Keinotekoinen yleinen älykkyys (AGI): määritelmä, miten se toimii ja esimerkkejä

Tekoäly (AGI) on tekoälyn teoreettinen muoto, joka pystyy ratkaisemaan minkä tahansa määrän hypoteettisia tehtäviä käyttämällä ihmisen yleisiä kognitiivisia kykyjä.

Mikä on yleiskeinotekoinen älykkyys (AGI)?

Keinotekoinen yleinen älykkyys (AGI) on teoreettinen osa tekoäly (AI) tutkimus, jonka tarkoituksena on kehittää tekoälyä, jolla on ihmisen tasoinen kognitiivinen toiminta, mukaan lukien kyky itseoppia. Kaikki tekoälytutkijat eivät kuitenkaan usko, että AGI-järjestelmän kehittäminen on edes mahdollista, ja kenttä on jakautunut sen suhteen, mitkä tekijät muodostavat ja voivat tarkasti mitata "älykkyyttä".

Muita AGI: n termejä ovat vahva tekoäly tai yleinen tekoäly. Nämä teoreettiset tekoälymuodot eroavat heikosta tekoälystä tai kapeasta tekoälystä, jotka pystyvät suorittamaan vain tiettyjä tai erikoistuneita tehtäviä ennalta määritellyn parametrijoukon sisällä. AGI pystyisi ratkaisemaan itsenäisesti monia monimutkaisia ongelmia eri tiedonaloilla.

Avaimet takeawayt

Tekoäly (AGI) on teoreettinen pyrkimys tekoälytutkimuksen (AI) alalla, joka pyrkii kehittämään tekoälyä, jolla on ihmisen kognition taso.
instagram viewer
AGI: ta pidetään vahvana tekoälynä (verrattuna heikkoon tekoälyyn, joka voi toimia vain tietyn parametrijoukon sisällä).
Vahva tekoäly, kuten AGI, olisi teoriassa itseoppiva ja pystyisi suorittamaan yleisiä tehtäviä itsenäisesti.
AGI-tutkimus kehittyy edelleen, ja tutkijat ovat erimielisiä sekä AGI: n saavuttamiseen tarvittavista lähestymistavoista että sen mahdollisen luomisen ennustetusta aikataulusta.

Kuinka tekoäly (AGI) toimii

Koska AGI on edelleen teoreettinen käsite, mielipiteet eroavat siitä, kuinka se lopulta voidaan toteuttaa. Tekoälytutkijoiden Ben Goertzelin ja Cassio Pennachinin mukaan "yleinen älykkyys" ei tarkoita täsmälleen samaa asiaa kaikille tutkijoille. Kuitenkin, "löyhästi puhuen", AGI viittaa "AI-järjestelmiin, joilla on kohtuullinen itseymmärrys ja autonominen itsehallinta ja joilla on kyky ratkaista monia monimutkaisia ongelmia erilaisissa yhteyksissä ja oppia ratkaisemaan uusia ongelmia, joista he eivät tienneet syntyessään luominen."

Tekoälytutkimuksen ja AGI-konseptin epämääräisen ja kehittyvän luonteen vuoksi on olemassa erilaisia teoreettisia lähestymistapoja sen luomiseen. Jotkut näistä sisältävät tekniikoita, kuten hermoverkkoja ja syväoppimista, kun taas toiset menetelmät ehdottavat ihmisaivojen laajamittaisten simulaatioiden luomista laskennallisen neurotieteen avulla.

Keinotekoinen yleinen älykkyys (AGI) vs. Tekoäly (AI)

Vaikka tekoäly (AI) kattaa tällä hetkellä laajan valikoiman teknologioita ja tutkimustapoja, jotka käsittelevät koneita ja tietokoneita kognitio, tekoäly (AGI) tai tekoäly, jonka älykkyystaso on yhtä suuri kuin ihmisen, on edelleen teoreettinen käsite ja tutkimuksen tavoite.

Tekoälyn tutkija Peter Voss määrittelee yleisen älykkyyden "kyvyksi oppia mitä tahansa (periaatteessa). Hänen kriteeriensä mukaan AGI: n oppimiskyvyn tulisi olla "itsenäinen, tavoitteellinen ja erittäin mukautuva." AGI on yleisesti käsitteellinen tekoälyksi, jolla on kyky vastata ihmisten kognitiivisia kykyjä, ja se luokitellaan vahvan tunnisteen alle. AI. (Tekotekoinen superäly [ASI] kuuluu myös vahvan tekoälyn kategoriaan; se viittaa kuitenkin tekoälyn käsitteeseen, että ylittää ihmisen aivojen toiminta.)

Vertailun vuoksi suurin osa tällä hetkellä saatavilla olevasta tekoälystä luokiteltaisiin heikoksi tekoälyksi tai kapeaksi tekoälyksi, koska se on kehitetty keskittymään tiettyihin tehtäviin ja sovelluksiin. On kuitenkin syytä huomata, että nämä tekoälyjärjestelmät voivat silti olla uskomattoman tehokkaita ja monimutkaisia sovelluksilla, jotka vaihtelevat autonomisista ajoneuvojärjestelmistä ääniaktivoituihin virtuaalisiin avustajiin. he vain luottavat jonkin tason ihmisen ohjelmointiin koulutuksen ja tarkkuuden vuoksi.

Esimerkkejä yleisestä tekoälystä (AGI)

Koska AGI on edelleen kehittyvä konsepti ja kenttä, on kyseenalaista, onko AGI: stä olemassa olemassa olevia esimerkkejä. Microsoftin tutkijat yhdessä OpenAI: n kanssa väittävät, että GPT-4:ää "voisi kohtuudella pitää varhaisena (mutta vielä keskeneräisenä) versiona keinotekoisesta kenraalista. älykkyysjärjestelmä (AGI). Tämä johtuu sen "kielen hallinnasta" ja kyvystä "ratkaista uusia ja vaikeita tehtäviä, jotka kattavat matematiikan, koodauksen, näkemisen, lääketieteen, lakia, psykologiaa ja paljon muuta, ilman erityisiä kehotuksia", joiden ominaisuudet ovat "hämmästyttävän lähellä ihmistason suorituskykyä". Kuitenkin Sam Altman, toimitusjohtaja ChatGPT sanoo sen ChatGPT ei ole edes lähellä AGI-mallia.

Tulevaisuudessa esimerkkejä AGI-sovelluksista voivat olla kehittyneet chatbotit ja autonomiset ajoneuvot, molemmat alueet, joissa vaadittaisiin korkeatasoista päättelyä ja itsenäistä päätöksentekoa.

Keinotekoisen yleisen älykkyyden (AGI) tutkimuksen tyypit

Tietojenkäsittelytieteilijät ja tekoälytutkijat jatkavat teoreettisten puitteiden kehittämistä ja työskentelyä AGI: n ratkaisemattoman ongelman parissa. Goertzel on määritellyt useita korkean tason lähestymistapoja, jotka ovat nousseet AGI-tutkimuksen alalla, ja luokittelee ne seuraavasti:

Symbolinen: Symbolinen lähestymistapa AGI: hen uskoo, että symbolinen ajattelu on "ihmisen yleisen älykkyyden ydin" ja "täsmälleen se, mikä antaa meille mahdollisuuden yleistää laajimmin".
Emergents: Emergististinen lähestymistapa AGI: hen keskittyy ajatukseen, että ihmisen aivot ovat pohjimmiltaan joukko yksinkertaisia elementtejä (neuroneja), jotka organisoituvat monimutkaisesti reaktiona kehon kokemukseen. Tästä puolestaan voi seurata, että samantyyppistä älykkyyttä voi syntyä luomalla uudelleen samanlainen rakenne.
Hybridi: Kuten nimestä voi päätellä, AGI: n hybridilähestymistapa näkee aivot hybridijärjestelmänä, jossa on monia erilaisia osat ja periaatteet toimivat yhdessä luodakseen jotain, jossa kokonaisuus on suurempi kuin sen summa osat. Luonteeltaan hybridi-AGI-tutkimuksen lähestymistavat vaihtelevat suuresti.
Universalisti: Universalistinen lähestymistapa AGI: hen keskittyy "yleisen älyn matemaattiseen olemukseen" ja ajatukseen, että kerran AGI on ratkaistu teoreettisella alueella, sen ratkaisemiseen käytettyjä periaatteita voidaan pienentää ja käyttää sen luomiseen todellisuutta.

Yleisen tekoälyn (AGI) tulevaisuus

Vuosi, jolloin voimme saavuttaa AGI: n (tai pystymmekö sitä ylipäätään luomaan), on keskustelunaihe. Useat merkittävät tietotekniikan tutkijat ja yrittäjät uskovat, että AGI luodaan muutaman seuraavan vuosikymmenen aikana:

Louis Rosenberg, Unanimous AI: n toimitusjohtaja ja johtava tutkija, ennusti vuonna 2020, että AGI saavutetaan vuoteen 2030 mennessä.
Ray Kurzweil, Googlen suunnittelujohtaja ja hahmontunnistustekniikan edelläkävijä, uskoo, että tekoäly saavuttaa "ihmisen älykkyystason" vuonna 2029 ja ylittää ihmisen älykkyyden 2045.
Jürgen Schmidhuber, NNAISENSE: n perustaja ja johtava tutkija sekä sveitsiläisen tekoälylaboratorion IDSIA: n johtaja, arvioi AGI: n noin vuoteen 2050 mennessä.

AGI: n tulevaisuus on kuitenkin edelleen avoin kysymys ja jatkuva tutkimustyö, ja jotkut tutkijat jopa väittävät, ettei AGI: tä voida eikä koskaan voida toteuttaa. Tekoälytutkija Goertzel on selittänyt, että edistymistä kohti AGI: tä on vaikea mitata objektiivisesti, koska "on olemassa monia erilaisia reitit AGI: hen, joihin sisältyy erilaisten alijärjestelmien integrointi", eikä ole olemassa " perusteellista ja systemaattista AGI: n teoriaa". pikemminkin se on "päällekkäisten käsitteiden, kehysten ja hypoteesien tilkkutäkki", jotka ovat "usein synergistisiä ja joskus keskenään ristiriitainen."

AGI: n tulevaisuutta käsittelevässä haastattelussa Sara Hooker Coheren tutkimuslaboratoriosta sanoi: "Se on todellakin filosofinen kysymys. Joten tietyllä tavalla on erittäin vaikeaa olla tällä alalla, koska olemme tieteenala."

Mikä on esimerkki yleisestä tekoälystä (AGI)?

Microsoftin ja OpenAI: n tutkijat väittävät, että GPT-4 voisi olla varhainen mutta epätäydellinen esimerkki AGI: stä. Koska AGI: tä ei ole vielä täysin saavutettu, sen soveltamisen esimerkkejä tulevaisuudessa saattaa olla tilanteita jotka edellyttävät korkeatasoista kognitiivisia toimintoja, kuten autonomisia ajoneuvojärjestelmiä ja edistyneitä chatbotit.

Kuinka kaukana on yleinen tekoäly (AGI)?

Koska yleinen tekoäly (AGI) on vielä teoreettinen käsite, arviot sen toteutumisajasta vaihtelevat. Jotkut tekoälytutkijat uskovat, että se on mahdotonta, kun taas toiset väittävät, että on vain vuosikymmenien kysymys, ennen kuin AGI tulee todeksi.

Mitä eroa on tekoälyn (AI) ja yleisen tekoälyn (AGI) välillä?

Tekoäly kattaa laajan joukon nykyisiä teknologioita ja tutkimusmahdollisuuksia tietojenkäsittelytieteen alalla, ja niitä pidetään useimmiten heikkona tekoälynä tai kapeana tekoälynä. Sitä vastoin AGI-alan tutkijat työskentelevät kehittääkseen vahvaa tekoälyä, joka vastaa ihmisten älykkyyttä.

Onko yleinen tekoäly (AGI) älykkäämpi kuin ihmiset?

Useimmat tutkijat määrittelevät AGI: n älykkyyden tasoksi, joka vastaa ihmisen kykyä aivot, kun taas keinotekoinen superäly (ASI) on tekoälylle liitetty termi, joka voi ylittää ihmisen älykkyyttä.

Minä vuonna AGI kehitetään kokonaan?

Tutkijoilla on eriäviä mielipiteitä siitä, milloin he uskovat, että AGI voidaan saavuttaa, ja jotkut ennustavat sen syntymistä jo 2030–2050, ja jotkut uskovat, että se on suorastaan mahdotonta.

Bottom Line

Tekoälyn ja AGI: n käsitteet ovat valloittaneet ihmisten mielikuvituksen pitkään, ja ideoiden tutkimista on runsaasti tarinoissa ja tieteiskirjallisuudessa. Äskettäin tutkijat ovat väittäneet, että jopa muinaisesta Kreikasta peräisin olevan mytologian voidaan nähdä heijastavan kiinnostustamme tekoelämään ja älykkyyteen.

Tällä hetkellä on olemassa monia erilaisia lähestymistapoja tekoälyn luomiseen, joka voi ajatella ja oppia itse ja soveltaa älykkyyttään aiemmin määritellyn tehtävien rajojen ulkopuolella. Tämän tutkimuksen teoreettisuuden ja monitahoisuuden vuoksi on vaikea sanoa, voidaanko AGI saavuttaa ja milloin. Jos se kuitenkin toteutuu, yksi asia on varma: sillä on perustavanlaatuisia ja laaja-alaisia vaikutuksia teknologioihimme, järjestelmiimme ja teollisuudenaloihin.