AGI-22 belyser framstegen i utvecklingen av artificiell allmän intelligens

Jag deltog nyligen på 15^th årlig konferens om artificiell allmän intelligens (AGI-22) som hölls i Seattle i augusti, i ett försök att bekanta mig med ny utveckling som kan leda till att en artificiell allmän intelligens (AGI) så småningom skapas.

En AGI är en typ av avancerad AI som kan generaliseras över flera domäner och som inte är snäv i omfattning. Exempel på smal AI inkluderar ett autonomt fordon, en chatbot, en schackbot eller någon annan AI som är designad för ett enda syfte. En AGI i jämförelse skulle flexibelt kunna växla mellan något av ovanstående eller något annat expertområde. Den består av en spekulativ typ av AI som skulle dra nytta av begynnande algoritmer som t.ex överför lärande, och evolutionärt lärande, samtidigt som man utnyttjar äldre algoritmer som t.ex djup förstärkning inlärning.

Under den inledande keynotesessionen Ben Goertzel en AI-forskare, VD och grundare av SingularityNET, och ledare för OpenCog Foundation talade om tillståndet i branschen. Han verkade entusiastisk över AGI:s framtida inriktning och sa att "Vi är år bort snarare än decennier bort". Detta skulle placera den slutliga lanseringen av en AGI till ungefär 2029, samma år som ray Kurzweil en av världens ledande uppfinnare, tänkare och framtidsforskare förutspådde framväxten av en AI som uppnår intelligens på mänsklig nivå.

Teorin säger att när denna typ av intelligens väl har nåtts, skulle AI omedelbart och kontinuerligt förbättra sig själv för att snabbt överträffa mänsklig intelligens i vad som kallas superintelligens.

Ytterligare en högtalare Charles J. Simon, grundare och VD för Framtida AI sade i en separat session, "AGI-uppkomsten kommer att ske gradvis", och "AGI är oundviklig och kommer att anlända tidigare än de flesta tror, ​​det kan ta ett par år".

Även denna hausseartade känsla kommer att finnas betydande vägspärrar i rymden. Ben Goertzel erkände också att för att uppnå AGI, "Vi behöver en infusion av nya idéer, inte bara skala upp neurala nätverk". Detta är en känsla som har delats av Gary Marcus som är känd för att säga att "deep Learning har träffat en vägg".

Några av kärnutmaningarna för att skapa en AGI inkluderar att ta reda på ett belöningssystem som kan skala intelligens på ett maximalt informerat sätt. Moravecs paradox återspeglar det nuvarande problemet med att uppnå AGI med vår nuvarande teknik. Denna paradox säger att anpassningar som är intuitiva för en ettåring som att lära sig gå och simulera verkligheten är mycket svårare att programmera i en AI än vad människor uppfattar som svårt.

För människor är det motsatsen, att bemästra schack eller att utföra komplexa matematiska formler kan kräva en livstid att bemästra, men det är två ganska enkla uppgifter för smala AI:er.

En av lösningarna på denna paradox kan vara evolutionärt lärande även känt som evolutionära algoritmer. Detta gör det i huvudsak möjligt för en AI att söka efter komplexa lösningar genom att efterlikna den biologiska evolutionsprocessen.

I en separat Q & A uttalade Ben Goertzel att "AGI är inte oundvikligt, men det är mycket troligt." Det är samma slutsats som jag har kommit fram till, men gränsen mellan oundviklighet och sannolikhet suddas ut.

Under konferensen var det många papper som presenterades, en av de uppmärksammade papper som diskuterades var Polynomfunktioner: En allmän teori om interaktion av David Spivak från Topos Institute i Berkeley, CA och Nelson Niu från University of Washington i Seattle, WA. Den här artikeln diskuterar en matematisk kategori som kallas Poly som kan påverka den framtida riktningen för AI när det kommer till intima relationer med dynamiska processer, beslutsfattande och lagring och transformation av data. Det återstår att se hur detta kommer att påverka AGI-forskningen, men det kan vara en av de saknade komponenterna som kan leda oss till AGI.

Naturligtvis fanns det andra tidningar som var mer spekulativa, såsom Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents av Mohammadreza Alidoust. Tanken är att konstruera en alternativt sätt att mäta intelligensnivån hos intelligenta system, en typ av IQ-test för att mäta AGI-agenter på ett beräkningsmässigt sätt.

Två anmärkningsvärda företag som kan göra genombrott inom denna underliggande teknik är OpenAI och DeepMind, som båda var särskilt frånvarande. Det kan vara av rädsla att AGI inte tas på allvar av AI-gemenskapen, men de är de två företagen som är mest sannolikt att göra det första genombrottet på detta område. Detta gäller särskilt sedan OpenAI:s uttalade uppdrag är att bedriva grundläggande, långsiktig forskning mot skapandet av en säker AGI.

Även om det inte fanns några större revolutionära genombrott att avslöja på konferensen, är det tydligt att AGI sysselsätter många forskare och det är något som AI-gemenskapen borde ägna mer uppmärksamhet åt. Trots allt, en AGI kan vara lösningen att lösa mänsklighetens många existentiella hot.