Що таке загальний штучний інтелект (AGI) і чому його ще немає: перевірка реальності для ентузіастів ШІ

Штучний інтелект (AI) є всюди. Від розумних помічників до самостійного водіння автомобілів, системи ШІ змінюють наше життя та бізнес. Але що, якби був штучний інтелект, який міг би робити більше, ніж виконувати конкретні завдання? Що, якби існував тип штучного інтелекту, який міг би вчитися і мислити як людина або навіть перевершувати людський інтелект?

Це бачення Загальний штучний інтелект (AGI), гіпотетична форма штучного інтелекту, яка здатна виконувати будь-яке інтелектуальне завдання, яке під силу людині. AGI часто протиставляється Штучний вузький інтелект (ANI), поточний стан штучного інтелекту, який може досягти успіху лише в одній або кількох сферах, таких як гра в шахи чи розпізнавання облич. З іншого боку, AGI матиме здатність розуміти та міркувати в багатьох областях, таких як мова, логіка, творчість, здоровий глузд та емоції.

AGI не нова концепція. Це було керівним баченням досліджень штучного інтелекту з перших днів і залишається його найбільш суперечливою ідеєю. Деякі ентузіасти штучного інтелекту вважають, що AGI неминучий і неминучий і призведе до нової ери технологічного та соціального прогресу. Інші більш скептичні та обережні та попереджають про етичні та екзистенціальні ризики створення та контролю над такою потужною та непередбачуваною сутністю.

Але наскільки ми близькі до досягнення AGI і чи є сенс намагатися? Насправді це важливе питання, відповідь на який може забезпечити реальну перевірку для ентузіастів ШІ, які прагнуть стати свідками ери надлюдського інтелекту.

Що таке AGI і чим він відрізняється від ШІ?

AGI відрізняється від сучасного штучного інтелекту своєю здатністю виконувати будь-які інтелектуальні завдання, які можуть люди, якщо не перевершити їх. Ця відмінність полягає в кількох ключових характеристиках, зокрема:

• абстрактне мислення
• здатність узагальнювати на конкретних прикладах
• опираючись на різноманітні базові знання
• використання здорового глузду та свідомості для прийняття рішень
• розуміння причинного зв’язку, а не просто кореляції
• ефективне спілкування та взаємодія з людьми та іншими агентами.

Хоча ці функції є життєво важливими для досягнення людського або надлюдського інтелекту, їх важко охопити для сучасних систем ШІ.

Сучасний штучний інтелект переважно спирається на машинне навчання, галузь інформатики, яка дозволяє машинам навчатися на основі даних і досвіду. Машинне навчання діє через контрольований, без нагляду та навчання.

Контрольоване навчання передбачає машинне навчання на основі позначених даних для прогнозування або класифікації нових даних. Навчання без нагляду передбачає пошук шаблонів у немаркованих даних, тоді як навчання з підкріпленням зосереджено на навчанні на основі дій і зворотного зв’язку, оптимізації винагород або мінімізації витрат.

Незважаючи на досягнення чудових результатів у таких сферах, як комп'ютерне бачення та обробка природного мовисучасні системи ШІ обмежені якістю та кількістю навчальних даних, попередньо визначеними алгоритмами та конкретними цілями оптимізації. Їм часто потрібна допомога в адаптації, особливо в нових ситуаціях, і більше прозорості в поясненні своїх міркувань.

Навпаки, передбачається, що AGI буде вільним від цих обмежень і не покладатиметься на заздалегідь визначені дані, алгоритми чи цілі, а натомість на власні здібності до навчання та мислення. Крім того, AGI може здобувати та інтегрувати знання з різних джерел і областей, безперебійно застосовуючи їх для нових і різноманітних завдань. Крім того, AGI буде відмінним у міркуванні, спілкуванні, розумінні та маніпулюванні світом і собою.

Які проблеми та підходи до досягнення AGI?

Реалізація AGI створює значні проблеми, що охоплюють технічні, концептуальні та етичні аспекти.

Наприклад, визначення та вимірювання інтелекту, включаючи такі компоненти, як пам’ять, увага, креативність та емоції, є фундаментальною перешкодою. Крім того, моделювання та імітація функцій людського мозку, таких як сприйняття, пізнання та емоції, представляє складні проблеми.

Крім того, критичні проблеми включають розробку та реалізацію масштабованих, узагальнених алгоритмів і архітектур для навчання та міркування. Забезпечення безпеки, надійності та підзвітності систем AGI у їхній взаємодії з людьми та іншими агентами, а також узгодження цінностей і цілей систем AGI із цінностями суспільства також є надзвичайно важливими.

У пошуках AGI були запропоновані та досліджені різні напрямки та парадигми досліджень, кожна з яких має сильні та обмежені сторони. Символічний ШІ, класичний підхід із використанням логіки та символів для представлення та маніпулювання знаннями, відмінно справляється з абстрактними та структурованими проблемами, такими як математика та шахи, але потребує допомоги у масштабуванні та інтеграції сенсорних і рухових даних.

Так само, Коннекціоніст А.І, сучасний підхід із застосуванням нейронних мереж і глибокого навчання для обробки великих обсягів даних, відмінно підходить у складних і шумних областях, таких як зір і мова, але потребує допомоги в інтерпретації та узагальненнях.

Гібридний ШІ поєднує символічний і коннективний ШІ, щоб використовувати свої сильні сторони та подолати слабкі сторони, прагнучи до більш надійних і універсальних систем. Так само, Eволюційний ШІ використовує еволюційні алгоритми та генетичне програмування для розвитку систем штучного інтелекту шляхом природного відбору, шукаючи нові та оптимальні рішення, не обмежені людським задумом.

Нарешті, Нейроморфний ШІ використовує нейроморфне обладнання та програмне забезпечення для емуляції біологічних нейронних систем, прагнучи до більш ефективних і реалістичних моделей мозку та уможливлюючи природні взаємодії з людьми та агентами.

Це не єдині підходи до AGI, але деякі з найбільш відомих і перспективних. Кожен підхід має переваги та недоліки, і вони все ще повинні досягти загальності та інтелекту, яких вимагає AGI.

AGI Приклади та застосування

Хоча AGI ще не досягнуто, деякі помітні приклади систем штучного інтелекту демонструють певні аспекти або функції, що нагадують AGI, сприяючи баченню можливого досягнення AGI. Ці приклади представляють кроки до AGI, демонструючи конкретні можливості:

alphazero, розроблена DeepMind, є системою навчання з підкріпленням, яка автономно вчиться грати в шахи, сьогі та го без відома чи керівництва людини. Демонструючи надлюдську майстерність, AlphaZero також представляє інноваційні стратегії, які кидають виклик загальноприйнятій думці.

Крім того, OpenAI GPT-3 створює зв’язні та різноманітні тексти на різні теми та завдання. Здатний відповідати на запитання, писати есе та імітувати різні стилі письма, GPT-3 демонструє універсальність, хоча й у певних межах.

Так само, ЧЕРЕЗ, еволюційний алгоритм, створений Кеннетом Стенлі та Рісто Мійкулайненом, розвиває нейронні мережі для таких завдань, як керування роботами, ігри та створення зображень. Здатність NEAT розвивати мережеву структуру та функції створює нові та складні рішення, які не були створені програмістами.

Незважаючи на те, що ці приклади ілюструють прогрес у напрямку AGI, вони також підкреслюють існуючі обмеження та прогалини, які вимагають подальшого дослідження та розвитку для досягнення справжнього AGI.

Наслідки та ризики AGI

AGI створює наукові, технологічні, соціальні та етичні виклики з глибокими наслідками. В економічному плані це може створювати можливості та руйнувати існуючі ринки, потенційно посилюючи нерівність. Покращуючи освіту та охорону здоров’я, AGI може створити нові проблеми та ризики.

З етичної точки зору, це могло б сприяти новим нормам, співпраці та співчуттю та створювати конфлікти, конкуренцію та жорстокість. AGI може поставити під сумнів існуючі значення та цілі, розширити знання та змінити людську природу та долю. Таким чином, зацікавлені сторони повинні розглянути та розглянути ці наслідки та ризики, включаючи дослідників, розробників, політиків, освітян та громадян.

Bottom Line

AGI стоїть на передньому краї досліджень штучного інтелекту, обіцяючи рівень інтелекту, що перевищує людські можливості. Хоча бачення захоплює ентузіастів, у реалізації цієї мети залишаються труднощі. Сучасний штучний інтелект, який має переваги в певних областях, повинен відповідати експансивному потенціалу AGI.

Численні підходи, від символічного та коннекціоністського ШІ до нейроморфних моделей, прагнуть до реалізації AGI. Такі відомі приклади, як AlphaZero та GPT-3, демонструють прогрес, але справжній AGI залишається недосяжним. Маючи економічні, етичні та екзистенціальні наслідки, подорож до AGI вимагає колективної уваги та відповідального дослідження.