Nổi bật AGI-22 về Tiến bộ trong Phát triển Trí tuệ Nhân tạo Tổng quát

Gần đây, tôi đã tham dự Hội nghị thường niên thứ 15 về Trí tuệ Nhân tạo Tổng quát (AGI-22) được tổ chức tại Seattle vào tháng 8, trong nỗ lực làm quen với các phát triển mới có thể dẫn đến việc tạo ra Trí tuệ Nhân tạo Tổng quát (AGI) cuối cùng.

Một AGI là một loại trí tuệ nhân tạo tiên tiến có thể tổng quát hóa trên nhiều lĩnh vực và không bị giới hạn trong phạm vi hẹp. Các ví dụ về trí tuệ nhân tạo hẹp bao gồm xe tự hành, rô-bốt trò chuyện, rô-bốt cờ vua hoặc bất kỳ trí tuệ nhân tạo nào được thiết kế cho một mục đích duy nhất. Một AGI so sánh sẽ có thể linh hoạt thay đổi giữa bất kỳ lĩnh vực nào trên hoặc bất kỳ lĩnh vực chuyên môn nào. Nó bao gồm một loại trí tuệ nhân tạo mang tính suy đoán sẽ tận dụng các thuật toán mới như học chuyển giao và học tiến hóa, đồng thời cũng khai thác các thuật toán cũ như học tăng cường sâu.

Trong phiên khai mạc, Ben Goertzel, một nhà nghiên cứu trí tuệ nhân tạo , CEO và người sáng lập SingularityNET, và người lãnh đạo Quỹ OpenCog đã nói về tình hình của ngành. Ông dường như rất hào hứng về tương lai của AGI khi nói rằng, “Chúng ta chỉ còn vài năm nữa chứ không phải vài thập kỷ”. Điều này sẽ đặt việc ra mắt AGI vào khoảng năm 2029, cùng năm mà Ray Kurzweil, một trong những nhà phát minh, nhà tư tưởng và nhà tương lai học hàng đầu thế giới, đã dự đoán sự xuất hiện của một trí tuệ nhân tạo đạt được mức trí tuệ của con người.

Lý thuyết cho rằng một khi loại trí tuệ này được đạt đến, trí tuệ nhân tạo sẽ tự cải thiện liên tục và nhanh chóng vượt qua trí tuệ của con người trong cái được gọi là siêu trí tuệ.

Một diễn giả khác, Charles J. Simon, người sáng lập và CEO của Future AI đã nói trong một phiên riêng, “Sự xuất hiện của AGI sẽ là dần dần”, và “AGI là không thể tránh khỏi và sẽ đến sớm hơn nhiều người nghĩ, có thể chỉ trong vài năm”.

Mặc dù có những quan điểm lạc quan như vậy, vẫn có những trở ngại đáng kể. Ben Goertzel cũng thừa nhận rằng để đạt được AGI, “Chúng ta cần một sự kết hợp của những ý tưởng mới, không chỉ là mở rộng mạng nơ-ron”. Đây là một quan điểm đã được chia sẻ bởi Gary Marcus, người được biết đến với việc nói rằng, “học sâu đã đạt đến giới hạn”.

Một số thách thức cốt lõi trong việc tạo ra AGI bao gồm việc tìm ra một hệ thống phần thưởng có thể mở rộng trí tuệ một cách tối ưu. Nghịch lý Moravec phản ánh vấn đề hiện tại khi đạt được AGI với công nghệ hiện tại. Nghịch lý này cho rằng những thích nghi mà một đứa trẻ một tuổi có thể thực hiện, như học cách đi và mô phỏng thực tế, lại khó khăn hơn nhiều để lập trình trong một trí tuệ nhân tạo so với những gì con người coi là khó khăn.

Đối với con người, điều ngược lại là đúng; việc thành thạo cờ vua hoặc thực hiện các công thức toán học phức tạp có thể đòi hỏi một đời người, nhưng những việc này lại tương đối dễ dàng đối với trí tuệ nhân tạo hẹp.

Một trong những giải pháp cho nghịch lý này có thể là học tiến hóa, cũng được gọi là thuật toán tiến hóa. Điều này cho phép trí tuệ nhân tạo tìm kiếm các giải pháp phức tạp bằng cách mô phỏng quá trình tiến hóa sinh học.

Trong một phiên hỏi đáp riêng, Ben Goertzel đã nói rằng, “AGI không phải là không thể tránh khỏi, nhưng nó rất có khả năng”. Đây cũng là kết luận mà tôi đã đạt đến, nhưng ranh giới giữa không thể tránh khỏi và khả năng là không rõ ràng.

Trong suốt hội nghị, có nhiều bài báo được trình bày, một trong những bài báo đáng chú ý được thảo luận là Phương thức đa thức: Một lý thuyết tổng quát về tương tác của David Spivak từ Viện Topos ở Berkeley, CA và Nelson Niu từ Đại học Washington, ở Seattle, WA. Bài báo này thảo luận về một loại toán học được gọi là Poly, có thể ảnh hưởng đến hướng phát triển tương lai của trí tuệ nhân tạo khi nói đến mối quan hệ với các quá trình động, ra quyết định và lưu trữ, biến đổi dữ liệu. Điều này vẫn còn phải được xem xét làm thế nào nó sẽ ảnh hưởng đến nghiên cứu AGI, nhưng nó có thể là một trong những thành phần còn thiếu có thể dẫn chúng ta đến AGI.

Tất nhiên, cũng có những bài báo khác mang tính suy đoán hơn, như Chỉ số Tính linh hoạt-Hiệu suất (VEI): Hướng tới Định nghĩa Toàn diện về Chỉ số Thông minh cho Các tác nhân AGI của Mohammadreza Alidoust. Ý tưởng là xây dựng một cách thay thế để đo lường mức độ thông minh của các hệ thống thông minh, một loại kiểm tra trí tuệ để đo lường các tác nhân AGI theo cách tính toán.

Hai công ty đáng chú ý có thể tạo ra những đột phá trong công nghệ cơ bản này là OpenAI và DeepMind, cả hai đều vắng mặt đáng chú ý. Có thể là do lo ngại rằng AGI không được cộng đồng trí tuệ nhân tạo coi trọng, nhưng chúng là hai công ty có khả năng tạo ra bước đột phá đầu tiên trong lĩnh vực này. Điều này đặc biệt đúng khi sứ mệnh được tuyên bố của OpenAI là tiến hành nghiên cứu cơ bản, dài hạn nhằm tạo ra một AGI an toàn.

Mặc dù không có những đột phá cách mạng lớn nào được tiết lộ tại hội nghị, rõ ràng là AGI đang thu hút sự chú ý của nhiều nhà nghiên cứu và đây là điều mà cộng đồng trí tuệ nhân tạo nên quan tâm nhiều hơn. Sau tất cả, một AGI có thể là giải pháp cho việc giải quyết các mối đe dọa tồn tại đa dạng của loài người.