Artificial General Intelligence (AGI) ဆိုတာ ဘာလဲ ၊ ဘာကြောင့် အခုထိ မရသေးတာလဲ : AI ဝါသနာရှင်များအတွက် လက်တွေ့စစ်ဆေးခြင်း

Artificial Intelligence (AI) ကို နေရာတိုင်းတွင်ရှိသည်။ စမတ်လက်ထောက်များမှ Self-ကားမောင်းကားများAI စနစ်များသည် ကျွန်ုပ်တို့၏ဘဝများနှင့် လုပ်ငန်းများကို ပြောင်းလဲစေသည်။ ဒါပေမယ့် တိကျတဲ့အလုပ်တွေကို လုပ်ဆောင်တာထက် ပိုလုပ်နိုင်တဲ့ AI ရှိရင်ကော။ လူသားကဲ့သို့ သင်ယူနိုင်ပြီး တွေးခေါ်နိုင်သော AI အမျိုးအစားတစ်ခု သို့မဟုတ် လူသားဉာဏ်ရည်ကိုပင် ကျော်လွန်နိုင်လျှင်ကော။

ဒါက ရူပါရုံပဲ။ Artificial General Intelligence (AGI)၊ လူသားများလုပ်ဆောင်နိုင်သည့် မည်သည့်ဉာဏ်ပညာကိုမဆို ပြီးမြောက်အောင်မြင်ရန် အလားအလာရှိသည့် AI ၏ စိတ်ကူးစိတ်သန်းပုံစံတစ်ခုဖြစ်သည်။ AGI နှင့် မကြာခဏ ကွာခြားသည်။ Artificial Narrow Intelligence (ANI)စစ်တုရင်ကစားခြင်း သို့မဟုတ် မျက်နှာများကို မှတ်မိခြင်းကဲ့သို့သော ဒိုမိန်းတစ်ခု သို့မဟုတ် အနည်းငယ်တွင်သာ ထူးချွန်နိုင်သည့် AI ၏ လက်ရှိအခြေအနေ။ အခြားတစ်ဖက်တွင်မူ AGI သည် ဘာသာစကား၊ ယုတ္တိဗေဒ၊ တီထွင်ဖန်တီးနိုင်မှု၊ သာမာန်အသိနှင့် စိတ်ခံစားမှုကဲ့သို့သော နယ်ပယ်များစွာတွင် နားလည်နိုင်စွမ်းရှိပြီး ကျိုးကြောင်းဆင်ခြင်နိုင်စွမ်းရှိမည်ဖြစ်သည်။

AGI သည် အယူအဆအသစ်မဟုတ်ပါ။ ၎င်းသည် အစောဆုံးနေ့ရက်များကတည်းက AI သုတေသန၏ လမ်းညွှန်ရူပါရုံဖြစ်ပြီး ၎င်း၏အကွဲလွဲဆုံးသော အယူအဆအဖြစ် ကျန်ရှိနေဆဲဖြစ်သည်။ အချို့သော AI ဝါသနာရှင်များသည် AGI သည် မလွှဲမရှောင်သာဖြစ်ပြီး နီးကပ်လာကာ နည်းပညာနှင့် လူမှုရေးတိုးတက်မှုခေတ်သစ်ဆီသို့ ဦးတည်လိမ့်မည်ဟု ယုံကြည်ကြသည်။ အခြားသူများမှာ ပိုမိုသံသယဝင်ပြီး သတိကြီးစွာထားပြီး ထိုကဲ့သို့သော အင်အားကြီးပြီး မှန်းလို့မရနိုင်သော အရာတစ်ခုကို ဖန်တီးခြင်းနှင့် ထိန်းချုပ်ခြင်း၏ ကျင့်ဝတ်နှင့် ဖြစ်တည်မှုဆိုင်ရာ အန္တရာယ်များကို သတိပေးသည်။

သို့သော် AGI အောင်မြင်ရန် ကျွန်ုပ်တို့ မည်မျှနီးကပ်နေသနည်း၊ ကြိုးစားရန်ပင် အဓိပ္ပာယ်ရှိပါသလော။ တကယ်တော့ ဒီမေးခွန်းဟာ လူသိရှင်ကြား ဉာဏ်ရည်ထက်မြက်တဲ့ ခေတ်ကို သက်သေပြလိုတဲ့ AI ဝါသနာရှင်တွေအတွက် လက်တွေ့စစ်ဆေးချက်ပေးနိုင်တဲ့ အရေးကြီးတဲ့ မေးခွန်းတစ်ခုပါ။

ဘာလဲGI AI နဲ့ ဘယ်လိုကွာခြားလဲ။

AGI သည် ၎င်းတို့ကို မကျော်လွန်ပါက လူသားများ လုပ်ဆောင်နိုင်သည့် ဉာဏ်ရည်ဉာဏ်သွေးဖြင့် လုပ်ဆောင်နိုင်သည့် စွမ်းရည်ဖြင့် လက်ရှိ AI နှင့် ကင်းကွာပါသည်။ ဤခြားနားချက်သည် အောက်ပါတို့အပါအဝင် အဓိကအင်္ဂါရပ်များစွာ၏ စည်းကမ်းချက်များဖြစ်သည်။

• အတွေးအမြင်
• သီးခြားဖြစ်ရပ်များမှ ယေဘုယျဖော်ပြနိုင်မှု
• မတူကွဲပြားသော နောက်ခံဗဟုသုတများမှ ထုတ်ယူသည်။
• ဆုံးဖြတ်ချက်ချရန်အတွက် ဆင်ခြင်ဥာဏ်နှင့် အသိဥာဏ်ကို အသုံးချပါ။
• ဆက်စပ်မှုသက်သက်ထက် အကြောင်းရင်းကို နားလည်ပါ။
• လူသားများနှင့် အခြားသော အေးဂျင့်များနှင့် ထိရောက်သော ဆက်သွယ်မှု၊

ဤအင်္ဂါရပ်များသည် လူသားနှင့်တူသော သို့မဟုတ် သာလွန်လူသားဉာဏ်ရည်ကို ရရှိရန်အတွက် အရေးကြီးသော်လည်း ၎င်းတို့သည် လက်ရှိ AI စနစ်များအတွက် ဖမ်းယူရန် ခက်ခဲနေဆဲဖြစ်သည်။

လက်ရှိ AI သည် စက်များကို ဒေတာနှင့် အတွေ့အကြုံများမှ သင်ယူနိုင်စေသည့် ကွန်ပြူတာသိပ္ပံဌာနခွဲတစ်ခုဖြစ်သည့် machine learning ပေါ်တွင် အများစုအားကိုးနေပါသည်။ Machine learning ကတဆင့် လုပ်ဆောင်ပါတယ်။ ကြီးကြပ်, ကြီးကြပ်မှုမရှိနှင့် အားဖြည့်သင်ယူမှု.

ကြီးကြပ်သင်ကြားမှုတွင် ဒေတာအသစ်များကို ခန့်မှန်းရန် သို့မဟုတ် အမျိုးအစားခွဲရန် အညွှန်းတပ်ထားသော ဒေတာမှ စက်များကို သင်ယူခြင်းပါဝင်သည်။ ကြီးကြပ်မှုမရှိသော သင်ယူမှုတွင် လုပ်ဆောင်ချက်များနှင့် အကြံပြုချက်မှ သင်ယူမှု၊ ဆုလာဘ်များ အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ခြင်း သို့မဟုတ် ကုန်ကျစရိတ်များကို လျှော့ချရန် သို့မဟုတ် ကုန်ကျစရိတ်များကို လျှော့ချခြင်းအတွက် အားဖြည့်သင်ကြားရေးစင်တာများ တွင် အညွှန်းမပါသော ဒေတာပုံစံများကို ရှာဖွေခြင်းတွင် ပါဝင်ပါသည်။

ထူးထူးခြားခြား ရလဒ်များ ရရှိနေသော်လည်း ကြိုက်သည့် နယ်ပယ်များ ကွန်ပျူတာရူပါရုံကို နှင့် သဘာဝဘာသာစကားအပြောင်းအလဲနဲ့လက်ရှိ AI စနစ်များသည် လေ့ကျင့်ရေးဒေတာ အရည်အသွေးနှင့် အရေအတွက်၊ ကြိုတင်သတ်မှတ်ထားသော အယ်လဂိုရီသမ်များနှင့် တိကျသော ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း ရည်ရွယ်ချက်များဖြင့် ကန့်သတ်ထားသည်။ အထူးသဖြင့် ဆန်းသစ်သောအခြေအနေများတွင် လိုက်လျောညီထွေရှိစေရန်နှင့် ၎င်းတို့၏ ကျိုးကြောင်းဆင်ခြင်မှုကို ရှင်းပြရာတွင် ပိုမိုပွင့်လင်းမြင်သာမှုရှိရန် အကူအညီလိုအပ်လေ့ရှိသည်။

ဆန့်ကျင်ဘက်အနေနှင့်၊ AGI သည် ဤကန့်သတ်ချက်များမှ ကင်းစင်ရန် မျှော်မှန်းထားပြီး ကြိုတင်သတ်မှတ်ထားသော ဒေတာ၊ အယ်လဂိုရီသမ်များ သို့မဟုတ် ရည်မှန်းချက်များအပေါ်တွင် အားမကိုးဘဲ ၎င်း၏ကိုယ်ပိုင် သင်ယူမှုနှင့် တွေးခေါ်နိုင်မှုအပေါ် မှီခိုနေမည်ဖြစ်သည်။ ထို့အပြင် AGI သည် မတူကွဲပြားသော ရင်းမြစ်များနှင့် ဒိုမိန်းများမှ အသိပညာကို ရယူပြီး ပေါင်းစပ်နိုင်ကာ ၎င်းကို အသစ်နှင့် ကွဲပြားသော လုပ်ငန်းဆောင်တာများတွင် ချောမွေ့စွာ အသုံးချနိုင်သည်။ ထို့အပြင် AGI သည် ကျိုးကြောင်းဆင်ခြင်ခြင်း၊ ဆက်သွယ်ရေး၊ နားလည်မှု၊ နှင့် ကမ္ဘာနှင့် သူ့ကိုယ်သူ လှည့်စားခြင်းတွင် ထူးချွန်သည်။

AGI အောင်မြင်ရန် စိန်ခေါ်မှုများနှင့် ချဉ်းကပ်မှုများကား အဘယ်နည်း။

AGI ကို သဘောပေါက်ခြင်းသည် နည်းပညာ၊ အယူအဆနှင့် ကျင့်ဝတ်ဆိုင်ရာ အတိုင်းအတာများပါ၀င်သော စိန်ခေါ်မှုများစွာကို ဖြစ်ပေါ်စေပါသည်။

ဥပမာအားဖြင့်၊ မှတ်ဉာဏ်၊ အာရုံစူးစိုက်မှု၊ တီထွင်ဖန်တီးမှုနှင့် စိတ်ခံစားမှုကဲ့သို့သော အစိတ်အပိုင်းများအပါအဝင် ဉာဏ်ရည်ကို သတ်မှတ်ခြင်းနှင့် တိုင်းတာခြင်းသည် အခြေခံအတားအဆီးတစ်ခုဖြစ်သည်။ ထို့အပြင်၊ ခံယူချက်၊ သိမြင်မှုနှင့် စိတ်ခံစားမှုကဲ့သို့သော လူ့ဦးနှောက်၏ လုပ်ဆောင်ချက်များကို စံနမူနာပြုခြင်းနှင့် အတုယူခြင်းတို့သည် ရှုပ်ထွေးသောစိန်ခေါ်မှုများကို ရှိနေပါသည်။

ထို့အပြင်၊ အရေးပါသောစိန်ခေါ်မှုများတွင် အရွယ်ရောက်နိုင်သော၊ ယေဘူယျရနိုင်သော သင်ယူမှုနှင့် ကျိုးကြောင်းဆင်ခြင်နိုင်သော အယ်လဂိုရီသမ်များနှင့် ဗိသုကာလက်ရာများကို ဒီဇိုင်းရေးဆွဲခြင်းနှင့် အကောင်အထည်ဖော်ခြင်းတို့ ပါဝင်သည်။ လူသားများနှင့် အခြားအေးဂျင့်များနှင့် ၎င်းတို့၏ အပြန်အလှန်တုံ့ပြန်မှုများတွင် AGI စနစ်များ၏ ဘေးကင်းမှု၊ ယုံကြည်စိတ်ချရမှုနှင့် တာဝန်ခံမှုတို့ကို အာမခံပြီး လူ့အဖွဲ့အစည်း၏ AGI စနစ်များ၏ တန်ဖိုးများနှင့် ပန်းတိုင်များကို ချိန်ညှိခြင်းသည်လည်း အရေးအကြီးဆုံးဖြစ်သည်။

အမျိုးမျိုးသော သုတေသနလမ်းညွှန်ချက်များနှင့် ပါရာဒိုင်းများကို AGI ၏ လိုက်စားမှုတွင် အားသာချက်များနှင့် ကန့်သတ်ချက်များပါရှိကာ တစ်ခုစီတွင် စူးစမ်းလေ့လာခဲ့သည်။ သင်္ကေတ AIအသိပညာကို ကိုယ်စားပြုခြင်းနှင့် ခြယ်လှယ်ခြင်းအတွက် ယုတ္တိဗေဒနှင့် သင်္ကေတများကို အသုံးပြုထားသော ရှေးရိုးချဉ်းကပ်မှုတစ်ခု၊ သင်္ချာနှင့် စစ်တုရင်ကဲ့သို့သော စိတ္တဇနှင့်ဖွဲ့စည်းပုံဆိုင်ရာ ပြဿနာများတွင် ထူးချွန်သော်လည်း အာရုံခံနှင့် မော်တာဒေတာကို အတိုင်းအတာနှင့် ပေါင်းစပ်ရာတွင် အကူအညီလိုအပ်ပါသည်။

အလားတူပင် Connectionist AIအာရုံကြောကွန်ရက်များကို အသုံးပြုကာ ဒေတာအများအပြားကို နက်ရှိုင်းစွာလုပ်ဆောင်ရန် ခေတ်မီချဉ်းကပ်မှုတစ်ခု၊ အမြင်နှင့်ဘာသာစကားကဲ့သို့ ရှုပ်ထွေးပြီး ဆူညံသောဒိုမိန်းများတွင် ထူးချွန်သော်လည်း စကားပြန်နှင့် ယေဘုယျအဓိပ္ပာယ်ဖွင့်ဆိုရန် အကူအညီလိုအပ်ပါသည်။

Hybrid AI ပိုမိုကြံ့ခိုင်ပြီး စွယ်စုံသုံးစနစ်များအတွက် ရည်ရွယ်ပြီး ၎င်း၏အားသာချက်များကို မြှင့်တင်ကာ အားနည်းချက်များကို ကျော်လွှားနိုင်ရန် သင်္ကေတနှင့် ချိတ်ဆက်မှုရှိသော AI ကို ပေါင်းစပ်ထားသည်။ ဒီလိုပါပဲ။, Eစေတနာ AI သဘာဝရွေးချယ်မှုမှတစ်ဆင့် AI စနစ်များကို ဆင့်ကဲပြောင်းလဲရန်အတွက် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အယ်လဂိုရီသမ်များနှင့် မျိုးရိုးဗီဇပရိုဂရမ်များကို အသုံးပြုကာ လူသားဒီဇိုင်းဖြင့် အတားအဆီးမရှိ ဆန်းသစ်ပြီး အကောင်းဆုံးဖြေရှင်းချက်များကို ရှာဖွေလျက်ရှိသည်။

နောက်ဆုံးအနေနဲ့, Neuromorphic AI ပိုမိုထိရောက်ပြီး လက်တွေ့ဆန်သော ဦးနှောက်ပုံစံများရရှိစေရန်နှင့် လူသားများနှင့် အေးဂျင့်များနှင့် သဘာဝအတိုင်း အပြန်အလှန်တုံ့ပြန်မှုများ ပြုလုပ်နိုင်ရန် ရည်ရွယ်၍ ဇီဝအာရုံကြောစနစ်များကို အတုယူရန် neuromorphic ဟာ့ဒ်ဝဲနှင့် ဆော့ဖ်ဝဲကို အသုံးပြုပါသည်။

ဤအရာများသည် AGI အတွက် တစ်ခုတည်းသော ချဉ်းကပ်မှုများမဟုတ်သော်လည်း အထင်ရှားဆုံးနှင့် အလားအလာအကောင်းဆုံးများဖြစ်သည်။ ချဉ်းကပ်မှုတစ်ခုစီတွင် အားသာချက်များနှင့် အားနည်းချက်များရှိပြီး ၎င်းတို့သည် AGI လိုအပ်သည့် ယေဘူယျနှင့် ဉာဏ်ရည်ဉာဏ်သွေးကို ရရှိရန် လိုအပ်နေသေးသည်။

agi နမူနာများနှင့် အသုံးချမှုများ

AGI မအောင်မြင်သေးသော်လည်း၊ အချို့သော AI စနစ်များ၏ ထင်ရှားသောဥပမာများသည် AGI ၏အမှတ်တရအသွင်အပြင်များ သို့မဟုတ် AGI ကိုအမှတ်ရစေသောအင်္ဂါရပ်များကိုပြသထားပြီး နောက်ဆုံးတွင် AGI အောင်မြင်မှု၏ရူပါရုံကိုပံ့ပိုးပေးပါသည်။ ဤဥပမာများသည် တိကျသောစွမ်းရည်များကိုပြသခြင်းဖြင့် AGI ဆီသို့ ခြေလှမ်းလှမ်းခြင်းကို ကိုယ်စားပြုသည်-

အက္ခရာDeepMind မှတီထွင်ထားသော၊ သည် လူသားအသိပညာ သို့မဟုတ် လမ်းညွှန်မှုမပါဘဲ စစ်တုရင်ကစားနည်း၊ shogi နှင့် Go ကို အလိုအလျောက်သင်ယူနိုင်သည့် အားဖြည့်သင်ကြားမှုစနစ်တစ်ခုဖြစ်သည်။ သာလွန်လူသား ကျွမ်းကျင်မှုကို သရုပ်ပြပြီး AlphaZero သည် သမားရိုးကျ ဉာဏ်ပညာကို စိန်ခေါ်သည့် ဆန်းသစ်သော နည်းဗျူဟာများကို မိတ်ဆက်ပေးပါသည်။

အလားတူပင် OpenAI များ GPT-3 သည် ခေါင်းစဉ်အမျိုးမျိုးနှင့် လုပ်ငန်းဆောင်တာများတစ်လျှောက် ပေါင်းစပ်ပြီး ကွဲပြားသော စာသားများကို ထုတ်ပေးသည်။ မေးခွန်းများကိုဖြေဆိုခြင်း၊ စာစီစာကုံးရေးဖွဲ့ခြင်းနှင့် မတူညီသောအရေးအသားပုံစံများကို တုပနိုင်ခြင်း GPT-3 သည် အချို့သောကန့်သတ်ချက်များအတွင်း၌ စွယ်စုံရနိုင်မှုကိုပြသသည်။

အလားတူပင် သပ်သပ်ရပ်ရပ်Kenneth Stanley နှင့် Risto Miikkulainen တို့က ဖန်တီးထားသည့် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အယ်လဂိုရီသမ်တစ်ခုဖြစ်သည့် စက်ရုပ်ထိန်းချုပ်မှု၊ ဂိမ်းကစားခြင်းနှင့် ရုပ်ပုံထုတ်လုပ်ခြင်းကဲ့သို့သော လုပ်ငန်းဆောင်တာများအတွက် အာရုံကြောကွန်ရက်များကို ဖွံ့ဖြိုးတိုးတက်စေသည်။ NEAT ၏ ကွန်ရက်ဖွဲ့စည်းပုံနှင့် လုပ်ဆောင်ချက်ကို တိုးတက်ပြောင်းလဲစေသော စွမ်းရည်သည် လူသားပရိုဂရမ်မာများ ကြိုတင်မသတ်မှတ်ထားသော ဆန်းသစ်ပြီး ရှုပ်ထွေးသော ဖြေရှင်းချက်များကို ထုတ်လုပ်ပေးပါသည်။

ဤနမူနာများသည် AGI ၏တိုးတက်မှုကို သရုပ်ဖော်သော်လည်း၊ ၎င်းတို့သည် စစ်မှန်သော AGI ကိုရှာဖွေရာတွင် နောက်ထပ်ရှာဖွေရေးနှင့် ဖွံ့ဖြိုးတိုးတက်မှုအတွက် လိုအပ်သည့် လက်ရှိကန့်သတ်ချက်များနှင့် ကွာဟချက်များကိုလည်း ထောက်ပြထားသည်။

AGI သက်ရောက်မှုများနှင့် အန္တရာယ်များ

AGI သည် လေးနက်သောသက်ရောက်မှုများဖြင့် သိပ္ပံနည်းကျ၊ နည်းပညာ၊ လူမှုရေးနှင့် ကျင့်ဝတ်ဆိုင်ရာ စိန်ခေါ်မှုများကို ဖြစ်ပေါ်စေသည်။ စီးပွားရေးအရ၊ ၎င်းသည် အခွင့်အလမ်းများကို ဖန်တီးနိုင်ပြီး လက်ရှိစျေးကွက်များကို အနှောင့်အယှက်ဖြစ်စေနိုင်ပြီး မညီမျှမှုကို တိုးလာစေနိုင်သည်။ ပညာရေးနှင့် ကျန်းမာရေးကို မြှင့်တင်နေချိန်တွင် AGI သည် စိန်ခေါ်မှုများနှင့် စွန့်စားရမှုများ အသစ်များကို မိတ်ဆက်ပေးနိုင်သည်။

ကျင့်ဝတ်အရ၊ စံနှုန်းသစ်များ၊ ပူးပေါင်းဆောင်ရွက်မှုနှင့် စာနာနားလည်မှုကို မြှင့်တင်နိုင်ပြီး ပဋိပက္ခများ၊ ပြိုင်ဆိုင်မှုနှင့် ရက်စက်ကြမ်းကြုတ်မှုများကို မိတ်ဆက်နိုင်သည်။ AGI သည် ရှိပြီးသားအဓိပ္ပါယ်များနှင့် ရည်ရွယ်ချက်များကို မေးခွန်းထုတ်နိုင်ပြီး အသိပညာကို ချဲ့ထွင်ကာ လူ့သဘောသဘာဝနှင့် ကံကြမ္မာကို ပြန်လည်သတ်မှတ်နိုင်သည်။ ထို့ကြောင့် သုတေသီများ၊ တီထွင်သူများ၊ မူဝါဒချမှတ်သူများ၊ ပညာပေးသူများနှင့် နိုင်ငံသားများ အပါအဝင် အဆိုပါ သက်ရောက်မှုများနှင့် အန္တရာယ်များကို သက်ဆိုင်သူများ ထည့်သွင်းစဉ်းစားပြီး ဖြေရှင်းရမည်ဖြစ်သည်။

The Bottom Line

AGI သည် AI သုတေသန၏ ရှေ့တန်းမှ ရပ်တည်နေပြီး လူသားစွမ်းရည်ထက် ဉာဏ်ရည်ဉာဏ်သွေးအဆင့်ကို ကတိပြုထားသည်။ ရူပါရုံသည် စိတ်အားထက်သန်သူများကို စွဲမက်စေသော်လည်း ဤပန်းတိုင်ကို အကောင်အထည်ဖော်ရာတွင် စိန်ခေါ်မှုများက ဆက်လက်ရှိနေပါသည်။ သီးသန့်ဒိုမိန်းများတွင် ထူးချွန်သော လက်ရှိ AI သည် AGI ၏ ကျယ်ပြန့်သော အလားအလာနှင့် ကိုက်ညီရပါမည်။

ပုံသဏ္ဍာန်နှင့် ချိတ်ဆက်မှုရှိသော AI မှ အာရုံကြောပုံစံများအထိ များပြားလှသောချဉ်းကပ်မှုများသည် AGI အကောင်အထည်ဖော်မှုကို ကြိုးပမ်းကြသည်။ AlphaZero နှင့် GPT-3 ကဲ့သို့သော ထင်ရှားသောဥပမာများသည် တိုးတက်မှုများကိုပြသသော်လည်း AGI အစစ်အမှန်မှာ တွေ့ရခဲပါသည်။ စီးပွားရေး၊ ကျင့်ဝတ်နှင့် ဖြစ်တည်မှုဆိုင်ရာ သက်ရောက်မှုများနှင့်အတူ AGI သို့ ခရီးသည် စုပေါင်းအာရုံစူးစိုက်မှုနှင့် တာဝန်သိမှုရှာဖွေမှု လိုအပ်သည်။