일반 인공 지능(AGI)이란 무엇이며 아직 존재하지 않는 이유: AI 애호가를 위한 현실 점검

인공 지능 (AI) 어디에나 있습니다. 스마트 비서부터 자가 운전 자동차, AI 시스템은 우리의 삶과 비즈니스를 변화시키고 있습니다. 하지만 특정 작업을 수행하는 것 이상의 일을 할 수 있는 AI가 있다면 어떨까요? 인간처럼 배우고 생각하거나 인간의 지능을 능가하는 AI가 있다면 어떨까요?

이것이 의 비전이다 인공일반지능(AGI), 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 잠재력을 가진 가상의 AI 형태입니다. AGI는 종종 다음과 대조됩니다. 인공 협소 지능(ANI), 체스를 두거나 얼굴을 인식하는 등 하나 또는 몇 가지 영역에서만 탁월할 수 있는 AI의 현재 상태입니다. 반면 AGI는 언어, 논리, 창의성, 상식, 감정 등 다양한 영역을 이해하고 추론할 수 있는 능력을 갖습니다.

AGI는 새로운 개념이 아닙니다. 이는 초창기부터 AI 연구의 지침 비전이었으며 여전히 가장 분열적인 아이디어로 남아 있습니다. 일부 AI 열광자들은 AGI가 불가피하고 임박했으며 새로운 기술 및 사회 발전 시대로 이어질 것이라고 믿습니다. 다른 사람들은 더욱 회의적이며 조심스럽고 강력하고 예측할 수 없는 실체를 만들고 통제하는 데 따른 윤리적, 실존적 위험에 대해 경고합니다.

하지만 AGI 달성에 얼마나 가까워졌나요? 그리고 시도하는 것이 타당할까요? 사실 이것은 초인적 지능의 시대를 목격하고 싶어하는 AI 애호가들에게 현실 점검을 제공할 수 있는 중요한 질문입니다.

무엇입니까GI AI와 어떻게 다릅니까?

AGI는 인간이 능가하지는 않더라도 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 능력에서 현재 AI와 차별화됩니다. 이러한 구별은 다음을 포함한 몇 가지 주요 기능 측면에서 나타납니다.

• 추상적 사고
• 특정 사례를 일반화하는 능력
• 다양한 배경지식을 바탕으로
• 의사결정을 위해 상식과 의식을 활용
• 단순한 상관관계가 아닌 인과관계를 이해
• 인간 및 기타 에이전트와의 효과적인 의사소통 및 상호작용.

이러한 기능은 인간과 유사하거나 초인적인 지능을 달성하는 데 필수적이지만 현재 AI 시스템에서는 캡처하기가 여전히 어렵습니다.

현재 AI는 기계가 데이터와 경험을 통해 학습할 수 있도록 하는 컴퓨터 과학의 한 분야인 기계 학습에 주로 의존합니다. 머신러닝은 다음을 통해 작동합니다. 감독, 감독되지 않은및 강화 학습.

지도 학습에는 레이블이 지정된 데이터로부터 기계 학습을 통해 새로운 데이터를 예측하거나 분류하는 작업이 포함됩니다. 비지도 학습에는 레이블이 지정되지 않은 데이터에서 패턴을 찾는 것이 포함되는 반면, 강화 학습은 행동과 피드백을 통한 학습, 보상 최적화 또는 비용 최소화에 중점을 둡니다.

등의 분야에서 놀라운 성과를 거두었음에도 불구하고 컴퓨터 비전 그리고 자연어 처리, 현재 AI 시스템은 훈련 데이터의 품질과 양, 사전 정의된 알고리즘 및 특정 최적화 목표에 의해 제한됩니다. 특히 새로운 상황에서 적응력과 추론을 설명하는 데 있어 더 많은 투명성에 대한 도움이 필요한 경우가 많습니다.

이와 대조적으로 AGI는 이러한 제한에서 자유롭고 미리 정의된 데이터, 알고리즘 또는 목표에 의존하지 않고 대신 자체 학습 및 사고 능력에 의존할 것으로 예상됩니다. 또한 AGI는 다양한 소스와 영역에서 지식을 획득하고 통합하여 새롭고 다양한 작업에 원활하게 적용할 수 있습니다. 더욱이 AGI는 세상과 그 자체를 추론하고, 의사소통하고, 이해하고, 조작하는 데 탁월합니다.

AGI 달성을 위한 과제와 접근 방식은 무엇입니까?

AGI를 실현하는 것은 기술적, 개념적, 윤리적 차원을 포괄하는 상당한 과제를 제기합니다.

예를 들어, 기억력, 주의력, 창의력, 감정과 같은 구성 요소를 포함한 지능을 정의하고 측정하는 것은 근본적인 장애물입니다. 또한 지각, 인지, 감정과 같은 인간 두뇌 기능을 모델링하고 시뮬레이션하는 것은 복잡한 과제를 제시합니다.

또한, 중요한 과제에는 확장 가능하고 일반화 가능한 학습 및 추론 알고리즘과 아키텍처를 설계하고 구현하는 것이 포함됩니다. 인간 및 기타 주체와의 상호 작용에서 AGI 시스템의 안전성, 신뢰성 및 책임성을 보장하고 AGI 시스템의 가치와 목표를 사회의 가치와 목표에 맞추는 것 또한 가장 중요합니다.

AGI를 추구하는 데 있어 다양한 연구 방향과 패러다임이 제안되고 탐구되어 왔지만 각각의 장점과 한계가 있습니다. 상징적 AI지식 표현 및 조작을 위해 논리와 기호를 사용하는 고전적인 접근 방식인 는 수학과 체스와 같은 추상적이고 구조화된 문제에 탁월하지만 감각 및 운동 데이터를 확장하고 통합하는 데 도움이 필요합니다.

마찬가지로, 연결주의자 AI대량의 데이터를 처리하기 위해 신경망과 딥 러닝을 사용하는 현대적인 접근 방식인 는 시각 및 언어와 같은 복잡하고 시끄러운 영역에서 탁월하지만 해석 및 일반화에 도움이 필요합니다.

하이브리드 AI 상징적 AI와 연결주의적 AI를 결합하여 강점을 활용하고 약점을 극복하여 보다 강력하고 다재다능한 시스템을 목표로 합니다. 비슷하게, E혁신적인 AI 진화 알고리즘과 유전 프로그래밍을 사용하여 자연 선택을 통해 AI 시스템을 발전시키고 인간 설계의 제약을 받지 않는 새롭고 최적의 솔루션을 찾습니다.

마지막으로, 뉴로모픽 AI 뉴로모픽 하드웨어 및 소프트웨어를 활용하여 생물학적 신경 시스템을 에뮬레이션하여 보다 효율적이고 현실적인 뇌 모델을 목표로 하고 인간 및 에이전트와의 자연스러운 상호 작용을 가능하게 합니다.

이는 AGI에 대한 유일한 접근 방식은 아니지만 가장 눈에 띄고 유망한 접근 방식 중 일부입니다. 각 접근 방식에는 장점과 단점이 있으며 여전히 AGI가 요구하는 일반성과 지능을 달성해야 합니다.

AGI 예시 및 응용

AGI는 아직 달성되지 않았지만, AI 시스템의 일부 주목할만한 사례는 AGI를 연상시키는 특정 측면이나 특징을 보여 최종 AGI 달성이라는 비전에 기여합니다. 다음 예는 특정 기능을 보여줌으로써 AGI를 향한 진전을 나타냅니다.

알파 제로딥마인드(DeepMind)가 개발한 강화학습 시스템은 인간의 지식이나 지도 없이 체스, 장기, 바둑을 자율적으로 학습하는 강화학습 시스템이다. 초인적인 능력을 입증하는 AlphaZero는 또한 기존 통념에 도전하는 혁신적인 전략을 선보입니다.

마찬가지로, OpenAI GPT-3는 다양한 주제와 작업에 걸쳐 일관되고 다양한 텍스트를 생성합니다. 질문에 답하고, 에세이를 작성하고, 다양한 작문 스타일을 흉내낼 수 있는 GPT-3는 특정 한계 내에서 다재다능함을 보여줍니다.

마찬가지로, 산뜻한케네스 스탠리와 리스토 미쿨라이넨이 개발한 진화 알고리즘인 NEAT는 로봇 제어, 게임 플레이, 이미지 생성 등의 작업을 위해 신경망을 진화시킵니다. NEAT는 네트워크 구조와 기능을 진화시키는 능력을 통해 인간 프로그래머가 미리 정의하지 못한 새롭고 복잡한 솔루션을 생성합니다.

이러한 사례는 AGI를 향한 진전을 보여주지만, 진정한 AGI를 추구하는 데 추가 탐색과 개발이 필요한 기존 한계와 격차도 강조합니다.

AGI 영향 및 위험

AGI는 심오한 의미를 지닌 과학적, 기술적, 사회적, 윤리적 과제를 제기합니다. 경제적으로는 기회를 창출하고 기존 시장을 혼란에 빠뜨려 잠재적으로 불평등을 증가시킬 수 있습니다. 교육과 건강을 개선하는 동시에 AGI는 새로운 도전과 위험을 가져올 수 있습니다.

윤리적으로는 새로운 규범, 협력, 공감을 촉진하고 갈등, 경쟁, 잔인함을 가져올 수 있습니다. AGI는 기존의 의미와 목적에 의문을 제기하고 지식을 확장하며 인간의 본성과 운명을 재정의할 수 있습니다. 따라서 연구자, 개발자, 정책 입안자, 교육자 및 시민을 포함한 이해관계자는 이러한 영향과 위험을 고려하고 해결해야 합니다.

히프 라인

AGI는 AI 연구의 최전선에 서서 인간의 능력을 능가하는 지능 수준을 약속합니다. 비전이 열정적인 사람들을 사로잡는 반면, 이 목표를 실현하는 데에는 여전히 어려움이 있습니다. 특정 영역에서 탁월한 성능을 발휘하는 현재 AI는 AGI의 광범위한 잠재력을 충족해야 합니다.

상징적이고 연결주의적인 AI부터 뉴로모픽 모델에 이르기까지 다양한 접근 방식이 AGI 실현을 위해 노력하고 있습니다. AlphaZero 및 GPT-3와 같은 주목할만한 사례는 발전을 보여주지만 진정한 AGI는 아직 파악하기 어렵습니다. 경제적, 윤리적, 실존적 의미를 지닌 AGI로의 여정에는 집단적인 관심과 책임감 있는 탐구가 필요합니다.