Что такое Искусственный Общий Интеллект (ИОИ) и Почему Он Ещё Не Пришёл: Реальность для Энтузиастов ИИ

Искусственный Интеллект (ИИ) везде. От умных помощников до автомобилей с автопилотом, системы ИИ преобразуют нашу жизнь и бизнес. Но что, если бы был ИИ, который мог бы делать больше, чем выполнять конкретные задачи? Что, если бы был тип ИИ, который мог бы учиться и думать как человек или даже превосходить человеческий интеллект?

Это видение Искусственного Общего Интеллекта (ИОИ), гипотетической формы ИИ, которая имеет потенциал выполнить любую интеллектуальную задачу, которую могут выполнить люди. ИОИ часто противопоставляется Искусственному Узкому Интеллекту (ИУИ), текущему состоянию ИИ, который может exceller только в одной или нескольких областях, таких как игра в шахматы или распознавание лиц. ИОИ, с другой стороны, имел бы способность понимать и рассуждать в нескольких областях, таких как язык, логика, креативность, здравый смысл и эмоция.

ИОИ не является новой концепцией. Это было руководящим видением исследований ИИ с самых ранних дней и остаётся его наиболее спорной идеей. Некоторые энтузиасты ИИ считают, что ИОИ неизбежен и близок и приведёт к новой эре технологического и социального прогресса. Другие более скептичны и осторожны и предупреждают об этических и экзистенциальных рисках создания и контроля такой мощной и непредсказуемой сущности.

Но насколько близко мы к достижению ИОИ, и имеет ли смысл пытаться? Это, в самом деле, важный вопрос, ответ на который может предоставить реальность для энтузиастов ИИ, которые жаждут увидеть эру сверхчеловеческого интеллекта.

Что такое ИОИ и Как Он Отличается от ИИ?

ИОИ отличается от текущего ИИ своей способностью выполнить любую интеллектуальную задачу, которую могут выполнить люди, если не превосходить их. Это различие заключается в нескольких ключевых особенностях, включая:

• абстрактное мышление
• способность обобщать из конкретных случаев
• использование разнообразных фоновых знаний
• использование здравого смысла и сознания для принятия решений
• понимание причинности, а не только корреляции
• эффективное общение и взаимодействие с людьми и другими агентами.

Хотя эти особенности необходимы для достижения человеческого или сверхчеловеческого интеллекта, они остаются трудными для захвата текущими системами ИИ.

Текущий ИИ в основном полагается на машинное обучение, ветвь компьютерной науки, которая позволяет машинам учиться на данных и опыте. Машинное обучение работает через наблюдаемое, ненаблюдаемое и усилительное обучение.

Наблюдаемое обучение включает в себя обучение машин на помеченных данных для предсказания или классификации новых данных. Ненаблюдаемое обучение включает в себя поиск закономерностей в непомеченных данных, а усилительное обучение сосредоточено на обучении на действиях и обратной связи, оптимизации вознаграждений или минимизации затрат.

Несмотря на достижение замечательных результатов в областях, таких как компьютерное зрение и обработка естественного языка, текущие системы ИИ ограничены качеством и количеством обучающих данных, предопределёнными алгоритмами и конкретными целями оптимизации. Они часто нуждаются в помощи с адаптивностью, особенно в новых ситуациях, и более прозрачности в объяснении своего рассуждения.

В отличие от этого, ИОИ предназначен для того, чтобы быть свободным от этих ограничений и не полагаться на предопределённые данные, алгоритмы или цели, а на свои собственные возможности обучения и мышления. Кроме того, ИОИ мог бы приобретать и интегрировать знания из различных источников и областей, применяя их без проблем к новым и разнообразным задачам. Кроме того, ИОИ превосходил бы в рассуждении, общении, понимании и манипулировании миром и собой.

Какие Вызовы и Подходы к Достижению ИОИ?

Реализация ИОИ представляет значительные вызовы, охватывающие технические, концептуальные и этические аспекты.

Например, определение и измерение интеллекта, включая компоненты, такие как память, внимание, креативность и эмоция, является фундаментальной проблемой. Кроме того, моделирование и симуляция функций человеческого мозга, таких как восприятие, когнитивные функции и эмоция, представляют собой сложные вызовы.

Кроме того, критические вызовы включают проектирование и реализацию масштабируемых, обобщаемых алгоритмов и архитектур обучения и рассуждения. Обеспечение безопасности, надёжности и подотчётности систем ИОИ в их взаимодействиях с людьми и другими агентами и соответствие ценностей и целей систем ИОИ ценностям и целям общества также имеет первостепенное значение.

Различные исследовательские направления и парадигмы были предложены и изучены в стремлении к ИОИ, каждое со своими сильными и слабыми сторонами. Символический ИИ, классический подход, использующий логику и символы для представления и манипулирования знаниями, превосходит в абстрактных и структурированных проблемах, таких как математика и шахматы, но нуждается в помощи в масштабировании и интеграции сенсорных и моторных данных.

Аналогично, Связный ИИ, современный подход, использующий нейронные сети и глубокое обучение для обработки больших объёмов данных, превосходит в сложных и шумных областях, таких как зрение и язык, но нуждается в помощи в интерпретации и обобщении.

Гибридный ИИ объединяет символический и связный ИИ, чтобы использовать их сильные стороны и преодолеть слабости, стремясь к более прочным и универсальным системам. Аналогично, Эволюционный ИИ использует эволюционные алгоритмы и генетическое программирование для эволюции систем ИИ через естественный отбор, стремясь к новым и оптимальным решениям, не ограниченным человеческим дизайном.

Наконец, Нейроморфный ИИ использует нейроморфное оборудование и программное обеспечение для имитации биологических нейронных систем, стремясь к более эффективным и реалистичным моделям мозга и ermögляя естественные взаимодействия с людьми и агентами.

Это не единственные подходы к ИОИ, но некоторые из наиболее перспективных и обещающих. Каждый подход имеет преимущества и недостатки, и они ещё не достигли общности и интеллекта, необходимых для ИОИ.

Примеры и Применения ИОИ

Хотя ИОИ ещё не достигнут, некоторые заметные примеры систем ИИ демонстрируют определённые аспекты или особенности, напоминающие ИОИ, способствуя видению окончательного достижения ИОИ. Эти примеры представляют собой шаги к ИОИ, демонстрируя конкретные возможности:

AlphaZero, разработанный DeepMind, является системой обучения с подкреплением, которая автономно учится играть в шахматы, шоги и Го без человеческих знаний или руководства. Демонстрируя сверхчеловеческую производительность, AlphaZero также вводит инновационные стратегии, которые бросают вызов традиционным представлениям.

Аналогично, OpenAI’s GPT-3 генерирует связные и разнообразные тексты по различным темам и задачам. Способный отвечать на вопросы, составлять эссе и имитировать различные стили письма, GPT-3 демонстрирует универсальность, хотя и в определённых пределах.

Аналогично, NEAT, эволюционный алгоритм, созданный Кеннетом Стэнли и Ристо Мииккулаиненом, эволюционирует нейронные сети для задач, таких как контроль робота, игра в игры и генерация изображений. Способность NEAT эволюционировать структуру и функцию сети производит новые и сложные решения, не предопределённые человеческими программистами.

Хотя эти примеры иллюстрируют прогресс к ИОИ, они также подчёркивают существующие ограничения и пробелы, которые требуют дальнейшего исследования и разработки в преследовании истинного ИОИ.

Последствия и Риски ИОИ

ИОИ представляет научные, технологические, социальные и этические вызовы с глубокими последствиями. Экономически он может создать возможности и нарушить существующие рынки, потенциально увеличивая неравенство. Улучшая образование и здравоохранение, ИОИ может ввести новые вызовы и риски.

Этически он может способствовать новым нормам, сотрудничеству и эмпатии и ввести конфликты, конкуренцию и жестокость. ИОИ может поставить под вопрос существующие значения и цели, расширить знания и переопределить человеческую природу и судьбу. Поэтому заинтересованные стороны должны рассмотреть и решить эти последствия и риски, включая исследователей, разработчиков, политиков, педагогов и граждан.

Основная Мысль

ИОИ стоит на переднем крае исследований ИИ, обещая уровень интеллекта, превосходящего человеческие возможности. Хотя видение завораживает энтузиастов, вызовы сохраняются в реализации этой цели. Текущий ИИ, превосходящий в конкретных областях, должен соответствовать обширному потенциалу ИОИ.

Многочисленные подходы, от символического и связного ИИ до нейроморфных моделей, стремятся к реализации ИОИ. Заметные примеры, такие как AlphaZero и GPT-3, демонстрируют достижения, но истинный ИОИ остаётся неуловимым. С экономическими, этическими и экзистенциальными последствиями, путь к ИОИ требует коллективного внимания и ответственного исследования.