Yapay Genel Zeka (AGI) Nedir ve Neden Henüz Burada Değil: Yapay Zeka Meraklıları için Bir Gerçeklik Kontrolü

Yapay Zeka (AI) her yerde. Akıllı asistanlardan öz-sürüş arabaYapay zeka sistemleri hayatlarımızı ve işlerimizi dönüştürüyor. Peki ya belirli görevleri yerine getirmekten daha fazlasını yapabilen bir yapay zeka olsaydı? Peki ya insan gibi öğrenip düşünebilen, hatta insan zekasını aşabilen bir yapay zeka türü olsaydı?

Bu, vizyonu Yapay Genel Zeka (AGI), İnsanların yapabileceği her türlü entelektüel görevi yerine getirme potansiyeline sahip varsayımsal bir yapay zeka biçimi. AGI sıklıkla karşılaştırılıyor Yapay Dar Zeka (ANI), satranç oynamak veya yüzleri tanımak gibi yalnızca bir veya birkaç alanda başarılı olabilen yapay zekanın mevcut durumu. Öte yandan AGI, dil, mantık, yaratıcılık, sağduyu ve duygu gibi birden fazla alanı anlama ve akıl yürütme yeteneğine sahip olacaktır.

AGI yeni bir kavram değil. Bu, ilk günlerden beri yapay zeka araştırmalarının yol gösterici vizyonu olmuştur ve hala en bölücü fikir olmaya devam etmektedir. Bazı yapay zeka meraklıları YGZ'nin kaçınılmaz ve yakın olduğuna ve yeni bir teknolojik ve sosyal ilerleme çağına yol açacağına inanıyor. Diğerleri ise daha şüpheci ve ihtiyatlı davranıyor ve böylesine güçlü ve öngörülemez bir varlığı yaratmanın ve kontrol etmenin etik ve varoluşsal riskleri konusunda uyarıda bulunuyor.

Peki YGZ'ye ulaşmaya ne kadar yakınız ve denemek mantıklı mı? Aslında bu, insanüstü zeka çağına tanıklık etmeye hevesli yapay zeka meraklıları için cevabı gerçeklik kontrolü sağlayabilecek önemli bir sorudur.

A NedirGI ve Yapay Zekadan Nasıl Farklıdır?

AGI, insanların aşamayacağı her türlü entelektüel görevi yerine getirme kapasitesiyle mevcut yapay zekadan ayrılıyor. Bu ayrım, aşağıdakiler de dahil olmak üzere birçok temel özellik açısındandır:

• soyut düşünme
• Belirli örneklerden genelleme yapma yeteneği
• farklı arka plan bilgilerinden yararlanarak
• Karar vermede sağduyu ve bilinci kullanmak
• Sadece korelasyondan ziyade nedenselliği anlamak
• İnsanlarla ve diğer ajanlarla etkili iletişim ve etkileşim.

Bu özellikler insan benzeri veya insanüstü zekaya ulaşmak için hayati öneme sahip olsa da mevcut yapay zeka sistemleri için bunları yakalamak hala zor.

Mevcut yapay zeka ağırlıklı olarak makinelerin verilerden ve deneyimlerden öğrenmesini sağlayan bir bilgisayar bilimi dalı olan makine öğrenimine dayanıyor. Makine öğrenimi aracılığıyla çalışır denetimli, denetimsiz, ve takviye öğrenme.

Denetimli öğrenme, yeni verileri tahmin etmek veya sınıflandırmak için etiketli verilerden öğrenen makineleri içerir. Denetimsiz öğrenme, etiketlenmemiş verilerdeki kalıpları bulmayı içerirken, takviyeli öğrenme, eylemlerden ve geri bildirimlerden öğrenme, ödüller için optimizasyon yapma veya maliyetleri en aza indirme etrafında yoğunlaşır.

gibi alanlarda dikkate değer sonuçlar elde edilmesine rağmen Bilgisayar görüşü ve doğal dil işlemeMevcut yapay zeka sistemleri, eğitim verilerinin kalitesi ve miktarı, önceden tanımlanmış algoritmalar ve belirli optimizasyon hedefleri ile sınırlıdır. Özellikle yeni durumlarda uyum sağlama konusunda yardıma ve gerekçelerini açıklamada daha fazla şeffaflığa ihtiyaç duyarlar.

Buna karşılık, AGI'nin bu sınırlamalardan muaf olması ve önceden tanımlanmış verilere, algoritmalara veya hedeflere değil, kendi öğrenme ve düşünme yeteneklerine dayanması öngörülüyor. Dahası, AGI farklı kaynaklardan ve alanlardan bilgi edinip entegre edebilir ve bu bilgiyi yeni ve çeşitli görevlere sorunsuz bir şekilde uygulayabilir. Dahası, AGI akıl yürütmede, iletişimde, anlamada ve dünyayı ve kendisini manipüle etmede başarılı olacaktır.

YGZ'ye Ulaşmanın Zorlukları ve Yaklaşımları Nelerdir?

YGZ'yi hayata geçirmek, teknik, kavramsal ve etik boyutları kapsayan önemli zorlukları beraberinde getirir.

Örneğin hafıza, dikkat, yaratıcılık ve duygu gibi bileşenleri de içeren zekayı tanımlamak ve ölçmek temel bir engeldir. Ek olarak insan beyninin algı, biliş ve duygu gibi işlevlerinin modellenmesi ve simüle edilmesi karmaşık zorlukları da beraberinde getirir.

Dahası, kritik zorluklar arasında ölçeklenebilir, genelleştirilebilir öğrenme ve muhakeme algoritmaları ve mimarilerinin tasarlanması ve uygulanması yer alır. YGZ sistemlerinin insanlarla ve diğer aktörlerle olan etkileşimlerinde güvenliğini, güvenilirliğini ve hesap verebilirliğini sağlamak ve YGZ sistemlerinin değer ve hedeflerini toplumun değerleri ve hedefleriyle uyumlu hale getirmek de son derece önemlidir.

YGZ'nin peşinde, her birinin güçlü ve sınırlı yanları olan çeşitli araştırma yönleri ve paradigmalar önerilmiş ve araştırılmıştır. Sembolik AIBilgi temsili ve manipülasyonu için mantık ve semboller kullanan klasik bir yaklaşım olan , matematik ve satranç gibi soyut ve yapılandırılmış problemlerde üstünlük sağlar ancak duyusal ve motor verileri ölçeklendirmek ve entegre etmek için yardıma ihtiyaç duyar.

Aynı şekilde, Bağlantıcı AIBüyük miktarlarda veriyi işlemek için sinir ağlarını ve derin öğrenmeyi kullanan modern bir yaklaşım, görme ve dil gibi karmaşık ve gürültülü alanlarda başarılıdır ancak yorumlama ve genelleme konusunda yardıma ihtiyaç duyar.

Hibrit yapay zeka Güçlü yanlarından yararlanmak ve zayıf yönlerinin üstesinden gelmek için sembolik ve bağlantıcı yapay zekayı birleştirerek daha sağlam ve çok yönlü sistemler hedefliyor. benzer şekilde, Eevrimsel yapay zeka yapay zeka sistemlerini doğal seçilim yoluyla geliştirmek için evrimsel algoritmaları ve genetik programlamayı kullanıyor ve insan tasarımıyla sınırlandırılmayan yeni ve optimal çözümler arıyor.

Son olarak, Nöromorfik Yapay Zeka Biyolojik sinir sistemlerini taklit etmek için nöromorfik donanım ve yazılımdan yararlanarak daha verimli ve gerçekçi beyin modellerini hedefliyor ve insanlarla ve ajanlarla doğal etkileşimleri mümkün kılıyor.

Bunlar YGZ'ye yönelik tek yaklaşımlar değil, aynı zamanda en öne çıkan ve gelecek vaat eden yaklaşımlardan bazıları. Her yaklaşımın avantajları ve dezavantajları vardır ve yine de YGZ'nin gerektirdiği genelliğe ve zekaya ulaşmaları gerekmektedir.

AGI Örnekler ve Uygulamalar

YGZ henüz başarıya ulaşmamış olsa da, YGZ'yi hatırlatan bazı önemli YZ sistemleri örnekleri, nihai YGZ kazanımı vizyonuna katkıda bulunuyor. Bu örnekler, belirli yetenekleri sergileyerek AGI'ye doğru atılan adımları temsil etmektedir:

AlfaSıfırDeepMind tarafından geliştirilen, satranç, shogi ve Go oynamayı insan bilgisi veya rehberliği olmadan özerk bir şekilde öğrenen bir takviyeli öğrenme sistemidir. İnsanüstü yeterlilik sergileyen AlphaZero, aynı zamanda geleneksel bilgeliğe meydan okuyan yenilikçi stratejiler de sunuyor.

Benzer şekilde, OpenAI'ler GPT-3, çeşitli konu ve görevlerde tutarlı ve çeşitli metinler üretir. Sorulara cevap verebilen, makaleler yazabilen ve farklı yazı stillerini taklit edebilen GPT-3, belirli sınırlar dahilinde de olsa çok yönlülük sergiliyor.

Aynı şekilde, TEMİZKenneth Stanley ve Risto Miikkulainen tarafından oluşturulan evrimsel bir algoritma olan robot kontrolü, oyun oynama ve görüntü oluşturma gibi görevler için sinir ağlarını geliştiriyor. NEAT'ın ağ yapısını ve işlevini geliştirme yeteneği, insan programcılar tarafından önceden tanımlanmayan yeni ve karmaşık çözümler üretir.

Bu örnekler YGZ'ye doğru ilerlemeyi gösterirken, aynı zamanda gerçek YGZ'yi takip etmek için daha fazla araştırma ve geliştirme gerektiren mevcut sınırlamaların ve boşlukların da altını çiziyor.

YGZ'nin Etkileri ve Riskleri

YGZ derin etkileri olan bilimsel, teknolojik, sosyal ve etik zorluklara yol açmaktadır. Ekonomik olarak fırsatlar yaratabilir ve mevcut pazarları bozabilir, potansiyel olarak eşitsizliği artırabilir. AGI, eğitim ve sağlığı iyileştirirken yeni zorluklar ve riskler de getirebilir.

Etik olarak yeni normları, işbirliğini ve empatiyi teşvik edebilir ve çatışmaları, rekabeti ve zulmü ortaya çıkarabilir. YGZ mevcut anlam ve amaçları sorgulayabilir, bilgiyi genişletebilir ve insan doğasını ve kaderini yeniden tanımlayabilir. Bu nedenle araştırmacılar, geliştiriciler, politika yapıcılar, eğitimciler ve vatandaşlar da dahil olmak üzere paydaşların bu sonuçları ve riskleri dikkate alması ve ele alması gerekir.

Alt çizgi

AGI, insan yeteneklerini aşan bir zeka seviyesi vaat ederek yapay zeka araştırmalarının ön saflarında yer alıyor. Vizyon meraklıları büyülese de, bu hedefi gerçekleştirmede zorluklar devam ediyor. Belirli alanlarda öne çıkan mevcut yapay zeka, AGI'nin geniş potansiyelini karşılamalıdır.

Sembolik ve bağlantıcı yapay zekadan nöromorfik modellere kadar çok sayıda yaklaşım, YGZ'nin gerçekleştirilmesi için çabalıyor. AlphaZero ve GPT-3 gibi dikkate değer örnekler ilerlemeleri sergiliyor, ancak gerçek AGI hala anlaşılması zor. Ekonomik, etik ve varoluşsal sonuçları olan YGZ'ye yolculuk, kolektif dikkat ve sorumlu keşif gerektirir.