အမြန်ပြန်လာခြင်း၏ဥပဒေဟူသည် အဘယ်နည်း။ ၎င်းသည် AGI သို့မည်သို့ဦးတည်သနည်း။

Artificial General Intelligence (AGI) ကို Elon Musk ထွန်းကားဖို့ မျှော်လင့်နေချိန်မှာ မကြာသေးမီက အင်တာဗျူးတစ်ခုမှာ မေးမြန်းခဲ့ပါတယ်။ replied “၃ နှစ်မှ ၆ နှစ်”. Google ၏ DeepMind အမှုဆောင်အရာရှိချုပ် Demis Hassabis သည် ယခု AGI ဖြစ်သည်ဟု ယုံကြည်သည်။ "နှစ်အနည်းငယ်၊ ဆယ်စုနှစ်တစ်ခုအတွင်း ဖြစ်နိုင်တယ်” as ဖော်ပြထား မှာ Wall Street Journal ၏ Future of Everything ပွဲတော်။

AGI သည် ရာစုနှစ်တစ်ခုမဟုတ်ပါက မကြာခဏဆိုသလို ဆယ်စုနှစ်တစ်ခုကြာသည်ဟု ယုံကြည်သော AI လုပ်ငန်းနယ်ပယ်မှ ပညာရှင်အများစုနှင့် နှိုင်းယှဉ်လျှင် ဤကိန်းဂဏန်းများကို အကောင်းမြင်သည်ဟု ယူဆပါသည်။ ဤအဆိုးမြင်မှုအချို့သည် နောက်ဆုံးတွင် မှားကြောင်းသက်သေပြရန် အချိန်တိုတိုတစ်ခုသို့ ကျူးလွန်ရန် ကြောက်ရွံ့ခြင်းမှဖြစ်သည်။ 1956 ခုနှစ်တွင် Dartmouth Summer Research Project တွင် Artificial Intelligence ဟူသော အသုံးအနှုန်းကို စတင်ဖန်တီးခဲ့ပြီး လူသားကဲ့သို့ ဉာဏ်ရည်ဉာဏ်သွေးရှိသော စက်တစ်လုံးကို နယ်ပယ်တစ်ခုအဖြစ် စတင်ခဲ့သည်။ မျိုးဆက်တစ်ခုထက်မပိုပါဘူး။ (၉) နှစ်။

တခြားသူတွေဖြစ်တဲ့ Geoffrey Hinton လို့ သိကြပါတယ်။ AI ၏ ဖခင်အဖြစ် ရှိသည်။ အနည်းငယ်ပို သိမ်မွေ့သောအမြင်. “မကြာသေးမီအထိ၊ ကျွန်တော်တို့မှာ ယေဘူယျရည်ရွယ်ချက် AI မပေါ်မီ အနှစ် ၂၀ မှ ၅၀ အတွင်း ဖြစ်မယ်လို့ ကျွန်တော်ထင်ပါတယ်။ အခုဆို အနှစ် 20 လောက်တော့ ရှိမယ်ထင်တယ်။”

နက်ရှိုင်းသော အားဖြည့်သင်ကြားမှုဆိုင်ရာ အယ်လဂိုရီသမ်များ အရှိန်အဟုန်ဖြင့် ဖွံ့ဖြိုးတိုးတက်လာမှုကြောင့် လွန်ခဲ့သည့်နှစ်အနည်းငယ်အတွင်း AI လုပ်ငန်းသည် လျင်မြန်စွာ တိုးတက်လာခဲ့ပြီး၊ ကြီးမားသောဘာသာစကားမော်ဒယ်များ (LLMs)။

မည်သို့ပင်ဆိုစေကာမူ၊ ဤအောင်မြင်မှုများအားလုံးသည် chatbots နှင့် ဘာသာစကားဘာသာပြန်ခြင်းကဲ့သို့သော ကျဉ်းမြောင်းသော AI အပလီကေးရှင်းများဆီသို့သာ ဦးတည်သွားခဲ့သည်။ ၎င်းသည် လူသားတစ်ဦးနှင့် နှိုင်းယှဉ်နိုင်သော အဆင့်တစ်ဆင့်တွင် အလုပ်များစွာကို နားလည်ရန်၊ သင်ယူရန်နှင့် အသုံးချနိုင်သည့် စွမ်းရည်များ ပိုင်ဆိုင်သည့် AGI နှင့် နှိုင်းယှဉ်လျှင် ဥာဏ်ရည်တုအမျိုးအစားဖြစ်သည်။

လူများစွာအတွက် AGI နှင့် လွဲမှားနေသော လင့်ခ်သည် မရနိုင်ဟု ထင်ရသော်လည်း "The Law of Accelerating Returns" ဟုခေါ်သော ယုံကြည်သူအနည်းငယ်အတွက်၊ AGI တစ်ခုတည်ဆောက်ရန် မလွဲမသွေဖြစ်ပေသည်။

Returns of Accelerating Law ကို Ray Kurzweil၊ စာရေးဆရာ၊ တီထွင်သူနှင့် အနာဂတ်ပညာရှင်တို့ကလွဲ၍ အခြားမည်သူမျှ အယူအဆမရှိပေ။ သူသည် optical character recognition (OCR)၊ text-to-speech synthesis၊ speech recognition technology ကဲ့သို့သော နယ်ပယ်များတွင် ပါဝင်နေပြီး သူ၏ AI Book ကို ထုတ်ဝေပြီးနောက် Google မှ ငှားရမ်းခြင်းခံရသည်။ "စိတ်ကိုဘယ်လိုဖန်တီးမလဲ။"။ ဒီစာအုပ်က အမိုက်စားပါပဲ။ အဆုံးစွန်သော တွေးခေါ်မှုစက်ကို ဖန်တီးရန် ၎င်းကို ပြောင်းပြန်လှန်ရန် အင်ဂျင်နီယာချုပ်ရန် လူ့ဦးနှောက်ကို နားလည်ရန် လိုအပ်ပုံကို သရုပ်ဖော်သည်။ ဤစာအုပ်သည် AI ၏အနာဂတ်အတွက် အလွန်အရေးကြီးသောကြောင့် Eric Schmidt သည် Ray Kurzweil ကို ဤဟောပြောမှုစာအုပ်ကိုဖတ်ပြီးနောက် AI ပရောဂျက်များတွင်အလုပ်လုပ်ရန် ခေါ်ယူခဲ့သည်။ 

အသက်ဆိုင်ဆုံး Ray Kurzweil စာအုပ်သည် “အခြားမရှိ၊Singularity နီးလာပြီ“၂၀၀၅ ခုနှစ်မှာ ထုတ်ဝေပြီးကတည်းက သူ့ရဲ့ ခန့်မှန်းချက်တွေဟာ လွန်ခဲ့တဲ့ ဆယ်စုနှစ် 2005 ခုအတွင်း နည်းပညာတိုးတက်မှုကို ထင်ဟပ်စေခဲ့ပါတယ်။ အရေးအကြီးဆုံးကတော့ Ray Kurzweil က Elon Musk နဲ့ Elon Musk မျှဝေထားတဲ့ လတ်တလောထင်မြင်ချက်တွေနဲ့အညီ 2 မှာ AGI ကို အောင်မြင်နိုင်မယ်လို့ ခန့်မှန်းထားပါတယ်။ Demis Hassabi

ဆင့်ကဲပြောင်းလဲမှုစနစ် အမျိုးမျိုးတွင် (နည်းပညာများ ဖွံ့ဖြိုးတိုးတက်မှုတွင် အကန့်အသတ်မရှိ) ပြောင်းလဲမှုနှုန်းသည် အဆမတန် တိုးမြင့်လာသည်ဟု ဥပဒေက ထောက်ခံထားသည်။

နည်းပညာတိုးတက်မှု၏ အခြေအနေတွင်၊ နည်းပညာဆိုင်ရာ ဆန်းသစ်တီထွင်မှု အရှိန်အဟုန်သည် သူ့အလိုလို အရှိန်အဟုန်ဖြင့် အနာဂတ်တွင် နည်းပညာဆိုင်ရာ တိုးတက်မှု အရှိန်အဟုန်ဖြင့် ကျွန်ုပ်တို့ မျှော်လင့်နိုင်သည်ဟု ဆိုလိုပါသည်။ Ray Kurzweil မှ မျိုးဆက်သစ်နည်းပညာတစ်ခုစီသည် ယခင်တစ်ခုအပေါ်တွင် တည်ဆောက်ပြီး ဆန်းသစ်တီထွင်မှုဆိုင်ရာ အလားအလာများကို အဆနှုန်းဖြင့် တိုးမြှင့်ပေးကြောင်း စောဒကတက်သည်။

Generative AI မှ ဦးဆောင်လျက်ရှိသော အရှိန်မြှင့်နည်းပညာများ အရှိန်အဟုန်ဖြင့် ကြီးထွားလာခြင်းသည် ချစ်ပ်ထုတ်လုပ်ခြင်းနှင့် 3-D ပုံနှိပ်ခြင်းကဲ့သို့သော အခြားသောပေါင်းစပ်ပေါင်းစပ်နည်းပညာများဖြစ်သည့် အခြားသော လှိုင်းတံပိုးများကို တွန်းလှန်နိုင်စေမည်ဖြစ်သည်။ ဤပေါင်းစပ်မှုသည် AI အတွက် တည်ဆောက်ထားသမျှ အစွမ်းထက်ဆုံး အပလီကေးရှင်းတစ်ခု ဖြစ်လာစေရန်အတွက် ကိရိယာတစ်ခုဖြစ်သည်။

2001 ခုနှစ်တွင် Ray Kurzweil ဟောကိန်းထုတ် အောက်ပါ:

နည်းပညာ၏သမိုင်းကြောင်းကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် နည်းပညာဆိုင်ရာပြောင်းလဲမှုသည် အထွတ်အထိပ်ဖြစ်ပြီး သာမာန်သဘောရှိသော “အလိုလိုသိမြင်နိုင်သောမျဉ်းကြောင်း” အမြင်နှင့် ဆန့်ကျင်ကြောင်းပြသသည်။ ထို့ကြောင့် ကျွန်ုပ်တို့သည် ၂၁ ရာစုတွင် နှစ် ၁၀၀ တိုးတက်မှုကို တွေ့ကြုံခံစားရမည်မဟုတ်ပေ — ၎င်းသည် နှစ် ၂၀,၀၀၀ တိုးတက်မှု (ယနေ့နှုန်းဖြင့်) နှင့်တူလိမ့်မည်။ ချစ်ပ်အမြန်နှုန်းနှင့် ကုန်ကျစရိတ်သက်သာမှုကဲ့သို့သော “ပြန်များ” သည်လည်း အဆများစွာတိုးလာသည်။ exponential တိုးတက်မှုနှုန်းတွင် ထပ်ကိန်းကြီးထွားမှုပင် ရှိပါသည်။ ဆယ်စုနှစ်အနည်းငယ်အတွင်း စက်ဉာဏ်ရည်သည် လူသားဉာဏ်ရည်ကို ကျော်လွန်ကာ The Singularity သို့ ဦးတည်သွားစေသည် — နည်းပညာပြောင်းလဲမှုသည် အလွန်လျင်မြန်ပြီး လေးနက်သော လူ့သမိုင်းထည်တွင် ကွဲအက်မှုကို ကိုယ်စားပြုသည်။ သက်ရောက်မှုများတွင် ဇီဝဗေဒနှင့် ဇီဝဗေဒဆိုင်ရာ ဉာဏ်ရည်ဥာဏ်သွေးမဟုတ်သော ပေါင်းစပ်မှု၊ မသေနိုင်သော ဆော့ဖ်ဝဲလ်အခြေခံလူသားများနှင့် အလင်းအရှိန်ဖြင့် စကြဝဠာအတွင်း အပြင်ဘက်သို့ ချဲ့ထွင်သည့် အလွန်မြင့်မားသော ဉာဏ်ရည်အဆင့်များ ပါဝင်သည်။

ဒီနည်းပညာပေါက်ကွဲမှုကြောင့်ပါ။ Moore ရဲ့ဥပဒေ အရာ ပေးထားသော ချစ်ပ်တစ်ခုပေါ်ရှိ ထရန်စစ္စတာအရေအတွက်သည် နှစ်နှစ်လျှင် ခန့်မှန်းခြေ နှစ်ဆတိုးမည်ဟု ခန့်မှန်းထားသည်။ ဤအရာသည် အခြားသောနည်းပညာဆိုင်ရာ အောင်မြင်မှုများနှင့်အတူ ပေါင်းစပ်ထားသော အမြန်ပြန်လာခြင်းဆိုင်ရာ ဥပဒေသည် ရှင်သန်နေပြီဖြစ်ကြောင်း သက်သေပြနေသည်။ ဤသည်များမှာ Ray Kurzweil သည် လူသားမျိုးနွယ်၏ အနာဂတ်အတွက် ဘာကိုဆိုလိုသည်ကို လေ့လာသုံးသပ်ချက်

• Evolution သည် နောက်တစ်ဆင့်ကိုဖန်တီးရန်အတွက် ဆင့်ကဲတိုးတက်မှုအဆင့်တစ်ခုမှရရှိလာသော ပိုမိုစွမ်းရည်ရှိသောနည်းလမ်းများကို အသုံးပြုပြီး အပြုသဘောဆောင်သောတုံ့ပြန်ချက်များကို ကျင့်သုံးပါသည်။ ထို့ကြောင့်၊
• ဆင့်ကဲဖြစ်စဉ်တစ်ခု၏ တိုးတက်မှုနှုန်းသည် အချိန်နှင့်အမျှ အဆတိုးလာသည်။ အချိန်ကြာလာသည်နှင့်အမျှ၊ ဆင့်ကဲဖြစ်စဉ်တွင် ထည့်သွင်းထားသော သတင်းအချက်အလက်၏ “အစီအစဥ်” (ဆိုလိုသည်မှာ၊ ဆင့်ကဲဖြစ်စဉ်တွင် ရှင်သန်ခြင်းဖြစ်သည့် ရည်ရွယ်ချက်တစ်ခုနှင့် ကိုက်ညီမှုရှိ၊ သတင်းအချက်အလက်သည် မည်မျှကောင်းမွန်ကြောင်း တိုင်းတာမှု) တိုးလာပါသည်။
• အထက်ဖော်ပြပါ လေ့လာတွေ့ရှိချက်၏ ဆက်စပ်မှုမှာ ဆင့်ကဲဖြစ်စဉ်တစ်ခု၏ "ပြန်လာခြင်း" (ဥပမာ၊ အရှိန်၊ ကုန်ကျစရိတ်သက်သာမှု သို့မဟုတ် လုပ်ငန်းစဉ်တစ်ခု၏ စုစုပေါင်း "စွမ်းအား")သည် အချိန်နှင့်အမျှ အဆတိုးလာခြင်းဖြစ်သည်။
• အခြားသော အပြုသဘောဆောင်သော တုံ့ပြန်ချက် ကွင်းဆက်တွင်၊ သီးခြားဆင့်ကဲဖြစ်စဉ်တစ်ခု (ဥပမာ၊ တွက်ချက်ခြင်း) သည် ပိုမိုထိရောက်လာသည် (ဥပမာ၊ ကုန်ကျစရိတ်သက်သာသည်)၊ ပိုမိုကောင်းမွန်သော အရင်းအမြစ်များကို ထိုလုပ်ငန်းစဉ်၏ နောက်ထပ်တိုးတက်မှုဆီသို့ အသုံးချသွားပါသည်။ ၎င်းသည် ကိန်းဂဏန်းကြီးထွားမှု၏ ဒုတိယအဆင့်ကို ဖြစ်ပေါ်စေသည် (ဆိုလိုသည်မှာ ကိန်းဂဏန်းကြီးထွားမှုနှုန်း သူ့အလိုလို ကြီးထွားလာသည်)။
• ဇီဝဗေဒဆင့်ကဲဖြစ်စဉ်သည် ထိုသို့သော ဆင့်ကဲဖြစ်စဉ်တစ်ခုဖြစ်သည်။
• နည်းပညာဆင့်ကဲဖြစ်စဉ်သည် အခြားသော ဆင့်ကဲဖြစ်စဉ်တစ်ခုဖြစ်သည်။ အမှန်စင်စစ်၊ မျိုးစိတ်များကို ဖန်တီးသည့် ပထမဆုံးနည်းပညာ ပေါ်ပေါက်လာခြင်းသည် နည်းပညာ၏ ဆင့်ကဲဖြစ်စဉ်အသစ်ကို ဖြစ်ပေါ်စေပါသည်။ ထို့ကြောင့် နည်းပညာဆိုင်ရာ ဆင့်ကဲဖြစ်စဉ်သည် ကြီးထွားမှုနှင့် ဇီဝဗေဒဆိုင်ရာ ဆင့်ကဲဖြစ်စဉ်၏ တိုးတက်မှုတစ်ခုဖြစ်သည်။
• တိကျသော ပါရာဒိုင်းတစ်ခု (ပြဿနာတစ်ခုအား ဖြေရှင်းရန် နည်းလမ်း သို့မဟုတ် ချဉ်းကပ်နည်း၊ ဥပမာ၊ ပိုမိုအားကောင်းသော ကွန်ပျူတာများပြုလုပ်ရန် ချဉ်းကပ်မှုတစ်ခုအနေဖြင့် ပေါင်းစပ်ပတ်လမ်းတစ်ခုရှိ ထရန်စစ္စတာများကို ကျုံ့ခြင်း) ထိုသို့ဖြစ်လာသောအခါ၊ ပါရာဒိုင်းအပြောင်းအရွှေ့ (ဆိုလိုသည်မှာ ချဉ်းကပ်မှုတွင် အခြေခံပြောင်းလဲမှု) ဖြစ်ပေါ်ပြီး ကိန်းဂဏန်းတိုးတက်မှုကို ဆက်လက်လုပ်ဆောင်နိုင်စေသည်။

စာဖတ်သူများ ဖတ်သင့်ပါသည်။ Kurzweil ၏ဘလော့ဂ်ထို့နောက်တွင် ၎င်းတို့သည် ဤထပ်ကိန်းကြီးထွားမှု၏ သက်ရောက်မှုများနှင့် ဘလော့ဂ်ကို စတင်ထုတ်ဝေချိန်မှစ၍ ၎င်းတို့ ကိုယ်တိုင်တွေ့ကြုံခဲ့ရသည့်အရာများနှင့် ကိုက်ညီပုံနှင့် ကွာခြားပုံတို့ကို ပြန်လည်သုံးသပ်သင့်သည်။

Moore ၏ဥပဒေကဲ့သို့ ရေပန်းစားခြင်းမရှိသော်လည်း အရှိန်မြှင့်ပြန်လာခြင်းဆိုင်ရာဥပဒေသည် ကနဦးထုတ်ဝေခဲ့သည့်အတိုင်း ယနေ့ထိတိုင် ဆက်နွယ်နေဆဲဖြစ်သည်။