Выделки AGI-22: прогресс в разработке искусственного общего интеллекта

Я недавно посетил 15-ю ежегодную конференцию по искусственному общему интеллекту (AGI-22), которая прошла в Сиэтле в августе, чтобы познакомиться с новыми разработками, которые могут привести к созданию искусственного общего интеллекта (AGI).

AGI – это тип продвинутого ИИ, который может обобщать информацию из нескольких областей и не ограничен узкой направленностью. Примерами узкого ИИ являются автономный транспорт, чат-бот, шахматный бот или любой другой ИИ, предназначенный для единственной цели. AGI, в сравнении, может гибко переключаться между любыми из вышеперечисленных или любой другой области экспертизы. Он состоит из спекулятивного типа ИИ, который может использовать новые алгоритмы, такие как transfer learning и эволюционное обучение, а также использовать устаревшие алгоритмы, такие как глубокое обучение с подкреплением.

Во время открывающей ключевой сессии Бен Гёрцель, исследователь ИИ, , CEO и основатель SingularityNET, и лидер OpenCog Foundation говорил о состоянии отрасли. Он казался энтузиастом будущего направления AGI, заявив, что “Мы находимся в нескольких годах, а не в десятилетиях” от создания AGI. Это означало бы, что запуск AGI может состояться примерно в 2029 году, в тот же год, когда Рэй Курцвейл, один из ведущих изобретателей, мыслителей и футурологов, предсказал появление ИИ, достигающего человеческого уровня интеллекта.

Теория гласит, что как только этот тип интеллекта будет достигнут, ИИ сразу же и непрерывно будет улучшать себя, быстро превосходя человеческий интеллект в том, что известно как сверхинтеллект.

Другой докладчик, Чарльз Дж. Симон, основатель и CEO Future AI, заявил в отдельной сессии, что “Появление AGI будет постепенным” и “AGI неизбежно и появится раньше, чем думают большинство людей, это может быть через пару лет”.

Несмотря на такой оптимистичный настрой, существуют значительные препятствия. Бен Гёрцель также признал, что для достижения AGI “Нам нужна инфузия новых идей, а не просто масштабирование нейронных сетей”. Это мнение разделяет Гэри Маркус, который известен тем, что заявил, что “глубокое обучение достигло своего предела”.

Некоторые из основных проблем при создании AGI включают разработку системы вознаграждений, которая может масштабировать интеллект информированным образом. Парадокс Моравека отражает текущую проблему достижения AGI с помощью нашей текущей технологии. Этот парадокс гласит, что адаптации, которые интуитивны для одного года, такие как обучение ходить и симулировать реальность, гораздо более сложны для программирования в ИИ, чем то, что люди считают сложным.

Для людей это противоположно, освоение шахмат или выполнение сложных математических формул может потребовать всю жизнь, но эти задачи относительно легко решаются узкими ИИ.

Одним из решений этой проблемы может быть эволюционное обучение, также известное как эволюционные алгоритмы. Это позволяет ИИ искать сложные решения, имитируя процесс биологической эволюции.

В отдельном вопросе и ответе Бен Гёрцель заявил, что “AGI не является неизбежным, но он очень вероятен”. Это тот же вывод, который я сделал, но граница между неизбежностью и вероятностью размыта.

Во время конференции были представлены многие доклады, один из которых обсуждался – Полиномиальные функторы: общая теория взаимодействия Дэвида Спивака из Института Топос в Беркли, Калифорния, и Нельсона Ниу из Университета Вашингтона в Сиэтле, штат Вашингтон. Этот доклад обсуждает математическую категорию, называемую Poly, которая может повлиять на будущее направление ИИ в отношении интимных отношений с динамическими процессами, принятием решений и хранением и преобразованием данных. Остается только увидеть, как это повлияет на исследования AGI, но это может быть одним из недостающих компонентов, которые могут привести нас к AGI.

Конечно, были и другие доклады, которые были более спекулятивными, такие как Индекс универсальности-эффективности (VEI): к всестороннему определению IQ для агентов AGI Мохаммадрезы Алидуста. Идея состоит в том, чтобы создать альтернативный способ измерения уровня интеллекта интеллектуальных систем, своего рода тест IQ для измерения агентов AGI вычислительным способом.

Две заметные компании, которые могут добиться прорывов в этой базовой технологии, – это OpenAI и DeepMind, обе из которых были заметно отсутствуют. Это может быть связано со страхом, что AGI не воспринимается всерьез сообществом ИИ, но они являются двумя компаниями, которые наиболее вероятно добьются первого прорыва в этой области. Это особенно верно, учитывая, что заявленная миссия OpenAI – проводить фундаментальные, долгосрочные исследования по созданию безопасного AGI.

Хотя не было重大ных революционных прорывов, чтобы раскрыть на конференции, ясно, что AGI занимает многих исследователей, и это то, на что сообщество ИИ должно обратить больше внимания. Ведь AGI может быть решением проблемы многочисленных экзистенциальных угроз человечества.