upaya untuk memahami perkembangan baru yang dapat mengarah pada penciptaan Kecerdasan Buatan Umum (AGI) yang akhirnya.

Sebuah AGI adalah jenis kecerdasan buatan canggih yang dapat menggeneralisasi di berbagai domain dan tidak sempit dalam cakupannya. Contoh kecerdasan buatan sempit termasuk kendaraan otonom, chatbot, bot catur, atau kecerdasan buatan lainnya yang dirancang untuk satu tujuan. Sebuah AGI dibandingkan dapat dengan fleksibel berganti antara salah satu dari atas atau bidang keahlian lainnya. Ini terdiri dari jenis kecerdasan buatan spekulatif yang akan memanfaatkan algoritma baru seperti pembelajaran transfer, dan pembelajaran evolusioner, serta memanfaatkan algoritma warisan seperti pembelajaran penguatan dalam.

Selama sesi keynote pembuka Ben Goertzel seorang peneliti AI , CEO dan pendiri SingularityNET, dan pemimpin OpenCog Foundation berbicara tentang keadaan industri. Ia tampaknya antusias tentang arah masa depan AGI dengan menyatakan bahwa, “Kita hanya beberapa tahun lagi, bukan beberapa dekade lagi”. Ini akan menempatkan peluncuran akhir AGI sekitar tahun 2029, tahun yang sama ketika Ray Kurzweil salah satu penemu, pemikir, dan futuris terkemuka dunia meramalkan munculnya kecerdasan buatan yang mencapai tingkat kecerdasan manusia.

Teorinya adalah bahwa sekali jenis kecerdasan ini tercapai, kecerdasan buatan akan segera dan terus-menerus memperbaiki diri untuk dengan cepat melampaui kecerdasan manusia dalam apa yang dikenal sebagai kecerdasan super.

Seorang pembicara lain Charles J. Simon, Pendiri & CEO Future AI menyatakan dalam sesi terpisah, “Munculnya AGI akan bertahap”, dan “AGI tidak dapat dihindari dan akan tiba lebih cepat dari yang dipikirkan banyak orang, mungkin hanya dalam beberapa tahun”.

Meskipun dengan sentimen yang bullish, ada hambatan signifikan di ruang angkasa. Ben Goertzel juga mengakui bahwa untuk mencapai AGI, “Kita membutuhkan suntikan ide baru, bukan hanya meningkatkan jaringan saraf”. Ini adalah sentimen yang telah dibagikan oleh Gary Marcus yang dikenal karena menyatakan bahwa, “pembelajaran dalam telah mencapai titik jenuh”.

Beberapa tantangan inti untuk menciptakan AGI termasuk menemukan sistem penghargaan yang dapat meningkatkan kecerdasan dengan cara yang paling menguntungkan. Paradoks Moravec mencerminkan masalah saat ini dengan mencapai AGI dengan teknologi kita saat ini. Paradoks ini menyatakan bahwa adaptasi yang intuitif bagi seorang anak berusia satu tahun seperti belajar berjalan, dan mensimulasikan kenyataan jauh lebih sulit untuk diprogram dalam kecerdasan buatan daripada yang dipercaya oleh manusia.

Untuk manusia, ini adalah kebalikannya, menguasai catur atau mengeksekusi rumus matematika kompleks dapat membutuhkan seumur hidup untuk dikuasai, namun ini adalah dua tugas yang cukup mudah untuk kecerdasan buatan sempit.

Salah satu solusi untuk paradoks ini mungkin adalah pembelajaran evolusioner juga dikenal sebagai algoritma evolusioner. Ini pada dasarnya memungkinkan kecerdasan buatan untuk mencari solusi kompleks dengan meniru proses evolusi biologis.

Dalam sesi Q & A terpisah, Ben Goertzel menyatakan bahwa, “AGI tidaklah tak terhindarkan, tetapi sangat mungkin”. Ini adalah kesimpulan yang sama yang telah saya capai, tetapi garis antara kepastian dan kemungkinan kabur.

Selama konferensi, ada banyak makalah yang disajikan, salah satu makalah yang paling menonjol yang dibahas adalah Polinomial Functors: Teori Umum Interaksi oleh David Spivak dari Topos Institute di Berkeley, CA dan Nelson Niu dari Universitas Washington, di Seattle, WA. Makalah ini membahas kategori matematika yang disebut Poly yang mungkin mempengaruhi arah masa depan kecerdasan buatan ketika datang ke hubungan intim dengan proses dinamis, pengambilan keputusan, dan penyimpanan dan transformasi data. Ini masih harus dilihat bagaimana ini akan mempengaruhi penelitian AGI, tetapi ini bisa menjadi salah satu komponen yang hilang yang dapat membawa kita ke AGI.

Tentu saja ada makalah lain yang lebih spekulatif seperti Versatility-Efficiency Index (VEI): Menuju Definisi Komprehensif IQ untuk Agen AGI oleh Mohammadreza Alidoust. Ide ini adalah untuk membangun cara alternatif untuk mengukur tingkat kecerdasan sistem cerdas, sebuah jenis tes IQ untuk mengukur agen AGI dengan cara komputasi.

Dua perusahaan yang paling menonjol yang mungkin membuat terobosan dalam teknologi dasar ini adalah OpenAI dan DeepMind, keduanya yang tidak hadir. Mungkin karena takut bahwa AGI tidak dianggap serius oleh komunitas kecerdasan buatan, tetapi mereka adalah dua perusahaan yang paling mungkin membuat terobosan pertama dalam bidang ini. Ini terutama benar karena misi OpenAI yang dinyatakan adalah untuk melakukan penelitian dasar, jangka panjang untuk menciptakan AGI yang aman.

Meskipun tidak ada terobosan revolusioner besar untuk diungkapkan pada konferensi, jelas bahwa AGI menduduki banyak peneliti dan ini adalah sesuatu yang komunitas kecerdasan buatan harus perhatikan lebih banyak. Setelah semua, AGI mungkin solusi untuk mengatasi ancaman eksistensial manusia yang beragam.