Evidenze AGI-22 sui progressi nello sviluppo dell’Intelligenza Artificiale Generale

Recentemente ho partecipato alla 15ª conferenza annuale sull’Intelligenza Artificiale Generale (AGI-22) che si è svolta a Seattle questo agosto, nel tentativo di familiarizzare con i nuovi sviluppi che potrebbero portare alla creazione di un’Intelligenza Artificiale Generale (AGI).

Un AGI è un tipo di intelligenza artificiale avanzata che può generalizzare su più domini e non è limitata a un’unica funzione. Esempi di intelligenza artificiale ristretta includono un veicolo autonomo, un chatbot, un bot di scacchi o qualsiasi altro AI progettato per uno scopo specifico. Un AGI, al contrario, sarebbe in grado di alternare flessibilmente tra qualsiasi delle suddette funzioni o qualsiasi altro campo di expertise. Si tratta di un tipo speculativo di AI che sfrutterebbe algoritmi nascenti come apprendimento trasferito e apprendimento evolutivo, sfruttando anche algoritmi legacy come apprendimento per rinforzo profondo.

Durante la sessione di apertura, Ben Goertzel, ricercatore di intelligenza artificiale, , CEO e fondatore di SingularityNET e leader della OpenCog Foundation ha parlato dello stato dell’industria. Sembra entusiasta del futuro dell’AGI, affermando che “siamo a pochi anni di distanza, non a decenni”. Ciò collocherebbe il lancio di un AGI intorno al 2029, lo stesso anno in cui Ray Kurzweil, uno dei principali inventori, pensatori e futuristi del mondo, ha famosamente previsto l’emergere di un’AI che raggiunge l’intelligenza umana.

La teoria è che una volta raggiunto questo tipo di intelligenza, l’AI si auto-migliorerebbe immediatamente e continuamente, superando rapidamente l’intelligenza umana in ciò che è noto come superintelligenza.

Un altro relatore, Charles J. Simon, fondatore e CEO di Future AI, ha affermato in una sessione separata: “L’emergere dell’AGI sarà graduale” e “L’AGI è inevitabile e arriverà prima di quanto pensano la maggior parte delle persone, potrebbe essere questione di un paio d’anni”.

Anche con questo sentimento ottimista, ci sono significative barriere nello spazio. Ben Goertzel ha anche riconosciuto che per raggiungere l’AGI, “abbiamo bisogno di un’infusione di nuove idee, non solo di scalare le reti neurali”. Questo è un sentimento condiviso da Gary Marcus, noto per aver affermato che “l’apprendimento profondo ha raggiunto un limite”.

Alcune delle sfide fondamentali per creare un AGI includono la definizione di un sistema di ricompense che possa scalare l’intelligenza in modo ottimale. Il paradosso di Moravec riflette il problema attuale nell’ottenere l’AGI con la nostra tecnologia attuale. Questo paradosso afferma che le adattabilità che sono intuitive per un bambino di un anno, come imparare a camminare e simulare la realtà, sono molto più difficili da programmare in un’AI di quanto non lo siano le cose che gli esseri umani percepiscono come difficili.

Per gli esseri umani è l’opposto, padroneggiare gli scacchi o eseguire formule matematiche complesse può richiedere una vita, eppure queste sono due attività relativamente facili per le AI ristrette.

Una delle soluzioni a questo paradosso potrebbe essere l’apprendimento evolutivo, noto anche come algoritmi evolutivi. Ciò consente essenzialmente a un’AI di cercare soluzioni complesse mimando il processo di evoluzione biologica.

In una sessione di domande e risposte separata, Ben Goertzel ha affermato che “l’AGI non è inevitabile, ma è altamente probabile”. Questa è la stessa conclusione che ho raggiunto, ma la linea tra inevitabilità e probabilità si confonde.

Durante la conferenza sono stati presentati molti documenti, uno dei documenti più notevoli discussi è stato Polynomial Functors: A General Theory of Interaction di David Spivak dell’Istituto Topos di Berkeley, CA e Nelson Niu dell’Università di Washington, a Seattle, WA. Questo documento discute una categoria matematica chiamata Poly che potrebbe influenzare la direzione futura dell’AI quando si tratta di relazioni intime con processi dinamici, processo decisionale e archiviazione e trasformazione dei dati. Rimane da vedere come questo influenzerà la ricerca sull’AGI, ma potrebbe essere uno dei componenti mancanti che potrebbero portarci all’AGI.

Certo, c’erano altri documenti più speculativi come l’Indice di Versatilità-Efficienza (VEI): Verso una Definizione Completa del QI per gli Agenti AGI di Mohammadreza Alidoust. L’idea è quella di costruire un modo alternativo per misurare il livello di intelligenza dei sistemi intelligenti, una sorta di test del QI per misurare gli agenti AGI in modo computazionale.

Due società note che potrebbero fare breccia in questa tecnologia sottostante sono OpenAI e DeepMind, entrambe assenti alla conferenza. Potrebbe essere per paura che l’AGI non sia preso seriamente dalla comunità dell’AI, ma sono le due società più probabili a fare la prima breccia in questo campo. Ciò è particolarmente vero dal momento che la missione dichiarata di OpenAI è quella di condurre ricerche fondamentali e a lungo termine per la creazione di un AGI sicuro.

Sebbene non ci siano stati grandi progressi rivoluzionari da rivelare alla conferenza, è chiaro che l’AGI sta preoccupando molti ricercatori e che è qualcosa a cui la comunità dell’AI dovrebbe prestare più attenzione. Dopo tutto, un AGI potrebbe essere la soluzione per risolvere le molteplici minacce esistenziali dell’umanità.