Ce este Inteligența Artificială Generală (AGI) și de ce nu este încă aici: O verificare a realității pentru entuziaștii AI

Inteligența Artificială (AI) este peste tot. De la asistenți inteligenți la mașini autonome, sistemele AI transformă viețile și afacerile noastre. Dar ce-ar fi dacă ar exista un AI care să poată face mai mult decât să execute sarcini specifice? Ce-ar fi dacă ar exista un tip de AI care să poată învăța și gândi ca un om sau chiar să depășească inteligența umană?

Acesta este visul Inteligenței Artificiale Generale (AGI), o formă ipotetică de AI care are potențialul de a realiza orice sarcină intelectuală pe care oamenii o pot face. AGI este adesea contrastată cu Inteligența Artificială Îngustă (ANI), stadiul actual al AI care poate excela doar într-unul sau câteva domenii, cum ar fi jocul de șah sau recunoașterea fețelor. AGI, pe de altă parte, ar avea capacitatea de a înțelege și a raționa în multiple domenii, cum ar fi limbaj, logică, creativitate, simț comun și emoție.

AGI nu este un concept nou. A fost viziunea ghidătoare a cercetării AI din cele mai vechi zile și rămâne cea mai divizivă idee. Unii entuziaști AI cred că AGI este inevitabil și iminent și va conduce la o nouă eră de progres tehnologic și social. Alții sunt mai skeptici și precauți și avertizează asupra riscurilor etice și existențiale ale creării și controlului unei entități atât de puternice și imprevizibile.

Dar cât de aproape suntem de a atinge AGI, și are sens să încercăm? Aceasta este, de fapt, o întrebare importantă a cărei răspuns poate oferi o verificare a realității pentru entuziaștii AI care sunt nerăbdători să asiste la era inteligenței supraumane.

Ce este AGI și cum se diferențiază de AI?

AGI se diferențiază de AI-ul actual prin capacitatea sa de a executa orice sarcină intelectuală pe care oamenii o pot face, dacă nu chiar să o depășească. Această distincție se referă la mai multe caracteristici cheie, inclusiv:

• gândire abstractă
• capacitatea de a generaliza din instanțe specifice
• extragerea cunoștințelor din diverse surse de fundal
• utilizarea simțului comun și a conștiinței pentru luarea deciziilor
• înțelegerea cauzalității și nu doar a corelației
• comunicarea eficientă și interacțiunea cu oamenii și alți agenți.

În timp ce aceste caracteristici sunt vitale pentru atingerea inteligenței umane sau supraumane, ele rămân greu de capturat pentru sistemele AI actuale.

AI-ul actual se bazează în mare măsură pe învățarea automată, o ramură a științei calculatorului care permite mașinilor să învețe din date și experiențe. Învățarea automată funcționează prin învățare supravegheată, învățare nesupravegheată și învățare prin întărire.

Învățarea supravegheată implică mașini care învață din date etichetate pentru a prevedea sau a clasifica date noi. Învățarea nesupravegheată implică găsirea de modele în date neetichetate, în timp ce învățarea prin întărire se concentrează pe învățarea din acțiuni și feedback, optimizând pentru recompense sau minimizând costurile.

În ciuda obținerii de rezultate remarcabile în domenii precum viziunea computerizată și prelucrarea limbajului natural, sistemele AI actuale sunt limitate de calitatea și cantitatea datelor de antrenament, algoritmilor predefiniți și obiectivelor de optimizare specifice. Ele au nevoie adesea de ajutor cu adaptabilitatea, în special în situații noi, și de mai multă transparență în explicarea raționamentului lor.

În contrast, AGI este imaginat a fi liber de aceste limitări și nu s-ar baza pe date, algoritmi sau obiective predefinite, ci pe propriile sale capacități de învățare și gândire. Mai mult, AGI ar putea dobândi și integra cunoștințe din surse și domenii diverse, aplicându-le fără efort la sarcini noi și variate. În plus, AGI ar excela în raționament, comunicare, înțelegere și manipulare a lumii și a sa însăși.

Ce sunt provocările și abordările pentru atingerea AGI?

Realizarea AGI ridică provocări considerabile care cuprind dimensiuni tehnice, conceptuale și etice.

De exemplu, definirea și măsurarea inteligenței, inclusiv componente precum memoria, atenția, creativitatea și emoția, este o barieră fundamentală. În plus, modelarea și simularea funcțiilor creierului uman, cum ar fi percepția, cogniția și emoția, prezintă provocări complexe.

Mai mult, provocări critice includ proiectarea și implementarea algoritmilor și arhitecturilor de învățare și raționament scalabile și generalizabile. Asigurarea siguranței, fiabilității și responsabilității sistemelor AGI în interacțiunile lor cu oamenii și alți agenți și alinierea valorilor și obiectivelor sistemelor AGI cu cele ale societății este de asemenea de cea mai mare importanță.

Diverse direcții de cercetare și paradigme au fost propuse și explorate în căutarea AGI, fiecare cu puncte forte și limitări. Inteligența Artificială Simbolică, o abordare clasică care utilizează logica și simboluri pentru reprezentarea și manipularea cunoștințelor, excelă în probleme abstracte și structurate, cum ar fi matematica și șahul, dar are nevoie de ajutor pentru a scala și integra datele senzoriale și motorii.

La fel, Inteligența Artificială Connectionistă, o abordare modernă care utilizează rețele neuronale și învățare profundă pentru a procesa cantități mari de date, excelă în domenii complexe și zgomotoase, cum ar fi viziunea și limbajul, dar are nevoie de ajutor pentru interpretare și generalizare.

Inteligența Artificială Hibriddă combină inteligența artificială simbolică și connectionistă pentru a valorifica punctele forte și a depăși slăbiciunile, urmărind sisteme mai robuste și versatile. Similar, Inteligența Artificială Evolutivă utilizează algoritmi evolutivi și programare genetică pentru a evolua sisteme AI prin selecție naturală, căutând soluții noi și optime, neconstrânse de designul uman.

În cele din urmă, Inteligența Artificială Neuromorfică utilizează hardware și software neuromorfic pentru a emula sistemele neuronale biologice, urmărind modele de creier mai eficiente și mai realiste și permițând interacțiuni naturale cu oamenii și agenții.

Acestea nu sunt singurele abordări pentru AGI, dar unele dintre cele mai promițătoare. Fiecare abordare are avantaje și dezavantaje, și încă nu au reușit să atingă generalitatea și inteligența pe care AGI le necesită.

Exemple și Aplicații AGI

În timp ce AGI nu a fost încă atins, există exemple notabile de sisteme AI care prezintă anumite aspecte sau caracteristici care amintesc de AGI, contribuind la viziunea atingerii eventuale a AGI. Aceste exemple reprezintă pași spre AGI, demonstrând capacități specifice:

AlphaZero, dezvoltat de DeepMind, este un sistem de învățare prin întărire care învață în mod autonom să joace șah, shogi și Go fără cunoștințe sau îndrumare umană. Demonstrează o abilitate supraumană și introduce strategii inovatoare care contestă înțelepciunea convențională.

Similar, OpenAI-ul GPT-3 generează texte coerente și diverse pe diverse teme și sarcini. Capabil să răspundă la întrebări, să compună eseuri și să imite diferite stiluri de scriere, GPT-3 demonstrează versatilitate, deși în limitele sale.

La fel, NEAT, un algoritm evolutiv creat de Kenneth Stanley și Risto Miikkulainen, evoluează rețele neuronale pentru sarcini precum controlul roboților, jocurile și generarea de imagini. Capacitatea NEAT de a evolua structura și funcția rețelelor produce soluții noi și complexe, nu predefinite de programatori umani.

În timp ce aceste exemple ilustrează progresul spre AGI, ele subliniază și limitările și lacunele existente care necesită explorare și dezvoltare suplimentară în căutarea AGI adevărat.

Implicații și Riscuri AGI

AGI ridică provocări științifice, tehnologice, sociale și etice cu implicații profunde. Din punct de vedere economic, poate crea oportunități și perturba piețele existente, potențial crescând inegalitatea. În timp ce îmbunătățește educația și sănătatea, AGI poate introduce noi provocări și riscuri.

Din punct de vedere etic, poate promova noi norme, cooperare și empatie și introduce conflicte, competiție și cruzime. AGI poate pune la încercare înțelesurile și scopurile existente, extinde cunoașterea și redefinește natura și destinul uman. Prin urmare, stakeholderii trebuie să ia în considerare și să abordeze aceste implicații și riscuri, inclusiv cercetători, dezvoltatori, factori de decizie, educatori și cetățeni.

Concluzia

AGI se află în fruntea cercetării AI, promițând un nivel de inteligență care depășește capacitățile umane. În timp ce viziunea fascinează entuziaștii, provocările persistă în realizarea acestui obiectiv. AI-ul actual, care excelă în domenii specifice, trebuie să atingă potențialul vast al AGI.

Numeroase abordări, de la inteligența artificială simbolică și connectionistă la modelele neuromorfice, se străduie să realizeze AGI. Exemple notabile, cum ar fi AlphaZero și GPT-3, demonstrează progrese, dar AGI adevărat rămâne evaziv. Cu implicații economice, etice și existențiale, călătoria spre AGI necesită atenție colectivă și explorare responsabilă.