На сколько мы близки к ИИ общего интеллекта?

Как далеко мы продвинулись в развитии искусственного общего интеллекта?

 

Технологии развиваются быстрее, чем мы, люди, успеваем удерживать пульс. Этот год был насыщен новыми достижениями, одно за другим, и нам было сложно идти в ногу. Казалось, что каждый день мы учимся что-то новое и находились на предохранительном клапане.

Со всеми этими достижениями все чаще и чаще звучит разговор об искусственном общем интеллекте (Artificial General Intelligence, AGI). Когда-то это был разговор о фантастике, которую мы видели в фильмах и книгах, где сюжеты казались слишком далекими и нереалистичными.

Но именно в этом году 2023 все изменилось. Общественность проявляет большой интерес к искусственному интеллекту и тому, как он будет формировать будущее. Генеративные системы искусственного интеллекта, такие как ChatGPT, восхищают мир, кто-то любит их, а кто-то беспокоится о замене рабочих мест.

Снова возвращаемся к теме AGI. Но что такое AGI?

Искусственный общий интеллект (Artificial General Intelligence, AGI) – это машина, которая может выполнять любую интеллектуальную задачу так же, как и человек.

С этим связан вопрос, котрый многих волнует: насколько близки мы к достижению AGI и что произойдет, когда мы его достигнем.

В этом блоге мы рассмотрим эти вопросы, поэтому приготовьтесь и наслаждайтесь узнаванием нашего потенциального будущего…

 

Что мы знаем об AGI

 

Мы знаем, что AGI – это система искусственного интеллекта, способная выполнять любую интеллектуальную задачу, которую выполняет человек. Это означает, что машинам придется обладать человеческим уровнем интеллекта без помощи. Основы искусственного интеллекта были заложены в начале XX века, и многие говорят, что достижение AGI станет конечной целью наследия ИИ.

Не говоря о том, что сегодняшние системы искусственного интеллекта способны выполнять задачи с высокой точностью, превосходящей человеческую. Однако у них отсутствует общегосударственная способность. Это означает, что им не хватает способности быстро адаптироваться к новым ситуациям без необходимости инструкций.

Мы, люди, адаптируемся на протяжении многих лет и выживаем в различных ситуациях. Наша общегоцелевая способность связана с выживаемостью, вот почему мы в этом так хороши.

В последнее время произошло много изменений, которые повлияли на мир технологий, в частности, генеративные системы искусственного интеллекта, такие как ChatGPT. Хочу отметить, что Генеративный искусственный интеллект (Generative AI) и Искусственный общий интеллект (AGI) имеют свои сходства, но они разные. Генеративный искусственный интеллект – это глубокая модель обучения, способная генерировать контент, такой как текст и изображения, на основе данных, на которых она была обучена.

Чтобы дать вам пример, японская программ для шахмат вряд ли будет в состоянии одержать вашу победу в партии, но эта же система искусственного интеллекта не сможет рассказать вам о текущих мировых политических событиях. Это связано с тем, что она ограничена определенной областью знаний.

Как мы уже упоминали, AGI лишен общего назначения, что также относится к генеративному искусственному интеллекту. Генеративный искусственный интеллект будет помогать AGI на его пути, но важно отметить, что они не одно и то же.

 

Прогресс к AGI

 

Мы понимаем, что мы еще не достигли AGI, но где мы сейчас и что сейчас делается?

 

Исследование и разработка

 

Глубокое обучение продолжается уже много лет, это подраздел машинного обучения. Это метод обучения машин, который позволяет им делать то, что естественно делается людьми. Алгоритм обучает компьютер предсказывать результаты на основе заданных входных данных.

Использование большого объема данных на сложных нейронных сетях позволило системам искусственного интеллекта решать сложные задачи, такие как обработка естественного языка (Natural Language Processing, NLP) и распознавание изображений. Внедрение и улучшение глубокого обучения помогает родить AGI.

 

Обучение с подкреплением

 

Параллельно с этим подходом наблюдается рост обучения с подкреплением. Целью обучения с подкреплением является обучение модели возвращать наилучшее решение путем использования последовательности решений, созданных для конкретной проблемы. Для выбора правильного решения модели установлен сигнал вознаграждения.

Если модель работает ближе к цели, дается положительное вознаграждение; однако, если модель работает дальше от цели, дается отрицательное вознаграждение. Модели машинного обучения обучаются, понимая свою среду и получая обратную связь на основе своих действий. 

 

Проблемы в направлении AGI

 

Адаптируемые искусственные интеллект-системы

 

Естественно, в ходе развития чего-либо вы столкнетесь с проблемами, которые вам нужно преодолеть. В случае исследования и разработки главной проблемой, с которой сталкивается AGI, является возможность создания системы, которая может понять контекст ввода и адаптироваться к нему так же, как это делают люди. Исследователи ищут новые способы, которые позволят алгоритмам мыслить более креативно для преодоления этой проблемы. Некоторые исследователи, например, рассматривают возможность создания интеллектуальных ИИ-систем, которые обучаются непрерывно на протяжении всей своей жизни. 

Исходя из этого, насколько близки мы к AGI?

 

Ограничения аппаратного обеспечения

 

Как вы можете себе представить, построение таких удивительных систем искусственного интеллекта не так просто. Они требуют большого объема вычислительной мощности, что привело к разработке специализированного оборудования, такого как графические процессоры (GPU) и тензорные процессоры (TPU). И это оборудование также не дешевое. Поэтому можно представить, сколько времени и ресурсов требуется для создания точной и надежной системы искусственного интеллекта. 

 

Так где мы с AGI?

 

Сложно сказать, потому что эксперты по AGI имеют разные мнения. Некоторые говорят, что AGI можно достичь в ближайшие несколько лет, в то время как другие считают, что у нас осталось десятилетия работы. 

Только скорость технологического прогресса может определить, насколько близки мы к AGI. Чем более продвинутыми становятся текущие и новые технологические системы, тем ближе эксперты к нахождению недостающих частей головоломки. Чем больше прорывов мы видим в техническом мире, тем ближе мы к AGI. 

Еще одним аспектом, которым правительства и организации сейчас занимаются больше, чем когда-либо раньше, являются этические аспекты таких систем искусственного интеллекта для общества. Пропаганда AGI может привести к катастрофическим последствиям непонимания и неконтролируемости этих систем AI. 

 

В заключение

 

Со всем вышесказанным мы видим, что все больше организаций вкладывают деньги в индустрию технологий. Многие стремятся сойтись с конкурентным рынком, а некоторые пытаются создать совершенно новый рынок. 

Ответ на вопрос этого блога заключается в том, что нам придется подождать и посмотреть, какие технологические достижения появятся в ближайшем будущем, чтобы лучше понять, насколько мы действительно близки к AGI.   Ниша Арья – это ученый-исследователь данных, фрилансер-технический писатель и менеджер сообщества в VoAGI. Она особенно интересуется предоставлением советов по карьере в области науки о данных или созданием руководств и теоретических знаний в области науки о данных. Она также хочет исследовать различные способы, которыми искусственный интеллект может быть полезным для продления человеческой жизни. Она является усердным учеником, который стремится расширить свои познания в области технологий и навыки письма, помогая при этом руководить другими.