Inteligența artificială generală. Ce este AGI și care este scopul său
Inteligența artificială generală sau puternică (AGI) este un domeniu de cercetare teoretică în domeniul inteligenței artificiale care încearcă să creeze programe informatice cu o inteligență similară celei umane și cu capacitatea de a se autoinstrui.
Scopul este ca software-ul să fie capabil să îndeplinească sarcini pentru care nu este neapărat antrenat sau dezvoltat.
Tehnologiile actuale de inteligență artificială (AI) funcționează în cadrul unui set de parametri prestabiliți. AGI este un demers teoretic de a dezvolta sisteme de inteligență artificială care posedă control autonom, un grad rezonabil de autoînțelegere și capacitatea de a învăța noi abilități. Acesta poate rezolva probleme complexe în medii și contexte care nu i-au fost predate la momentul creării sale.
Care este diferența dintre inteligența artificială și inteligența artificială generală?
De-a lungul deceniilor, cercetătorii în domeniul inteligenței artificiale au trasat mai multe etape importante care au făcut să avanseze semnificativ inteligența mașinilor - chiar până la grade care imită inteligența umană în anumite sarcini. De exemplu, sintetizatoarele AI utilizează modele de învățare automată (ML) pentru a extrage punctele importante din documente și a genera un rezumat ușor de înțeles. Inteligența artificială este, așadar, o disciplină informatică care permite software-ului să rezolve sarcini noi și dificile cu performanțe la nivel uman.
În schimb, un sistem AGI poate rezolva probleme în diverse domenii, la fel ca o ființă umană, fără intervenție manuală. În loc să fie limitată la un anumit domeniu de aplicare, AGI se poate autoinstrui și poate rezolva probleme pentru care nu a fost instruită. Astfel, AGI este o reprezentare teoretică a unei inteligențe artificiale complete care rezolvă sarcini complexe cu abilități cognitive umane generalizate.
Unii informaticieni consideră că AGI este un program ipotetic de calculator cu capacități cognitive și de înțelegere umană. Sistemele de AI pot învăța să se ocupe de sarcini necunoscute fără o pregătire suplimentară în astfel de teorii. Alternativ, sistemele de AI pe care le folosim în prezent necesită o pregătire substanțială înainte de a putea gestiona sarcini conexe în cadrul aceluiași domeniu. De exemplu, trebuie să perfecționați un model de limbaj mare (LLM) preformat cu seturi de date medicale înainte ca acesta să poată funcționa în mod consecvent ca un chatbot medical.
Inteligența artificială puternică VS inteligența artificială slabă
Inteligența artificială puternică este o inteligență artificială completă, sau AGI, capabilă să îndeplinească sarcini la nivel cognitiv uman în ciuda faptului că are puține cunoștințe de bază.
Adesea, inteligența artificială puternică este descrisă ca fiind o mașină gânditoare cu o înțelegere umană care nu este limitată de limitări de domeniu.
În schimb, inteligența artificială slabă se referă la sistemele AI specializate în sarcini specifice, cum ar fi recunoașterea vocală sau analiza datelor. Aceste sisteme sunt construite pentru a rezolva sarcini izolate și nu au conștiință de sine.
Chiar și aplicațiile emergente de inteligență artificială generativă cu o mai bună păstrare a memoriei sunt considerate inteligență artificială slabă, deoarece nu pot fi reproiectate pentru alte domenii.
Care sunt abordările teoretice ale cercetării în domeniul inteligenței generale artificiale?
Realizarea AGI necesită un spectru mai larg de tehnologii, date și interconectivitate decât cele care alimentează în prezent modelele de inteligență artificială. Creativitatea, percepția, învățarea și memoria sunt esențiale pentru a crea AI care să imite comportamentul uman complex. Experții în inteligență artificială au propus mai multe metode pentru a conduce cercetarea AGI.
Abordarea simbolică
Abordarea simbolică presupune că sistemele informatice pot dezvolta AGI prin reprezentarea gândurilor umane cu ajutorul unor rețele logice în expansiune. Rețeaua logică simbolizează obiectele fizice cu o logică "dacă și dacă", permițând sistemului de inteligență artificială să interpreteze ideile la un nivel de gândire superior. Cu toate acestea, reprezentarea simbolică nu poate reproduce abilitățile cognitive subtile de la nivelul inferior, cum ar fi percepția.
Abordare conexionistă
Abordarea conexionistă (sau emergentistă) se concentrează pe replicarea structurii creierului uman cu ajutorul arhitecturii rețelelor neuronale. Neuronii creierului își pot modifica căile de transmisie pe măsură ce oamenii interacționează cu stimulii externi. Oamenii de știință speră că modelele de inteligență artificială care adoptă această abordare subsimbolică pot replica inteligența asemănătoare celei umane și pot demonstra capacități cognitive de nivel scăzut. Modelele lingvistice mari sunt un exemplu de AI care utilizează metoda conexionistă pentru a înțelege limbajele naturale.
Abordarea universalistă
Cercetătorii care adoptă abordarea universalistă se concentrează asupra abordării complexității AGI la nivel de calcul. Aceștia încearcă să formuleze soluții teoretice pe care le pot transforma în sisteme AGI practice.
Abordarea arhitecturii întregului organism
Abordarea arhitecturii întregului organism presupune integrarea modelelor de inteligență artificială cu o reprezentare fizică a corpului uman. Oamenii de știință care susțin această teorie consideră că AGI este realizabilă doar atunci când sistemul învață din interacțiunile fizice.
Abordarea hibridă
Abordarea hibridă studiază metodele simbolice și subsimbolice de reprezentare a gândurilor umane pentru a obține rezultate care depășesc o singură abordare. Cercetătorii în domeniul IA pot încerca să asimileze diferite principii și metode cunoscute pentru a dezvolta AGI.
Care sunt tehnologiile care conduc cercetarea în domeniul inteligenței generale artificiale?
AGI rămâne un obiectiv pe termen lung pentru cercetători. Eforturile de a construi sisteme AGI sunt în curs de desfășurare și sunt încurajate de evoluțiile emergente. Următoarele secțiuni descriu tehnologiile emergente.
Deep learning
Deep learning este o disciplină de inteligență artificială în care rețelele neuronale artificiale - algoritmi modelați pentru a funcționa asemenea creierului uman - învață pornind de la cantități mari de date.
Deep learning este susținută de straturi de rețele neuronale, care sunt algoritmi inspirați în mare parte de modul în care funcționează creierul uman. Instruirea cu cantități mari de date este cea care configurează neuronii din rețeaua neuronală. Rezultatul este un model deep learning care, odată antrenat, procesează date noi.
Modelele deep learning preiau informații din mai multe surse de date și le analizează în timp real, fără a fi nevoie de intervenție umană.
Inteligența artificială generativă
Inteligența artificială generativă (AI generativă) este un subansamblu al învățării profunde în care un sistem de inteligență artificială poate produce conținut unic și realist din cunoștințele învățate. Modelele de inteligență artificială generativă se antrenează cu seturi mari de date, ceea ce le permite să răspundă la interogări umane cu text, audio sau imagini care seamănă în mod natural cu creațiile umane.
Diferite instrumente de inteligență artificială generativă pot produce conținut audio, imagine și video nou, însă inteligența artificială conversațională orientată spre text este cea care a stârnit imaginația oamenilor. Practic, oamenii pot dialoga cu modelele generative de inteligență artificială antrenate în text și pot învăța de la acestea în același mod în care o fac cu alte persoane.
NLP
Prelucrarea limbajului natural (NLP) este o ramură a inteligenței artificiale care permite sistemelor informatice să înțeleagă și să genereze limbajul uman.
Sistemele NLP utilizează lingvistica computațională și tehnologiile de învățare automată pentru a transforma datele lingvistice în reprezentări simple numite token-uri și pentru a înțelege relația contextuală dintre acestea.
Computer Vision
Viziunea computerizată este un domeniu al AI care utilizează învățarea mecanică și rețelele neuronale pentru a învăța computerele și sistemele să extragă informații semnificative din imagini digitale, videoclipuri și alte intrări vizuale și să facă recomandări sau să ia măsuri atunci când observă defecte sau probleme.
Dacă inteligența artificială permite calculatoarelor să gândească, viziunea computerizată le permite să vadă, să observe și să înțeleagă.
Viziunea computerizată funcționează în mare parte la fel ca viziunea umană, cu excepția faptului că oamenii au un avans. Vederea umană are avantajul unor vieți întregi de context pentru a se antrena în a distinge obiectele, cât de departe sunt, dacă se mișcă sau dacă ceva nu este în regulă cu o imagine.
Robotica
Robotica este o disciplină inginerească prin care organizațiile pot construi sisteme mecanice care execută automat manevre fizice.
În AGI, sistemele robotice permit inteligenței mașinilor să se manifeste fizic. Aceasta este esențială pentru introducerea percepției senzoriale și a capacităților de manipulare fizică de care au nevoie sistemele AGI.
De exemplu, încorporarea unui braț robotic cu AGI poate permite brațului să simtă, să apuce și să decojească portocale așa cum fac oamenii.
