AGI-22 benadrukt de vooruitgang in de ontwikkeling van Artificial General Intelligence

Ik heb onlangs de 15^de jaarlijkse conferentie over Artificial General Intelligence (AGI-22) bijgewoond, die in augustus in Seattle werd gehouden, om mezelf vertrouwd te maken met nieuwe ontwikkelingen die kunnen leiden tot de uiteindelijke creatie van een Artificial General Intelligence (AGI).

Een AGI is een type geavanceerde AI dat kan generaliseren over meerdere domeinen en niet smal van scope is. Voorbeelden van smalle AI zijn een autonome voertuig, een chatbot, een schaakbot of elke andere AI die is ontworpen voor een enkel doel. Een AGI daarentegen zou in staat zijn om flexibel te schakelen tussen elk van bovenstaande of elk ander vakgebied. Het bestaat uit een speculatief type AI dat zou profiteren van nascente algoritmes zoals transfer learning en evolutionaire learning, en zou ook legacy-algoritmes zoals deep reinforcement learning exploiteren.

Tijdens de openingskeynote-sessie sprak Ben Goertzel, een AI-onderzoeker , CEO en oprichter van SingularityNET, en leider van de OpenCog Foundation over de staat van de industrie. Hij leek enthousiast over de toekomstige richting van AGI en zei: “We zijn jaren verwijderd, niet decennia”. Dit zou de uiteindelijke lancering van een AGI plaatsen op ongeveer 2029, hetzelfde jaar dat Ray Kurzweil, een van de werelds toonaangevende uitvinders, denkers en futurologen, de opkomst van een AI voorspelde die het menselijke intelligentieniveau bereikt.

De theorie gaat dat zodra dit type intelligentie wordt bereikt, de AI onmiddellijk en voortdurend zichzelf zal verbeteren om menselijke intelligentie snel te overtreffen in wat bekend staat als superintelligentie.

Een andere spreker, Charles J. Simon, oprichter en CEO van Future AI, zei in een aparte sessie: “De opkomst van AGI zal geleidelijk zijn” en “AGI is onvermijdelijk en zal sneller komen dan de meeste mensen denken, het kan over een paar jaar zijn”.

Ondanks deze bullische sentimenten zijn er significante obstakels in de ruimte. Ben Goertzel erkende ook dat om AGI te bereiken, “we een infusie van nieuwe ideeën nodig hebben, niet alleen het opschalen van neurale netwerken”. Dit is een sentiment dat is gedeeld door Gary Marcus, die bekend staat om te zeggen dat “deep learning tegen een muur is aangelopen”.

Sommige van de kernuitdagingen bij het creëren van een AGI zijn het vinden van een beloningssysteem dat intelligentie op een maximaal geïnformeerde manier kan schalen. Moravecs paradox weerspiegelt het huidige probleem bij het bereiken van AGI met onze huidige technologie. Deze paradox stelt dat aanpassingen die intuïtief zijn voor een eenjarige, zoals leren om te lopen en realiteit te simuleren, veel moeilijker zijn om te programmeren in een AI dan wat mensen als moeilijk beschouwen.

Voor mensen is het het tegenovergestelde, het beheersen van schaken of het uitvoeren van complexe wiskundige formules kan een leven lang duren om te leren, maar dit zijn twee redelijk gemakkelijke taken voor smalle AI’s.

Een van de oplossingen voor deze paradox kan evolutionaire learning zijn, ook bekend als evolutionaire algoritmes. Dit stelt een AI in staat om complexe oplossingen te zoeken door het proces van biologische evolutie na te bootsen.

In een aparte Q & A zei Ben Goertzel: “AGI is niet onvermijdelijk, maar het is zeer waarschijnlijk”. Dit is dezelfde conclusie die ik heb bereikt, maar de grens tussen onvermijdelijkheid en waarschijnlijkheid vervaagt.

Tijdens de conferentie werden er veel papers gepresenteerd, een van de opvallende papers die werden besproken was Polynomial Functors: A General Theory of Interaction door David Spivak van het Topos Institute in Berkeley, CA en Nelson Niu van de Universiteit van Washington, in Seattle, WA. Deze paper bespreekt een wiskundige categorie genaamd Poly die de toekomstige richting van AI kan beïnvloeden met betrekking tot intieme relaties met dynamische processen, besluitvorming en de opslag en transformatie van gegevens. Het blijft te zien hoe dit de AGI-onderzoek zal beïnvloeden, maar het kan een van de ontbrekende componenten zijn die ons naar AGI kunnen leiden.

Natuurlijk waren er andere papers die meer speculatief waren, zoals de Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents door Mohammadreza Alidoust. Het idee is om een alternatieve manier te construeren om het intelligentieniveau van intelligente systemen te meten, een soort IQ-test om AGI-agents op een computationele manier te meten.

Twee opvallende bedrijven die doorbraken kunnen maken in deze onderliggende technologie zijn OpenAI en DeepMind, die beide opvallend afwezig waren. Het kan zijn dat AGI niet serieus wordt genomen door de AI-gemeenschap, maar ze zijn de twee bedrijven die het meest waarschijnlijk een doorbraak zullen maken in dit veld. Dit is vooral waar omdat OpenAI’s gestelde missie is om fundamenteel, langetermijnonderzoek te doen naar de creatie van een veilige AGI.

Terwijl er geen grote revolutionaire doorbraken waren om te onthullen op de conferentie, is het duidelijk dat AGI veel onderzoekers bezighoudt en dat het iets is waar de AI-gemeenschap meer aandacht aan moet besteden. Immers, een AGI kan de oplossing zijn voor het oplossen van meerdere existentiële bedreigingen voor de mensheid.