AGI-22 fremhever fremgangen i utviklingen av kunstig generell intelligens

Jeg deltok nylig på den 15. årlige konferansen 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 skapelsen av en kunstig generell intelligens (AGI).

En AGI er en type avansert AI som kan generalisere over flere domener og ikke er smal i omfang. Eksempler på smal AI inkluderer en autonom bil, en chatbot, en sjakkbrikke eller noen andre AI som er designet for ett enkelt formål. En AGI ville derimot kunne fleksibelt veksle mellom noen av disse eller andre fagområder. Det består av en spekulativ type AI som ville dra nytte av nye algoritmer som overføringslæring og evolusjonær læring, samt utnytte etablerte algoritmer som dypt forsterket læring.

Under åpningssesjonen talte Ben Goertzel, en AI-forsker , CEO og grunnlegger av SingularityNET, og leder av OpenCog Foundation om bransjens status. Han syntes entusiastisk over fremtiden for AGI og sa at “Vi er år unna, ikke tiår unna”. Dette ville plassere lanseringen av en AGI til omtrent 2029, samme år som Ray Kurzweil, en av verdens ledende oppfinnere, tenkere og fremtidsforskere, berømt forutså oppkomsten av en AI som oppnår menneskelig intelligens.

Teorien går ut på at når denne type intelligens er nådd, vil AI-en umiddelbart og kontinuerlig forbedre seg selv og raskt overgå menneskelig intelligens i det som kalles superintelligens.

En annen taler, Charles J. Simon, grunnlegger og CEO av Future AI, sa i en separat sesjon at “AGI-opptreden vil være gradvis” og “AGI er uunngåelig og vil komme tidligere enn de fleste mennesker tror, det kan være noen få år”.

Til tross for denne optimistiske holdningen, er det betydelige hindringer i rommet. Ben Goertzel erkjente også at for å oppnå AGI, “trenger vi en tilførsel av nye ideer, ikke bare skalerer opp neurale nettverk”. Dette er en holdning som har blitt delt av Gary Marcus, som er kjent for å si at “dypt læring har nådd en vegg”.

Noen av de kjerneproblemene ved å skape en AGI inkluderer å finne en belønningssystem som kan skalerer intelligens på en maksimalt informert måte. Moravecs paradoks reflekterer det nåværende problemet med å oppnå AGI med vår nåværende teknologi. Dette paradokset sier at tilpasninger som er intuitive for et ettåring, som å lære å gå og simulere virkeligheten, er mye vanskeligere å programmere i en AI enn hva mennesker oppfatter som vanskelig.

For mennesker er det motsatt, å mestre sjakk eller utføre komplekse matematiske formularer kan kreve et livslangt studium, men disse er to relativt enkle oppgaver for smal AI.

En av løsningene på dette paradokset kan være evolusjonær læring, også kjent som evolusjonære algoritmer. Dette gjør det mulig for en AI å søke etter komplekse løsninger ved å etterligne biologisk evolusjon.

I en separat Q & A sa Ben Goertzel at “AGI er ikke uunngåelig, men det er svært sannsynlig”. Dette er samme konklusjon som jeg har nådd, men grensen mellom uunngåelighet og sannsynlighet blir utydelig.

Under konferansen ble det presentert mange papirer, ett av de merkbare papirene som ble diskutert var Polynomial Functors: A General Theory of Interaction av David Spivak fra Topos Institute i Berkeley, CA og Nelson Niu fra University of Washington, i Seattle, WA. Dette papiret diskuterer en matematisk kategori kalt Poly som kan påvirke fremtidens retning for AI når det gjelder intime relasjoner med dynamiske prosesser, beslutningstaking og lagring og transformasjon av data. Det åtte å se hvordan dette vil påvirke AGI-forskning, men det kan være en av de manglende komponentene som kan føre oss til AGI.

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

To bemerkelsesverdige selskaper som kan gjøre gjennombrudd i denne underliggende teknologien er OpenAI og DeepMind, begge var merkbart fraværende. Det kan være fordi AGI ikke tas alvorlig av AI-samfunnet, men de er de to selskapene som er mest sannsynlig å gjøre det første gjennombruddet i dette feltet. Dette er spesielt sant siden OpenAIs erklærte misjon er å utføre grunnleggende, langvarig forskning mot skapelsen av en trygg AGI.

Til tross for at det ikke var noen store revolusjonære gjennombrudd å avsløre på konferansen, er det klart at AGI preokkuperer mange forskere og det er noe som AI-samfunnet bør gi mer oppmerksomhet til. Etter all, en AGI kan være løsningen på å løse menneskehetens mange eksistensielle trusler.