Что такое AGI? создание человекоподобного ИИ

Искусственный общий интеллект (AGI — artificial general intelligence) — это представление обобщенных когнитивных способностей человека в программном обеспечении, чтобы столкнувшись с незнакомой задачей, система AGI могла найти решение.

Цель системы AGI заключается в выполнении любой задачи, на которую способен человек.



AGI сегодня

На данный момент не существует настоящих систем AGI; они остаются материалом научной фантастики.

Производительность этих систем неотличима от производительности человека, по крайней мере, в определении. Тем не менее, широкие интеллектуальные возможности AGI превысят человеческие возможности из-за его способности получать доступ к огромным наборам данных и обрабатывать их с невероятной скоростью.

  • Искусственный общий интеллект (AGI) определяется как интеллект машин, который позволяет им понимать, учиться и выполнять интеллектуальные задачи так же, как и люди.
  • AGI эмулирует человеческий разум и поведение для решения любой сложной проблемы.

Определения AGI различаются, потому что эксперты из разных областей определяют человеческий интеллект с разных точек зрения. Ученые-компьютерщики часто определяют человеческий интеллект с точки зрения способности достигать целей. Психологи, с другой стороны, часто определяют общий интеллект с точки зрения адаптивности или выживания.

AGI считается сильным искусственным интеллектом (ИИ).

Сильный ИИ контрастирует со слабым узким ИИ, который является применением искусственного интеллекта к конкретным задачам или проблемам.

AGI, сокращение от «искусственный общий интеллект» — это категория систем искусственного интеллекта, которые теоретически могут выполнять любую задачу, которую может выполнить человек.

Это основное отличие от систем искусственного интеллекта сегодня, которые предназначены для узких, конкретных приложений, таких как создание произведений искусства, вождение автомобилей и видеоигры.

Некоторые оптимисты считают, что AGI может быть достигнут в течение следующего столетия благодаря новым алгоритмическим методам и все более мощному компьютерному оборудованию — другие, поставили под сомнение представление о том, что AGI когда-либо станет реальностью.

Что такое AGI? создание человекоподобного ИИ

Способности системы AGI

Система AGI должна обладать следующими способностями:

  • абстрактное мышление
  • базовые знания
  • здравый смысл
  • причина и следствие
  • трансферное обучение

Практические примеры возможностей AGI включают в себя следующие пять:

  1. Творчество. Система AGI теоретически сможет читать и понимать антропогенный код и улучшать его.
  2. Сенсорное восприятие. AGI преуспел бы в распознавании цвета, которое является субъективным видом восприятия. Он также сможет воспринимать глубину и три измерения в статических изображениях.
  3. Мелкая моторика. Примером этого является захват набора ключей из кармана, который включает в себя уровень творческого восприятия.
  4. Понимание естественного языка (NLU). Понимание человеческого языка сильно зависит от контекста. Системы AGI будут обладать уровнем интуиции, который позволит NLU.
  5. Навигация. Существующая Глобальная система позиционирования (GPS) может точно определить географическое положение. После полной разработки AGI сможет проецировать движение по физическим пространствам лучше, чем существующие системы.

Исследователи ИИ также ожидают, что системы AGI будут обладать возможностями более высокого уровня, такими как возможность делать следующее:

  • обрабатывать различные типы алгоритмов обучения и обучения;
  • создавать фиксированные структуры для всех задач;
  • понимать системы символов;
  • использовать различные виды знаний;
  • понимать системы убеждений; и
  • заниматься метапознанием и использовать метакогнитивные знания.

AGI против ИИ: в чем разница?

Теоретически AGI должна быть в состоянии выполнять любую задачу, которую может выполнять человек, и демонстрировать широкий спектр интеллекта в различных областях. Его производительность должна быть такой же хорошей или лучше, чем у людей, при решении проблем в большинстве областей разведки.

Напротив, слабый ИИ преуспевает в выполнении конкретных задач или типов проблем. Многие существующие системы искусственного интеллекта используют сочетание машинного обучения, глубокого обучения, обучения с подкреплением и обработки естественного языка для самосовершенствования и решения конкретных типов проблем. Однако эти технологии не приближаются к кумулятивным способностям человеческого мозга.

AGI еще не существует, в то время как ИИ используется в различных контекстах.

Примеры ИИ включают в себя следующее:

  • чат-боты по обслуживанию клиентов, самый популярный chatGPT
  • голосовые помощники, такие как Siri и Alexa;
  • рекомендательные механизмы, такие как Google, Netflix и Spotify;
  • маркетинговые платформы, используемые для сбора бизнес-аналитики и настроений клиентов; и
  • приложения для распознавания лиц.

Хотя AGI еще не реализован, он представляет собой мир возможностей, которые могут революционизировать область ИИ.

Общий искусственный интеллект в настоящее время омрачен серьезными препятствиями и проблемами, препятствующими его прогрессу.

Ключевые проблемы достижения конечной стадии AGI

1. Проблемы освоения человеческих возможностей

Чтобы достичь истинного интеллекта на уровне человека, AGI необходимо овладеть некоторыми человеческими способностями, такими как:

  • Сенсорное восприятие: Хотя системы глубокого обучения показали большие перспективы в области компьютерного зрения, системам ИИ не хватает человеческих возможностей сенсорного восприятия. Например, обученные системы глубокого обучения по-прежнему плохо воспринимаются цветом. Это очевидно в беспилотных автомобилях, так как их легко обманывают небольшие кусочки черной ленты или наклейки на красном знаке остановки. Аналогичный случай наблюдается при звуковом восприятии. Современные системы искусственного интеллекта не могут воспринимать и воспроизводить четкое восприятие человеческого звука.

  • Моторные навыки: Люди могут легко вытащить любой предмет из своих карманов благодаря нашей мелкой моторике. Недавняя разработка применила обучение усилению в обучении роботизированной руке для решения куба Рубика. Хотя демонстрация примечателен, она выявляет проблемы, связанные с программированием пальцев робота на одной руке для манипулирования тривиальными объектами, такими как ключи.

  • Понимание естественного языка: Люди делятся знаниями через книги, статьи, сообщения в блогах и видео. Впоследствии, когда люди пишут, они, как правило, предполагают общие знания читателя, и поэтому большая часть информации не сказана в письменной форме. Для начала текущий ИИ должен потреблять огромное количество информации из всех источников знаний, что является критически важной задачей. Если ИИ не хватает основы здравого смысла, этим системам будет трудно понять ситуации и работать в реальном мире.

  • Решение проблем: Рассмотрим пример, когда домашний робот должен распознать, что светодиодная лампочка в доме взорвана, и либо заменить ее новой, либо предупредить кого-то. Для выполнения этой задачи робот должен иметь здравый смысл, как обсуждалось выше, или должен иметь возможность моделировать все перестановки и комбинации, которые определяют возможности, правдоподобность и вероятности. Сегодняшний ИИ не имеет как здравого смысла, так и возможностей моделирования.

  • Творчество на уровне человека: системы искусственного интеллекта могут самостоятельно улучшить свой интеллект, если они понимают огромное количество кода, написанного людьми, определяют новые методы, которые могут быть улучшены, и впоследствии переписывают идентифицированный код. Хотя машины на основе искусственного интеллекта смогли сочинять музыку и рисовать картины, демонстрация творчества на уровне человека для самооптимизации требует дальнейшего развития ИИ.

  • Социальная и эмоциональная связь: для роботов с поддержкой ИИ в мире взаимодействие человека неизбежно. В результате этим роботам нужно будет понимать людей, мимику и изменения тона, чтобы интерпретировать реальные эмоции. Учитывая проблемы восприятия, рассмотренные выше, системы искусственного интеллекта, способные сопереживать эмоциональной связью, на данный момент кажутся далекой реальностью.

2. Отсутствие рабочего протокола

В современных системах искусственного интеллекта нет рабочего протокола, который помогает сетевым системам искусственного интеллекта или машинного обучения сотрудничать. Это представляет собой серьезный технический недостаток при развертывании полной системы AGI.

Таким образом, системы вынуждены работать как автономные модели в закрытых изолированных средах.

Такой способ работы не соответствует сложной и очень социальной среде человека, необходимой для систем AGI.

3. Коммуникационные пробелы снижают универсальность

Сегодня системы искусственного интеллекта сталкиваются с особым коммуникационным препятствием. Коммуникационные пробелы между разрозненными системами искусственного интеллекта препятственному обмену данными. Как следствие, взаимодействие с моделями машинного обучения застопорено.

С влиянием на межобучение ИИ может не оптимизировать поставленные задачи. Это в конечном итоге снижает универсальность всей системы искусственного интеллекта.

4. Отсутствие согласованности бизнеса

Для надлежащего внедрения ИИ руководители бизнеса должны принять стратегический подход, устанавливая цели, определяя ключевые показатели эффективности и отслеживая рентабельность инвестиций. 

В противном случае может стать трудно оценить результаты, принесенный ИИ, и сравнить их, чтобы измерить успех (или неудачу) инвестиций в ИИ.

Интеграция ИИ в существующие системы — это сложный процесс. 

Необходимо учитывать различные параметры, такие как потребности в инфраструктуре данных, хранение данных, маркировка, подача данных в систему и другие. В настоящее время заинтересованные стороны, похоже, находятся в неведении по поводу всех этих операционных параметров ИИ.

Это препятствует общему развитию и достижению бизнес-целей.

5. Отсутствие направления AGI

Поскольку предприятия часто борются с фундаментальным пониманием системы AGI, они вынуждены нанять специальную команду экспертов по искусственному интеллекту, что может быть дорогостоящим делом.

Кроме того, предприятия не имеют определенного плана и направления на основе ИИ для осуществления своих бизнес-операций. Это делает внедрение платформ искусственного интеллекта дорогостоящим и сложным. Эти факторы вносят значительный вклад и являются препятствиями для реализации полноценной системы AGI.


10 основных тенденций ИИ, которые могут способствовать прогрессу в AGI

1. Развитие НЛП

Обработка естественного языка (NLP) — это технология искусственного интеллекта, которая понимает человеческий язык и значительно снижает необходимость взаимодействия с экраном. Устройства с поддержкой искусственного интеллекта могут превращать человеческие языки в компьютерные коды, используемые для запуска приложений и программ.

Недавно OpenAI выпустила GPT-3, самую передовую версию NLP на сегодняшний день.

  • GPT-3 использует более 175 миллиардов параметров для обработки языков.
  • Кроме того, OpenAI также работает над GPT-4 и, как ожидается, обработает около 100 триллионов параметров для комплексной обработки языка.

С такими достижениями в области искусственного интеллекта, разработка машин, которые могут взаимодействовать и взаимодействовать с людьми таким же хорошим, насколько это реально, является определенной возможностью.

2. Метавселенная

Metaverse процветает по мере того, как компании и частные лица изучают иммерсивные технологии для работы и взаимодействия в этом виртуальном мире.

Согласно данным DappRadar за ноябрь 2021 года, пользователи потратили около 106 миллионов долларов на покупку виртуальной недвижимости в метавселенной, сосредоточившись на цифровой земле, роскошных яхтах и других активах.

Учитывая эту тенденцию, ожидается, что ИИ и машинное обучение будут продвигать метавселенную вперед, создавая виртуальный мир с виртуальными чат-ботами с искусственным интеллектом, где пользователи чувствуют себя как дома.

3. Гиперавтоматизация

Несколько отраслей используют технологии искусственного интеллекта и машинного обучения для автоматизации нескольких своих процессов, от роботизированной автоматизации процессов (RPA) до интеллектуального управления бизнес-процессами.

Гиперавтоматизация добавляет дополнительный уровень к расширенным возможностям автоматизации, поскольку она масштабирует перспективы автоматизации для организаций.

Согласно прогнозу Gartner на апрель 2021 года, ожидается, что рынок гиперавтоматизации достигнет 600 миллиардов долларов к 2022 году.

4. Больше рабочих мест в области управления

Смещение алгоритма может возникнуть из-за отсутствия управления моделью. Ожидается, что здесь эксперты по искусственному интеллекту уделят больше внимания и гарантируют, что модели AI/ML не развивают предубеждения и не принимают плохих решений.

Рост таких должностей, как директор по искусственному интеллекту, директор по соблюдению требований ИИ и так далее. Ожидается, что с быстрым внедрением AI/ML такие случаи возрастут в ближайшем будущем.

5. Рост ИИ с низким кодом или без кода

Сегодня спрос на квалифицированных инженеров по искусственному интеллекту высок. Организации постоянно ищут инженеров, которые могут разрабатывать алгоритмы и инструменты искусственного интеллекта для удовлетворения своих бизнес-операций.

Решения искусственного интеллекта с низким кодом и без кода могут решить эту проблему, предлагая интуитивно понятные интерфейсы, которые помогают в создании сложных систем.

Как правило, решения с низким кодом предоставляют опции перетаскивания, тем самым облегчая процесс создания приложений. Кроме того, технологии НЛП и языкового моделирования также могут использоваться для предоставления голосовых инструкций для выполнения сложных задач.

6. Накопление рабочей силы

Страх перед ИИ, заменившим человеческую работу, существует уже довольно давно. Фактически, организации, похоже, используют модели AI/ML для сбора и анализа данных и получения информации, которая помогает принимать бизнес-решения. В таком сценарии предприятия должны иметь сотрудников и машины искусственного интеллекта, работающие в тандеме.

Несколько отделов, включая продажи, маркетинг и обслуживание клиентов, уже используют системы AI/ML для поддержки своей деятельности. Однако это не уменьшило потенциальную зависимость от людей. Фактически, это только повысило эффективность таких департаментов. Ожидается, что с этого момента такая тенденция будет расти.

7. Разговорные чат-боты с искусственным интеллектом

Разговорные чат-боты относятся к виртуальным помощникам с поддержкой искусственного интеллекта. Они проводят естественные разговоры и определенные операции на основе правил, такие как ответы на запросы или сброс паролей.

Эти чат-боты заменили агентов поддержки клиентов, тем самым значительно снизив эксплуатационные расходы бизнеса.

С развивающимся ландшафтом НЛП разговорные чат-боты с искусственным интеллектом, возможно, произведут революцию в области AGI в будущем.

8. Больше внимания уделяется этике ИИ

В последнее время сценарии использования ИИ значительно выросли в отраслевых вертикалях. Несмотря на преимущества технологий ИИ, потенциальные риски ИИ нельзя игнорировать.

В результате в ближайшие годы внимание к этике ИИ возрастет, так как все может сойти с ног на голову, если такие технологии не будут использоваться во благо.

9. Процесс найма на основе ИИ

Поскольку пандемия уже повредила процесс найма, теперь ожидается, что компании будут использовать больше систем на основе искусственного интеллекта/ML, поскольку виртуальный мир заменит обычный физический мир.

Кроме того, с продвижением методов языкового моделирования и увеличением сложности разговорных чат-ботов с искусственным интеллектом работодатели должны использовать инструменты на основе искусственного интеллекта для работы в процессе найма.

10. Квантовая ИИ

Хотя в последние несколько лет в области искусственного интеллекта был достигнут значительный прогресс, квантовый ИИ может еще больше расширить границы ИИ, поскольку квантовые вычисления могут ускорить алгоритмы машинного обучения и достичь результатов за более короткое время. Квантовый ИИ может нейтрализовать препятствия AGI, так как он может помочь создать сильную базу знаний, анализируя огромные объемы данных, найденных в книгах, статьях, сообщениях в блогах и других аналогичных источниках за минимальное время.


Появились вопросы, идеи, проекты?! — запишитесь на консультацию и мы всё обсудим, а также подписывайтесь на телеграмм-канал @AIchatGPTcapital

  • 👍 Если вам понравилось эта статья, поделитесь со своими знакомыми в Telegram или WhatsApp
  • // Своё мнение и вопросы пишите в комментариях 👇

1 комментарий к “Что такое AGI? создание человекоподобного ИИ”

Оставьте комментарий