AGI-22 destaca o progresso no desenvolvimento de inteligência artificial geral

Recentemente participei do 15^th conferência anual sobre Inteligência Artificial em Geral (AGI-22) que aconteceu em Seattle em agosto deste ano, na tentativa de me familiarizar com os novos desenvolvimentos que poderiam levar à eventual criação de uma Inteligência Geral Artificial (AGI).

Uma AGI é um tipo de IA avançada que pode generalizar em vários domínios e não tem escopo restrito. Exemplos de IA estreita incluem um veículo autônomo, um chatbot, um bot de xadrez ou qualquer outra IA projetada para um único propósito. Uma AGI, em comparação, seria capaz de alternar com flexibilidade entre qualquer um dos itens acima ou qualquer outro campo de especialização. Consiste em um tipo especulativo de IA que tiraria proveito de algoritmos nascentes, como transferir aprendizado, e aprendizagem evolutiva, ao mesmo tempo em que explora algoritmos legados, como aprendizagem por reforço profundo.

Durante a sessão de abertura, Ben Goertzel, um pesquisador de IA, CEO e fundador da SingularityNET, e líder do Fundação OpenCog falou sobre o estado da indústria. Ele parecia entusiasmado com a direção futura da AGI, afirmando que “estamos a anos de distância, em vez de décadas”. Isso colocaria o eventual lançamento de um AGI em aproximadamente 2029, o mesmo ano em que ray Kurzweil um dos principais inventores, pensadores e futuristas do mundo previu o surgimento de uma IA que atingiria o nível de inteligência humana.

A teoria diz que, uma vez que esse tipo de inteligência é alcançado, a IA se autoaperfeiçoa imediata e continuamente para superar rapidamente a inteligência humana no que é conhecido como superinteligência.

outro locutor Charles J. Simon, o fundador e CEO da IA futura declarou em uma sessão separada, “o surgimento de AGI será gradual” e “AGI é inevitável e chegará mais cedo do que a maioria das pessoas pensa, pode levar alguns anos”.

Mesmo com esse sentimento otimista, existem obstáculos significativos no espaço. Ben Goertzel também reconheceu que, para alcançar a AGI, “precisamos de uma infusão de novas ideias, não apenas ampliar as redes neurais”. Este é um sentimento compartilhado por Gary Marcus, conhecido por afirmar que “o aprendizado profundo atingiu uma parede”.

Alguns dos principais desafios para a criação de um AGI incluem descobrir um sistema de recompensas que possa dimensionar a inteligência da maneira mais informada possível. Paradoxo de Moravec reflete o problema atual com a obtenção de AGI com nossa tecnologia atual. Esse paradoxo afirma que as adaptações intuitivas para uma criança de um ano, como aprender a andar e simular a realidade, são muito mais difíceis de programar em uma IA do que o que os humanos percebem como difícil.

Para os humanos, é o oposto, dominar o xadrez ou executar fórmulas matemáticas complexas pode exigir uma vida inteira para dominar, mas essas são duas tarefas razoavelmente fáceis para IAs limitados.

Uma das soluções para esse paradoxo pode ser o aprendizado evolucionário, também conhecido como algoritmos evolutivos. Isso essencialmente permite que uma IA procure soluções complexas, imitando o processo de evolução biológica.

Em uma sessão de perguntas e respostas separada, Ben Goertzel afirmou que “AGI não é inevitável, mas é altamente provável”. Essa é a mesma conclusão a que cheguei, mas a linha entre inevitabilidade e probabilidade se confunde.

Durante a conferência, muitos trabalhos foram apresentados, um dos trabalhos notáveis ​​que foi discutido foi Funtores Polinomiais: Uma Teoria Geral da Interação por David Spivak do Topos Institute em Berkeley, CA e Nelson Niu da Universidade de Washington, em Seattle, WA. Este artigo discute uma categoria matemática chamada Poly que pode influenciar a direção futura da IA ​​quando se trata de relacionamentos íntimos com processos dinâmicos, tomada de decisão e armazenamento e transformação de dados. Resta saber como isso influenciará a pesquisa da AGI, mas pode ser um dos componentes que faltam que podem nos levar à AGI.

É claro que houve outros artigos mais especulativos, como o Índice de Versatilidade-Eficiência (VEI): Rumo a uma definição abrangente de QI para agentes AGI, de Mohammadreza Alidoust. A ideia é construir um forma alternativa para medir o nível de inteligência de sistemas inteligentes, um tipo de teste de QI para medir agentes AGI de forma computacional.

Duas empresas notáveis ​​que podem fazer avanços nessa tecnologia subjacente são a OpenAI e a DeepMind, ambas ausentes. Pode ser por medo de que a AGI não seja levada a sério pela comunidade de IA, mas são as duas empresas com maior probabilidade de fazer o primeiro avanço nesse campo. Isto é especialmente verdadeiro desde Missão declarada da OpenAI é conduzir pesquisas fundamentais e de longo prazo para a criação de um AGI seguro.

Embora não houvesse grandes avanços revolucionários a serem revelados na conferência, está claro que a AGI está preocupando muitos pesquisadores e é algo que a comunidade de IA deveria prestar mais atenção. Afinal, um AGI pode ser a solução para resolver as múltiplas ameaças existenciais da humanidade.