AGI
Charles Simon, Brain Simulator II์ ์ ์ – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
Charles Simon은 Brain Simulator II의 저자입니다. Brain Simulator II는 무료 오픈 소스 소프트웨어 프로젝트로, 종단간 인공 일반 지능(AGI) 시스템을 만들기 위한 동반자 책입니다.
원래 Brain Simulator 소프트웨어는 1988년에 출시되었는데, 소프트웨어 세계에서는 엄청난 시간입니다. Brain Simulator II는 전신보다 얼마나 큰 도약일까요?
오늘의 시스템은 원래보다 1백만 배 이상 빠릅니다. 원래 소프트웨어는 FORTRAN으로 작성되었으며, IBM AT 클론에서 실행되었으며, 1,200개의 뉴런을 지원하는 고정 배열을 가지고 있었으며, 약 1초에 2サイ클을 계산했습니다. 오늘의 프로그램은 네트워크에서 실행될 수 있으며, 강력한 데스크톱 CPU에서 1초에 25억개의 시냅스를 처리할 수 있습니다.
이 책은 Brain Simulator II에 관한 것으로, 종단간 인공 지능을 만들기 위한 오픈 소스 소프트웨어 프로젝트입니다. 이 소프트웨어를 실행하기 위해 어떤 종류의 코딩 경험을 필요로 하나요?
경험이 필요 없습니다. 프로그래머가 아니라면, Brain Simulator와 함께 시간을 보낼 수 있으며, 뉴런의 능력과 한계, 지식 표현에 대한 약간의 이해, 그리고 자신의 제한된 네트워크를 구축할 수 있습니다. 프로그래머라면, 더 심도 있는 기술적 설명을 따를 수 있으며, 시스템을 더 고급의 AGI 전략으로 확장하기 위한自己的 모듈을 구축할 수 있습니다.
인공 지능의 생물학적으로 영감을 받은 뿌리로 돌아가는 것이 AGI를 달성하는 데 왜 중요한가요?
1980년대에는 충분히 큰 신경망을 구축할 수만 있다면, 그것이 자발적으로 지능이 되는 것이라고 생각했습니다. 40년이 지난 지금, 이 시나리오는 점점 더 불가능해졌습니다. 따라서, 전통적인 AI 접근법이 AGI에 대해 효과적이지 않다면, 다른 접근법을 시도해 보아야 합니다. 그리고 우리가 가지고 있는 유일한 작동하는 AGI 모델은 인간의 뇌입니다.
동시에, 생물학적 타당성에 대한 완전한 순종은 필요 없습니다. 예를 들어, 우리의 뇌는 두 개의 눈으로 받은 이미지의 약간의 차이로 객체까지의 거리를 추정할 수 있습니다. 이것은 3D 영화의 기초입니다. 우리는 이것이 뇌에서 어떻게 작동하는지 모릅니다. 그래서, 나는 이 기능을 몇 줄의 삼각법을 사용하여 추정하는 모듈을 프로그래밍했습니다. 우리의 뇌가 이와 같은 방식으로 작동한다는 것은 확신할 수 없습니다. 그러나, 삼각법 접근법은 더 빠르고 정확할 것입니다.
책에서 AGI에는 로봇이 필요하다고 말합니다. 왜 이것이 इतन 중요한가요?
눈이 없는 사람에게 색상을 설명하거나, 귀가 없는 사람에게 음악을 설명하는 것을 생각해 보십시오. 잠재적인 AGI가 단지 컴퓨터上的 프로그램이라면, 3세 아이가 알고 있는 것들을 어떻게 이해할 수 있을까요? 아이는 관점을 가지고 있으며, 현실에 둘러싸여 있습니다. 아이는 객체가 현실에 존재하며, 많은 객체를 조작할 수 있다는 것을 알고 있습니다. 블록을 가지고 놀면서, 아이는 모양, 크기, 고형, 중력, 시각적 가리기, 거리 등에 대해 배우게 됩니다. 자율적인 운동, 시각, 조작기を持つ AGI는, 텍스트와 이미지 데이터에만 의존하는 프로그램보다 더 근본적인 수준에서 현실을 배우게 됩니다.
로봇 AGI가 객체에 대한 기본적인 이해를 얻은 후, 이러한 지식은 비로봇 사고 기계로 복제될 수 있으며, 이해는 지속될 것입니다. 시각이나 청각을 잃은 사람과는 달리, 이러한 감각을 처음부터 가지고 있지 않은 사람과는 다르게 말입니다.
Brain Simulator II의 중요한 측면 중 하나는 백프로파게이션을 사용하지 않는다는 것입니다. 이 방법론을 채택하지 않은 이유는 무엇인가요?
당신의 뇌는 백프로파게이션 없이 작동하므로, AGI는 백프로파게이션 없이 가능해야 합니다. 실제로, 백프로파게이션은 생물학적 모델과 근본적으로 호환되지 않습니다. 왜냐하면, 시냅스 가중치를相当한 정밀도로 감지하고 수정할 수 있어야 하기 때문입니다. Brain Simulator와 함께 시간을 보낸 후, 시냅스 가중치를 어느 정도의 정밀도로 설정하는 것이 매우 어렵고, 정확하게 감지하는 것은 불가능하다는 것을 알게 될 것입니다. 기본적인 문제는, 발화하는 뉴런이 시냅스 가중치를 수정하지만, 시냅스 가중치를 감지하는 방법이 없기 때문에, 시냅스 가중치를 감지하는 것은 수정할 수 없습니다.
백프로파게이션에는 생물학적 유사성이 없으며, 나는 그것을 매우 강력한 통계적 방법이라고 생각합니다. 많은 사람들이 이것을 사용하고 있으며, 일부는 우수한 결과를 얻었습니다. 내 지점은, 다른 접근법을 시도해 보는 것입니다. 스파이킹 뉴런과 플러그인 소프트웨어 모듈을 결합하여, 나는 AGI의 문제를 다른 관점에서 살펴보고 있습니다.
뇌를 조사하면 무질서와 무작위성이 나타납니다. 이것을 소프트웨어 시스템에 도입해야 真正한 AGI가 나타날 수 있나요?
그렇지 않습니다. 개별 뉴런과 시냅스의 기능은 결정론적이며, 트랜지스터도 마찬가지입니다. 뇌에서, 잡음 수준이 khá 높고, 정보 구성 요소가 명확한 순서에 있지 않기 때문에, 무작위성으로 보입니다. 그러나, 당신의 시각을 생각해 보십시오. 당신은 텍스트를 명확하게 읽을 수 있으며, 읽기 과정에는 무질서나 무작위성이 없습니다. 따라서, 우리의 시각 피질은相当히 신뢰할 수 있고 반복 가능하다고 결론지을 수 있습니다. 그러나, 조사하면, 다른 뇌 부분과 마찬가지로 무질서하게 보입니다. 따라서, 다른 뇌 부분도 시각 피질과 마찬가지로 신뢰할 수 있고 반복 가능하다고 생각합니다. 우리는 아직 뇌의 내부 언어를 읽을 수 없습니다.
Universal Knowledge Store (UKS)라는 개념을 도입합니다. 이것이 무엇이며, 왜 중요한가요?
로봇에 대한 질문으로 돌아가서, 일반 지능의 한 가지 측면은 다양한 감각으로부터의 지식을 통합하는 능력임을 알 수 있습니다. 당신은 블록에 대해 알고 있습니다. 왜냐하면, 그것을 볼 수 있고, 만질 수 있으며, 그것에 대한 단어를 들을 수 있기 때문입니다. 모든 이것은 블록에 대한 정보를 나타냅니다. 따라서, AGI가 유사한 능력을 가지기 위해서는, 다양한 정보와 유용한 관계를 만들 수 있는 일반적인 저장 메커니즘이 필요합니다. UKS는 매우 일반적인 방법으로 지식 그래프이므로, 어떠한 종류의 정보와 어떠한 종류의 관계도 다룰 수 있습니다.
UKS는 미로 응용 프로그램에 필요한 공간 정보와 목표를 달성하기 위한 미로를 통과하는 결정과 결과 트리를 저장할 수 있습니다. 동일한 구조는 단어를 색상과 연관시키는 데 사용됩니다. 이러한 일반성은 AGI에 근본적입니다.
AGI가 나타날 수 있는 시간적 지평은 무엇인가요?
말하기 어렵습니다. 이미 AGI에 필요한 하드웨어를 가지고 있으며, 단 하나의 돌파구만이 필요하며, 언제든지 나타날 수 있습니다. 그 돌파구를 설명해 보겠습니다.
만약, 당신이 알고 있는 것이 빨강은 색상이고, 파랑은 색상이라는 것뿐이라면, 나는 당신에게 색상을 몇 가지 이름을 묻을 수 있습니다. 그리고, 당신은 빨강과 파랑을 말할 수 있습니다. 질문은, AGI가 “is-a” 관계가 무엇인지 배우는 방법입니다. 나는 이러한 관계를 쉽게 프로그래밍할 수 있지만, 그러면, AGI는 새로운 관계를遇遇했을 때 배우지 못할 것입니다. 아이는 가까이/멀리, 더 크기/더 작기, 더 빠르기/더 느리기, 먼저/나중에, 전에/之后 등에 대한 관계를 배울 수 있습니다. 그러나, 이러한 관계는 크기, 거리, 시간 등보다 더 근본적인 개념에 의존합니다.
신경망 전체가 이러한 근본적인 것을 모두 배우는 방법은 무엇일까요? 이것은 로봇의 필요성과 연결됩니다. AGI는 거리에 대한 개념을 배우지 못할 것입니다. 왜냐하면, 그것은 어디로도 갈 수 없으며, 무엇을 잡을 수 없기 때문입니다. 이것은 또한, 보편적인 저장소의 필요성과 연결됩니다. AGI는 어디로 가는 것이 무엇을 의미하는지 이해할 수 있을까요? 가는 것은 상대적으로 간단합니다. 가는 것이 무엇을 의미하는지 이해하는 것은 훨씬 더 어렵습니다. 나는, 이러한 근본적인 질문들이 모두 동일한 근본적인 문제의 표현이라고 믿습니다. 그리고, 그 문제의 해결은 필요한 돌파구입니다.
많은 사람들이 이 질문에 대해 연구하지 않는 이유는, 진정한 성공의 경우, 3세 아이의 능력을 3년 후에, 10세 아이의 능력을 10년 후에 가지게 될 것이라는 것을 설명하는 프로젝트를 피칭하기 어렵기 때문입니다. 따라서, 해결은 아마도, 이러한 문제에 대한 시간과 에너지를 투자할 수 있는, 더 작은 독립적인 연구자로부터 나올 것입니다.
Brain Simulator II나 AGI에 대해 더 공유하고 싶은 것이 있나요?
신경망과 시냅스를 사용하여 이러한 근본적인 문제를 해결하는 회로를 설계할 때, 개념이 몇십개의 시냅스로 표현되는 것이 아니라, 몇십개의 뉴런으로 표현된다는 것을 알게 됩니다. 이것은, 뇌의 능력이 수십억개의 것들이 아니라, 수천만개의 것을 이해하는 것에 한계가 있음을 의미합니다. 그러므로, 1,000만개의 것을 이해할 수 있는 초기 AGI는, 이러한 근본적인 개념 중 일부를 이해할 수 있어야 합니다. 그리고, 1,000만개의 것을 표현하는 컴퓨터 시스템은, 오늘날의 하드웨어,甚至 데스크톱 컴퓨터의 범위 내에 있습니다.
Brain Simulator의 V1.0 릴리즈는 실제로 그것의 “성인식”입니다. 이제, 그것은 더 많은 연구자들에게 유용한, 다듬어진 사용자 인터페이스를 가지고 있습니다. 이것은 커뮤니티 프로젝트로, 개발 팀이 성장하고 있으며, 더 많은 최종 사용자가 있습니다. 함께, 우리는 새로운 아이디어를 시도하고, 지능과 AGI의 근본적인 질문들에 대한 진행을 하게 될 것입니다.
감사합니다. 항상 AGI에 대해 논의하는 것은 유익합니다. 더 많은 것을 배우고 싶은 독자는 Brain Simulator II 책을 읽어야 합니다.
