Sorotan AGI-22 tentang Kemajuan Pengembangan Kecerdasan Buatan Umum

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

AGI adalah jenis kecerdasan buatan lanjutan yang dapat digeneralisasi di berbagai domain dan tidak terbatas pada satu tujuan. Contoh kecerdasan buatan yang sempit termasuk kendaraan otonom, chatbot, bot catur, atau kecerdasan buatan lainnya yang dirancang untuk satu tujuan. AGI, di sisi lain, dapat berganti dengan fleksibel antara berbagai bidang atau keahlian. Ini terdiri dari jenis kecerdasan buatan spekulatif yang dapat memanfaatkan algoritma baru seperti pembelajaran transfer dan pembelajaran evolusioner, serta memanfaatkan algoritma legacy 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, menyatakan bahwa, “Kita hanya beberapa tahun lagi, bukan beberapa dekade lagi”. Ini akan menempatkan peluncuran AGI pada sekitar tahun 2029, tahun yang sama ketika Ray Kurzweil, salah satu penemu, pemikir, dan futuris terkemuka di 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 melewati kecerdasan manusia dalam apa yang dikenal sebagai superkecerdasan.

Penyaji lain, Charles J. Simon, Pendiri dan 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 dalam beberapa tahun”.

Meskipun dengan sentimen yang optimis, ada hambatan signifikan di lapangan. Ben Goertzel juga mengakui bahwa untuk mencapai AGI, “Kita membutuhkan infus ide baru, bukan hanya memperbesar jaringan neural”. Ini adalah sentimen yang telah dibagikan oleh Gary Marcus, yang terkenal karena menyatakan bahwa, “pembelajaran dalam telah mencapai titik jenuh”.

Beberapa tantangan inti dalam menciptakan AGI termasuk menemukan sistem penghargaan yang dapat meningkatkan kecerdasan dengan cara yang paling mendalam. 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 apa yang manusia anggap sulit.

Bagi manusia, ini adalah kebalikannya; menguasai catur atau menjalankan rumus matematika yang kompleks dapat membutuhkan seumur hidup untuk dikuasai, namun keduanya adalah tugas yang relatif mudah bagi kecerdasan buatan yang 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 tanya-jawab terpisah, Ben Goertzel menyatakan bahwa, “AGI tidaklah tidak terhindarkan, tetapi sangat mungkin”. Ini adalah kesimpulan yang sama yang saya capai, tetapi garis antara ketidakterhindaran dan kemungkinan menjadi kabur.

Selama konferensi, banyak makalah yang disajikan, salah satu makalah yang paling menonjol adalah Polinomial Fungsi: Teori Umum Interaksi oleh David Spivak dari Topos Institute di Berkeley, CA dan Nelson Niu dari University of Washington, di Seattle, WA. Makalah ini membahas kategori matematika yang disebut Poli yang mungkin mempengaruhi arah masa depan kecerdasan buatan dalam hal hubungan intim dengan proses dinamis, pengambilan keputusan, dan penyimpanan serta transformasi data. 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. Ideanya 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 ini adalah OpenAI dan DeepMind, keduanya yang secara menonjol tidak hadir. Ini mungkin karena takut bahwa AGI tidak dianggap serius oleh komunitas kecerdasan buatan, tetapi keduanya adalah perusahaan yang paling mungkin membuat terobosan pertama dalam bidang ini. Ini terutama benar karena misinya OpenAI yang dinyatakan adalah untuk melakukan penelitian dasar, jangka panjang untuk menciptakan AGI yang aman.

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