Destaques da AGI-22 sobre o Progresso no Desenvolvimento da Inteligência Artificial Geral

Recentemente, eu participei da 15ª conferência anual sobre Inteligência Artificial Geral (AGI-22) realizada em Seattle, em agosto, com o objetivo de me familiarizar com os novos desenvolvimentos que podem levar à criação eventual de uma Inteligência Artificial Geral (AGI).

Uma AGI é um tipo de inteligência artificial avançada que pode generalizar em vários domínios e não é limitada em escopo. Exemplos de inteligência artificial estreita incluem um veículo autônomo, um chatbot, um bot de xadrez ou qualquer outro AI projetado para um único propósito. Uma AGI, em comparação, seria capaz de alternar flexivelmente entre qualquer um dos acima ou qualquer outro campo de especialização. Ela consiste em um tipo especulativo de AI que aproveitaria algoritmos nascentes, como aprendizado de transferência, e aprendizado evolutivo, além de explorar algoritmos legados, como aprendizado de reforço profundo.

Durante a sessão de keynote de abertura, Ben Goertzel, um pesquisador de AI, , CEO e fundador da SingularityNET, e líder da OpenCog Foundation falou sobre o estado da indústria. Ele pareceu entusiasmado com a direção futura da AGI, afirmando que “estamos anos afastados, em vez de décadas”. Isso colocaria o lançamento eventual de uma AGI em aproximadamente 2029, o mesmo ano em que Ray Kurzweil, um dos principais inventores, pensadores e futuristas do mundo, famosamente previu a emergência de um AI que atinge o nível de inteligência humana.

A teoria é que, uma vez que esse tipo de inteligência seja alcançado, o AI melhoraria continuamente a si mesmo para superar rapidamente a inteligência humana em uma superinteligência.

Outro palestrante, Charles J. Simon, fundador e CEO da Future AI, afirmou em uma sessão separada: “A emergência da AGI será gradual” e “A AGI é inevitável e chegará mais cedo do que a maioria das pessoas pensa, pode ser em alguns anos”.

Apesar desse sentimento otimista, existem obstáculos significativos no caminho. Ben Goertzel também reconheceu que, para alcançar a AGI, “precisamos de uma infusão de novas ideias, não apenas escalando redes neurais”. Essa é uma opinião compartilhada por Gary Marcus, conhecido por dizer que “o aprendizado profundo atingiu um limite”.

Alguns dos principais desafios para criar uma AGI incluem descobrir um sistema de recompensas que possa escalar a inteligência de forma maximamente informada. O paradoxo de Moravec reflete o problema atual de alcançar a AGI com nossa tecnologia atual. Esse paradoxo afirma que adaptações que são intuitivas para um bebê de um ano, como aprender a andar e simular a realidade, são muito mais difíceis de programar em um AI 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 para dominar, mas essas são duas tarefas razoavelmente fáceis para AIs estreitos.

Uma das soluções para esse paradoxo pode ser o aprendizado evolutivo, também conhecido como algoritmos evolutivos. Isso permite que um AI busque soluções complexas imitando o processo de evolução biológica.

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

Durante a conferência, foram apresentados muitos trabalhos, um dos trabalhos notáveis discutidos foi Funtores Polinomiais: Uma Teoria Geral de Interação por David Spivak do Instituto Topos em Berkeley, CA, e Nelson Niu da Universidade de Washington, em Seattle, WA. Esse trabalho discute uma categoria matemática chamada Poly que pode influenciar a direção futura da IA em relação a relações íntimas com processos dinâmicos, tomada de decisões e armazenamento e transformação de dados. Ainda não se sabe como isso influenciará a pesquisa de AGI, mas pode ser um dos componentes ausentes que podem nos levar à AGI.

Claro, havia outros trabalhos mais especulativos, como o Índice de Versatilidade-Eficiência (VEI): Em Direção a uma Definição Abrangente de QI para Agentes AGI por Mohammadreza Alidoust. A ideia é construir uma maneira alternativa de medir o nível de inteligência de sistemas inteligentes, um tipo de teste de QI para medir agentes AGI de forma computacional.

Dois empresas notáveis que podem fazer avanços nessa tecnologia subjacente são OpenAI e DeepMind, ambas ausentes notavelmente. Pode ser por medo de que a AGI não seja levada a sério pela comunidade de IA, mas elas são as duas empresas mais prováveis de fazer o primeiro avanço nesse campo. Isso é especialmente verdadeiro, considerando que a missão declarada da OpenAI é realizar pesquisas fundamentais e de longo prazo para a criação de uma AGI segura.

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