AGI-22 fremhever fremgangen i utviklingen av kunstig generell intelligens

Jeg deltok nylig på 15^th årlig konferanse om kunstig generell intelligens (AGI-22) som ble holdt i Seattle i august, i et forsøk på å gjøre meg kjent med nye utviklinger som kan føre til at det til slutt opprettes en kunstig generell intelligens (AGI).

En AGI er en type avansert kunstig intelligens som kan generaliseres på tvers av flere domener og som ikke er begrenset i omfang. Eksempler på smal AI inkluderer et autonomt kjøretøy, en chatbot, en sjakkrobot eller en hvilken som helst annen AI som er designet for et enkelt formål. En AGI i sammenligning ville være i stand til fleksibelt å veksle mellom noen av de ovennevnte eller et hvilket som helst annet fagfelt. Den består av en spekulativ type AI som vil dra nytte av begynnende algoritmer som f.eks overføre læring, og evolusjonær læring, samtidig som man utnytter eldre algoritmer som f.eks dyp forsterkning læring.

Under åpningen av keynote-sesjonen Ben Goertzel en AI-forsker, Konsernsjef og grunnlegger av SingularityNET, og leder av OpenCog Foundation snakket om tilstanden i bransjen. Han virket entusiastisk over den fremtidige retningen til AGI og sa at "Vi er år unna i stedet for tiår unna". Dette vil plassere den eventuelle lanseringen av en AGI til omtrent 2029, samme år som ray Kurzweil en av verdens ledende oppfinnere, tenkere og fremtidsforskere forutså fremveksten av en AI som oppnår intelligens på menneskelig nivå.

Teorien sier at når denne typen intelligens er nådd, vil AI umiddelbart og kontinuerlig forbedre seg selv for å raskt overgå menneskelig intelligens i det som kalles superintelligens.

En annen høyttaler Charles J. Simon, grunnlegger og administrerende direktør i Fremtidig AI uttalte i en egen sesjon, "AGI-fremveksten vil være gradvis", og "AGI er uunngåelig og vil komme raskere enn folk flest tror, ​​det kan ta et par år".

Selv vil denne bullish følelsen, er det betydelige veisperringer i verdensrommet. Ben Goertzel erkjente også at for å oppnå AGI, "trenger vi en infusjon av nye ideer, ikke bare oppskalering av nevrale nettverk". Dette er en følelse som har blitt delt av Gary Marcus som er kjent for å si at "dyp læring har truffet en vegg".

Noen av kjerneutfordringene for å lage en AGI inkluderer å finne ut et belønningssystem som kan skalere intelligens på en maksimalt informert måte. Moravecs paradoks gjenspeiler det nåværende problemet med å oppnå AGI med vår nåværende teknologi. Dette paradokset sier at tilpasninger som er intuitive for en ettåring, som å lære å gå, og simulere virkeligheten, er langt vanskeligere å programmere i en AI enn hva mennesker oppfatter som vanskelig.

For mennesker er det det motsatte, å mestre sjakk eller utføre komplekse matematiske formler kan kreve en levetid å mestre, men dette er to rimelig enkle oppgaver for smale AI-er.

En av løsningene på dette paradokset kan være evolusjonær læring også kjent som evolusjonsalgoritmer. Dette gjør i hovedsak en AI i stand til å søke etter komplekse løsninger ved å etterligne prosessen med biologisk evolusjon.

I en separat spørsmål og svar uttalte Ben Goertzel at "AGI er ikke uunngåelig, men det er høyst sannsynlig." Dette er den samme konklusjonen som jeg har kommet til, men grensen mellom uunngåelighet og sannsynlighet visker ut.

Under konferansen var det mange artikler som ble presentert, en av de bemerkelsesverdige artikler som ble diskutert var Polynomiske funksjoner: En generell teori om interaksjon av David Spivak fra Topos Institute i Berkeley, CA og Nelson Niu fra University of Washington, i Seattle, WA. Denne artikkelen diskuterer en matematisk kategori kalt Poly som kan påvirke den fremtidige retningen til AI når det kommer til intime relasjoner med dynamiske prosesser, beslutningstaking og lagring og transformasjon av data. Det gjenstår å se hvordan dette vil påvirke AGI-forskningen, men det kan være en av de manglende komponentene som kan føre oss til AGI.

Selvfølgelig var det andre artikler som var mer spekulative, for eksempel Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents av Mohammadreza Alidoust. Tanken er å konstruere en alternativ måte for å måle intelligensnivået til intelligente systemer, en type IQ-test for å måle AGI-agenter på en beregningsmessig måte.

To bemerkelsesverdige selskaper som kan gjøre gjennombrudd i denne underliggende teknologien er OpenAI og DeepMind, som begge var spesielt fraværende. Det kan være frykt for at AGI ikke blir tatt på alvor av AI-fellesskapet, men det er de to selskapene som mest sannsynlig vil få det første gjennombruddet på dette feltet. Dette gjelder spesielt siden OpenAIs uttalte oppdrag er å gjennomføre grunnleggende, langsiktig forskning for å skape en trygg AGI.

Selv om det ikke var noen store revolusjonerende gjennombrudd å avsløre på konferansen, er det klart at AGI opptar mange forskere, og det er noe AI-miljøet bør være mer oppmerksom på. Tross alt, en AGI kan være løsningen å løse menneskehetens mangfoldige eksistensielle trusler.