AGI-22 podkreśla postęp w rozwoju sztucznej inteligencji ogólnej

Niedawno uczestniczyłem w 15^th coroczna konferencja na temat sztucznej inteligencji ogólnej (AGI-22), które odbyło się w sierpniu tego roku w Seattle, a jego celem było zapoznanie się z nowymi osiągnięciami, które mogłyby doprowadzić do ostatecznego stworzenia sztucznej inteligencji ogólnej (AGI).

AGI to rodzaj zaawansowanej sztucznej inteligencji, która może uogólniać na wiele dziedzin i nie ma wąskiego zakresu. Przykłady wąskiej sztucznej inteligencji obejmują pojazd autonomiczny, chatbot, bot szachowy lub dowolną inną sztuczną inteligencję zaprojektowaną do jednego celu. Dla porównania, AGI byłaby w stanie elastycznie przełączać się pomiędzy dowolną z powyższych lub dowolną inną dziedziną wiedzy. Składa się ze spekulacyjnego typu sztucznej inteligencji, który wykorzystywałby powstające algorytmy, takie jak przenieś naukęoraz uczenie się ewolucyjne, wykorzystując jednocześnie starsze algorytmy, takie jak nauka głębokiego wzmacniania.

Podczas otwierającej sesji programowej Ben Goertzel, badacz sztucznej inteligencji, CEO i założyciel SingularityNETi liderem Fundacja OpenCog mówił o stanie branży. Wydawał się entuzjastycznie nastawiony do przyszłego kierunku AGI, stwierdzając, że „Od nas dzielą lata, a nie dekady”. Oznaczałoby to ostateczne uruchomienie AGI około 2029 r., w tym samym roku Raymond Kurzweil jeden z czołowych wynalazców, myślicieli i futurystów na świecie zasłynął z przepowiedni pojawienia się sztucznej inteligencji, która osiągnie inteligencję na poziomie ludzkim.

Teoria głosi, że po osiągnięciu tego rodzaju inteligencji sztuczna inteligencja natychmiast i w sposób ciągły będzie się doskonalić, aby szybko przewyższyć ludzką inteligencję w zakresie tzw. superinteligencji.

Kolejny mówca Charlesa J. Simona, założyciel i dyrektor generalny firmy Przyszła sztuczna inteligencja jak stwierdzono na osobnej sesji, „pojawienie się AGI będzie stopniowe” oraz „AGI jest nieuniknione i nadejdzie szybciej, niż większość ludzi myśli, może to zająć kilka lat”.

Nawet jeśli nastroje będą zwyżkowe, w przestrzeni kosmicznej występują znaczne blokady drogowe. Ben Goertzel przyznał również, że aby osiągnąć AGI, „potrzebujemy zastrzyku nowych pomysłów, a nie tylko zwiększania skali sieci neuronowych”. Tę opinię podziela Gary Marcus, znany ze stwierdzenia, że ​​„głębokie uczenie się uderzyło w ścianę”.

Niektóre z głównych wyzwań związanych z tworzeniem AGI obejmują opracowanie systemu nagród, który będzie w stanie skalować inteligencję w maksymalnie świadomy sposób. Paradoks Moraveca odzwierciedla bieżący problem z osiągnięciem AGI przy użyciu naszej obecnej technologii. Paradoks ten polega na tym, że adaptacje intuicyjne dla rocznego dziecka, takie jak nauka chodzenia i symulowanie rzeczywistości, są znacznie trudniejsze do zaprogramowania w sztucznej inteligencji niż to, co ludzie postrzegają jako trudne.

W przypadku ludzi jest zupełnie odwrotnie – opanowanie gry w szachy lub wykonywanie skomplikowanych formuł matematycznych może zająć całe życie, a mimo to są to dwa stosunkowo łatwe zadania dla wąskiej sztucznej inteligencji.

Jednym z rozwiązań tego paradoksu może być uczenie się ewolucyjne, zwane także algorytmy ewolucyjne. Zasadniczo umożliwia to sztuczną inteligencję poszukiwanie złożonych rozwiązań poprzez naśladowanie procesu ewolucji biologicznej.

W osobnym pytaniu i odpowiedzi Ben Goertzel stwierdził, że „AGI nie jest nieuniknione, ale jest wysoce prawdopodobne”. Doszedłem do tego samego wniosku, ale granica między nieuchronnością a prawdopodobieństwem zaciera się.

Podczas konferencji zaprezentowano wiele referatów, a jednym z nich był jeden z nich Funktory wielomianowe: ogólna teoria interakcji przez Davida Spivaka z Instytutu Topos w Berkeley w Kalifornii i Nelsona Niu z Uniwersytetu Waszyngtońskiego w Seattle w stanie Waszyngton. W artykule omówiono kategorię matematyczną zwaną Poly, która może mieć wpływ na przyszły kierunek sztucznej inteligencji, jeśli chodzi o bliskie powiązania z procesami dynamicznymi, podejmowaniem decyzji oraz przechowywaniem i przekształcaniem danych. Czas pokaże, jak wpłynie to na badania nad AGI, ale może to być jeden z brakujących elementów, który może nas doprowadzić do AGI.

Oczywiście istniały inne artykuły, które miały charakter bardziej spekulacyjny, takie jak Indeks wszechstronności i efektywności (VEI: Towards a Comprehensive Definition of IQ for AGI Agents) autorstwa Mohammadrezy Alidousta. Pomysł jest taki, żeby zbudować alternatywny sposób pomiaru poziomu inteligencji inteligentnych systemów, rodzaj testu IQ służącego do pomiaru agentów AGI w sposób obliczeniowy.

Dwie znaczące firmy, które mogą dokonać przełomu w tej podstawowej technologii, to OpenAI i DeepMind, przy czym obie były wyraźnie nieobecne. Można było się obawiać, że AGI nie zostanie potraktowane poważnie przez społeczność AI, ale to właśnie one mają największe szanse na dokonanie pierwszego przełomu w tej dziedzinie. Jest to szczególnie prawdziwe od Deklarowana misja OpenAI jest przeprowadzenie fundamentalnych, długoterminowych badań w kierunku stworzenia bezpiecznego AGI.

Chociaż na konferencji nie ujawniono żadnych większych, rewolucyjnych odkryć, jasne jest, że AGI zajmuje wielu badaczy i jest to coś, na co społeczność AI powinna zwracać większą uwagę. Przecież an AGA może być Twoim rozwiązaniem w celu rozwiązania wielu egzystencjalnych zagrożeń ludzkości.