Что такое общий искусственный интеллект (AGI) и почему его еще нет: проверка реальности для энтузиастов ИИ

Искусственный интеллект (AI) везде. От умных помощников до самостоятельного вождения автомобилейСистемы искусственного интеллекта меняют нашу жизнь и бизнес. Но что, если бы существовал ИИ, который мог бы делать больше, чем просто выполнять конкретные задачи? Что, если бы существовал тип ИИ, который мог бы учиться и думать как человек или даже превосходить человеческий интеллект?

Это видение Общий искусственный интеллект (AGI), гипотетическая форма искусственного интеллекта, способная выполнить любую интеллектуальную задачу, доступную людям. AGI часто противопоставляется Искусственный узкий интеллект (ANI), текущее состояние ИИ, который может преуспеть только в одной или нескольких областях, таких как игра в шахматы или распознавание лиц. С другой стороны, AGI будет иметь способность понимать и рассуждать в нескольких областях, таких как язык, логика, творчество, здравый смысл и эмоции.

AGI — не новая концепция. Это было руководящее видение исследований ИИ с самых первых дней и остается самой спорной идеей. Некоторые энтузиасты ИИ считают, что ОИИ неизбежен и неизбежен и приведет к новой эре технологического и социального прогресса. Другие настроены более скептически и осторожно и предупреждают об этических и экзистенциальных рисках создания и контроля такой мощной и непредсказуемой организации.

Но насколько мы близки к достижению ОИИ и имеет ли вообще смысл пытаться? На самом деле это важный вопрос, ответ на который может стать проверкой реальности для энтузиастов искусственного интеллекта, которые хотят стать свидетелями эпохи сверхчеловеческого интеллекта.

Что такоеGI и чем он отличается от ИИ?

AGI отличается от нынешнего ИИ своей способностью выполнять любую интеллектуальную задачу, которую люди могут, а то и превзойти. Это различие заключается в нескольких ключевых особенностях, в том числе:

• абстрактное мышление
• способность обобщать конкретные случаи
• опираясь на разнообразные фоновые знания
• использование здравого смысла и сознания для принятия решений
• понимание причинно-следственной связи, а не просто корреляции
• эффективное общение и взаимодействие с людьми и другими агентами.

Хотя эти функции жизненно важны для достижения человеческого или сверхчеловеческого интеллекта, их по-прежнему сложно реализовать в современных системах искусственного интеллекта.

Современный искусственный интеллект преимущественно опирается на машинное обучение — отрасль информатики, которая позволяет машинам учиться на данных и опыте. Машинное обучение работает через контролируемый, бесконтрольныйкачества усиление обучения.

Обучение с учителем предполагает машинное обучение на основе помеченных данных для прогнозирования или классификации новых данных. Обучение без учителя предполагает поиск закономерностей в неразмеченных данных, тогда как обучение с подкреплением сосредоточено на обучении на основе действий и обратной связи, оптимизации вознаграждений или минимизации затрат.

Несмотря на достижение замечательных результатов в таких областях, как компьютерное зрение и обработки естественного языкаСовременные системы искусственного интеллекта ограничены качеством и количеством обучающих данных, заранее заданными алгоритмами и конкретными целями оптимизации. Им часто нужна помощь в адаптации, особенно в новых ситуациях, а также большая прозрачность в объяснении своих рассуждений.

Напротив, предполагается, что AGI свободен от этих ограничений и не будет полагаться на заранее определенные данные, алгоритмы или цели, а вместо этого будет полагаться на свои собственные возможности обучения и мышления. Более того, AGI может получать и интегрировать знания из различных источников и областей, беспрепятственно применяя их для решения новых и разнообразных задач. Более того, ОИИ преуспеет в рассуждении, общении, понимании и манипулировании миром и самим собой.

Каковы проблемы и подходы к достижению AGI?

Реализация ОИИ сопряжена с серьезными проблемами, охватывающими технические, концептуальные и этические аспекты.

Например, определение и измерение интеллекта, включая такие компоненты, как память, внимание, креативность и эмоции, является фундаментальным препятствием. Кроме того, моделирование и симуляция функций человеческого мозга, таких как восприятие, познание и эмоции, представляет собой сложную задачу.

Более того, важнейшие задачи включают разработку и реализацию масштабируемых, обобщаемых алгоритмов и архитектур обучения и рассуждения. Обеспечение безопасности, надежности и подотчетности систем AGI при их взаимодействии с людьми и другими агентами, а также согласование ценностей и целей систем AGI с ценностями общества также имеет первостепенное значение.

В поисках ОИИ были предложены и исследованы различные направления и парадигмы исследований, каждое из которых имеет свои сильные и слабые стороны. Символический ИИ, классический подход, использующий логику и символы для представления и манипулирования знаниями, превосходен в абстрактных и структурированных задачах, таких как математика и шахматы, но нуждается в помощи в масштабировании и интеграции сенсорных и двигательных данных.

Кроме того, Коннекционистский ИИ, современный подход, использующий нейронные сети и глубокое обучение для обработки больших объемов данных, превосходен в сложных и шумных областях, таких как зрение и язык, но требует помощи в интерпретации и обобщениях.

Гибридный ИИ объединяет символический и коннекционистский ИИ, чтобы использовать свои сильные стороны и преодолевать слабости, стремясь к созданию более надежных и универсальных систем. Сходным образом, Eреволюционный ИИ использует эволюционные алгоритмы и генетическое программирование для развития систем искусственного интеллекта посредством естественного отбора, ища новые и оптимальные решения, не ограниченные человеческим замыслом.

Наконец, Нейроморфный ИИ использует нейроморфное аппаратное и программное обеспечение для эмуляции биологических нейронных систем, стремясь к более эффективным и реалистичным моделям мозга и обеспечивая естественное взаимодействие с людьми и агентами.

Это не единственные подходы к AGI, но одни из наиболее известных и многообещающих. У каждого подхода есть преимущества и недостатки, и им все равно необходимо достичь универсальности и интеллекта, которые требуются AGI.

AGI Примеры и приложения

Хотя AGI еще не достигнут, некоторые примечательные примеры систем ИИ демонстрируют определенные аспекты или особенности, напоминающие AGI, что способствует видению возможного достижения AGI. Эти примеры представляют собой шаги в направлении AGI, демонстрируя конкретные возможности:

AlphaZero, разработанная DeepMind, представляет собой систему обучения с подкреплением, которая автономно учится играть в шахматы, сёги и го без человеческого ведома или руководства. Демонстрируя сверхчеловеческое мастерство, AlphaZero также представляет инновационные стратегии, бросающие вызов общепринятым представлениям.

Кроме того, OpenAI GPT-3 генерирует связные и разнообразные тексты по различным темам и задачам. Способный отвечать на вопросы, писать эссе и имитировать разные стили письма, GPT-3 демонстрирует универсальность, хотя и в определенных пределах.

Кроме того, NEAT, эволюционный алгоритм, созданный Кеннетом Стэнли и Ристо Мииккулайненом, развивает нейронные сети для таких задач, как управление роботами, игры и генерация изображений. Способность NEAT развивать структуру и функции сети позволяет создавать новые и сложные решения, не определенные программистами заранее.

Хотя эти примеры иллюстрируют прогресс на пути к созданию искусственного интеллекта, они также подчеркивают существующие ограничения и пробелы, которые требуют дальнейших исследований и разработок в достижении истинного искусственного интеллекта.

Последствия и риски AGI

ОИИ ставит научные, технологические, социальные и этические проблемы с глубокими последствиями. В экономическом плане это может создать возможности и разрушить существующие рынки, потенциально увеличивая неравенство. Улучшая образование и здравоохранение, AGI может создать новые проблемы и риски.

С этической точки зрения это может способствовать новым нормам, сотрудничеству и сочувствию, а также привносить конфликты, конкуренцию и жестокость. ОИИ может поставить под сомнение существующие смыслы и цели, расширить знания и переопределить человеческую природу и судьбу. Следовательно, заинтересованные стороны, включая исследователей, разработчиков, политиков, преподавателей и граждан, должны учитывать и учитывать эти последствия и риски.

Выводы

AGI находится на переднем крае исследований ИИ, обещая уровень интеллекта, превосходящий человеческие возможности. Хотя это видение очаровывает энтузиастов, на пути реализации этой цели сохраняются проблемы. Современный ИИ, преуспевающий в определенных областях, должен соответствовать обширному потенциалу AGI.

Многочисленные подходы, от символического и коннекционистского ИИ до нейроморфных моделей, стремятся к реализации AGI. Яркие примеры, такие как AlphaZero и GPT-3, демонстрируют достижения, однако настоящий AGI остается неуловимым. Путь к ОИИ, имеющий экономические, этические и экзистенциальные последствия, требует коллективного внимания и ответственного исследования.