Шта је вештачка општа интелигенција (АГИ) и зашто још није ту: провера стварности за ентузијасте вештачке интелигенције

Вештачка интелигенција (АИ) је свуда. Од паметних помоћника до Аутомобили без возача, АИ системи трансформишу наше животе и пословање. Али шта ако постоји вештачка интелигенција која може да уради више од обављања одређених задатака? Шта ако постоји врста вештачке интелигенције која би могла да учи и мисли као човек или чак да надмаши људску интелигенцију?

Ово је визија Општа вештачка интелигенција (АГИ), хипотетички облик АИ који има потенцијал да оствари било који интелектуални задатак који људи могу. АГИ се често супротставља Вештачка уска интелигенција (АНИ), тренутно стање вештачке интелигенције која може да се истакне само у једном или неколико домена, као што је играње шаха или препознавање лица. АГИ би, с друге стране, имао способност разумевања и расуђивања у више домена, као што су језик, логика, креативност, здрав разум и емоције.

АГИ није нов концепт. То је била визија водиља истраживања вештачке интелигенције од најранијих дана и остаје њена идеја која највише раздваја. Неки ентузијасти АИ верују да је АГИ неизбежан и неизбежан и да ће довести до нове ере технолошког и друштвеног напретка. Други су скептичнији и опрезнији и упозоравају на етичке и егзистенцијалне ризике стварања и контроле тако моћног и непредвидивог ентитета.

Али колико смо близу постизању АГИ и да ли уопште има смисла покушати? Ово је, у ствари, важно питање чији одговор може пружити проверу стварности за ентузијасте вештачке интелигенције који су жељни да присуствују ери надљудске интелигенције.

Шта је А.GI и како се разликује од вештачке интелигенције?

АГИ се разликује од тренутне АИ по својој способности да изврши било који интелектуални задатак који људи могу, ако не и надмашити. Ова разлика је у смислу неколико кључних карактеристика, укључујући:

• апстрактно мишљење
• способност генерализације из конкретних инстанци
• црпећи из различитих позадинских знања
• користећи здрав разум и свест за доношење одлука
• разумевање узрочности а не само корелације
• ефективна комуникација и интеракција са људима и другим агенсима.

Иако су ове карактеристике од виталног значаја за постизање интелигенције сличне људима или надљудске, и даље их је тешко ухватити за тренутне системе вештачке интелигенције.

Тренутни АИ се претежно ослања на машинско учење, грану рачунарске науке која омогућава машинама да уче из података и искустава. Машинско учење функционише кроз надгледан, без надзора, и учење ојачавања.

Учење под надзором укључује машине које уче из означених података да би предвиделе или класификовале нове податке. Учење без надзора укључује проналажење образаца у неозначеним подацима, док се учење са појачањем усредсређује на учење из акција и повратних информација, оптимизацију за награде или минимизирање трошкова.

Упркос постизању изузетних резултата у областима као што су рачунарски вид обрада природног језика, тренутни АИ системи су ограничени квалитетом и квантитетом података за обуку, унапред дефинисаним алгоритмима и специфичним циљевима оптимизације. Често им је потребна помоћ око прилагодљивости, посебно у новим ситуацијама, и више транспарентности у објашњавању свог резоновања.

Насупрот томе, АГИ је замишљен да буде ослобођен ових ограничења и да се не ослања на унапред дефинисане податке, алгоритме или циљеве, већ на сопствене способности учења и размишљања. Штавише, АГИ би могао да стекне и интегрише знање из различитих извора и домена, неприметно га примењујући на нове и различите задатке. Штавише, АГИ би се истакао у закључивању, комуникацији, разумевању и манипулисању светом и собом.

Који су изазови и приступи постизању АГИ?

Остваривање АГИ представља значајне изазове који обухватају техничке, концептуалне и етичке димензије.

На пример, дефинисање и мерење интелигенције, укључујући компоненте као што су памћење, пажња, креативност и емоције, је основна препрека. Поред тога, моделирање и симулација функција људског мозга, као што су перцепција, когниција и емоције, представљају сложене изазове.

Штавише, критични изазови укључују дизајнирање и имплементацију скалабилних алгоритама и архитектура учења и расуђивања који се могу генерализовати. Обезбеђивање безбедности, поузданости и одговорности АГИ система у њиховој интеракцији са људима и другим агенсима и усклађивање вредности и циљева АГИ система са онима друштва је такође од највеће важности.

Различити правци истраживања и парадигме су предложени и истражени у потрази за АГИ, сваки са предностима и ограничењима. Симболиц АИ, класични приступ који користи логику и симболе за представљање знања и манипулацију, истиче се у апстрактним и структурираним проблемима као што су математика и шах, али му је потребна помоћ у скалирању и интеграцији сензорних и моторичких података.

Исто тако, Цоннецтионист АИ, модеран приступ који користи неуронске мреже и дубоко учење за обраду великих количина података, истиче се у сложеним и бучним доменима као што су визија и језик, али му је потребна помоћ у тумачењу и генерализацији.

Хибрид АИ комбинује симболичку и конекционистичку вештачку интелигенцију како би искористила своје предности и превазишла слабости, са циљем да се ојачају и свестранији системи. Слично томе, Eволуционарни АИ користи еволуционе алгоритме и генетско програмирање да еволуира АИ системе кроз природну селекцију, тражећи нова и оптимална решења неспутана људским дизајном.

Коначно, Неуроморфна АИ користи неуроморфни хардвер и софтвер за емулацију биолошких неуронских система, са циљем ефикаснијих и реалистичнијих модела мозга и омогућавајући природне интеракције са људима и агентима.

Ово нису једини приступи АГИ, већ неки од најистакнутијих и најперспективнијих. Сваки приступ има предности и недостатке, и још увек треба да постигну општост и интелигенцију које АГИ захтева.

АГИ Примери и примене

Иако АГИ још увек није постигнут, неки значајни примери АИ система показују одређене аспекте или карактеристике које подсећају на АГИ, доприносећи визији коначног достизања АГИ. Ови примери представљају кораке ка АГИ показујући специфичне могућности:

АлпхаЗеро, који је развио ДеепМинд, је систем учења са појачањем који самостално учи да игра шах, шоги и Го без људског знања или упутства. Демонстрирајући надљудску стручност, АлпхаЗеро такође уводи иновативне стратегије које изазивају конвенционалну мудрост.

Слично томе, ОпенАИ ГПТ-3 генерише кохерентне и разнолике текстове о различитим темама и задацима. Способан да одговара на питања, саставља есеје и опонаша различите стилове писања, ГПТ-3 показује свестраност, иако у одређеним границама.

Исто тако, УРЕДАН, еволутивни алгоритам који су креирали Кеннетх Станлеи и Ристо Мииккулаинен, развија неуронске мреже за задатке као што су контрола робота, играње игара и генерисање слика. НЕАТ-ова способност да еволуира мрежну структуру и функцију производи нова и сложена решења која нису унапред дефинисали људски програмери.

Иако ови примери илуструју напредак ка АГИ, они такође наглашавају постојећа ограничења и празнине које захтевају даље истраживање и развој у потрази за истинским АГИ.

АГИ импликације и ризици

АГИ поставља научне, технолошке, друштвене и етичке изазове са дубоким импликацијама. Економски, то може створити прилике и пореметити постојећа тржишта, потенцијално повећавајући неједнакост. Док унапређује образовање и здравље, АГИ може увести нове изазове и ризике.

Етички, то би могло промовисати нове норме, сарадњу и емпатију и увести сукобе, такмичење и окрутност. АГИ може довести у питање постојећа значења и сврхе, проширити знање и редефинисати људску природу и судбину. Стога, заинтересоване стране морају размотрити и позабавити се овим импликацијама и ризицима, укључујући истраживаче, програмере, креаторе политике, едукаторе и грађане.

Резиме

АГИ стоји на челу истраживања АИ, обећавајући ниво интелекта који превазилази људске способности. Док визија осваја ентузијасте, и даље постоје изазови у остварењу овог циља. Тренутна АИ, која се истиче у одређеним доменима, мора испунити експанзивни потенцијал АГИ.

Бројни приступи, од симболичке и конекционистичке АИ до неуроморфних модела, теже реализацији АГИ. Значајни примери као што су АлпхаЗеро и ГПТ-3 показују напредак, али прави АГИ остаје неухватљив. Са економским, етичким и егзистенцијалним импликацијама, путовање до АГИ захтева колективну пажњу и одговорно истраживање.