Kunstig generel intelligens: En fortælling om at bygge kapaciteter med forsigtighed

Vi bor i æra med kunstig intelligens, med den globale AI-markedsstørrelse allerede krydset US $ 240 milliarder og nu anslået til at gå forbi 730 milliarder USD i 2030 med en årlig vækstrate på over 17 %. 

Blandt al postyret omkring AI er et paradigme, der har fanget alles opmærksomhed, AGI, Kunstig Generel Intelligens. 

Men hvad er det? Hvorfor taler alle om det, og hvorfor er det videnskabelige og teknologiske samfund så ivrige efter at observere hver drejning det tager? Lad os dykke dybere for at forstå det bedre. 

Men før vi springer direkte ind i Artificial General Intelligence, lad os prøve at finde ud af, hvad generel intelligens indebærer.

Indstilling af konturerne af generel intelligens

Generel intelligens indebærer evnen til at nå en række mål og udføre forskellige opgaver, hvis kontekster og miljøer er forskellige. Systemer, der er 'generelt intelligente', skal: 

• Håndtere problemer og situationer, der er væsentligt anderledes end hvad man kunne forvente
• Kunne generalisere den viden, den har opnået, for at den kan overføres fra en problemkontekst til andre. 

Det videnskabelige samfund forventer også, at forskellige generelle intelligenser i den virkelige verden deler nogle fælles egenskaber uden at være væsentlig sikker på, hvad disse egenskaber kunne være. 

Forudsætningen for kunstig generel intelligens tager udgangspunkt i disse karakteristika af generel intelligens og forsøger at gå og tænke ud over dem. 

AGI-kernehypotesen

Hypotesen fik sin første officielle artikulation i en papir med titlen "Artificial General Intelligence: Concept, State of the Art, and Future Prospects," offentliggjort i Journal of Artificial General Intelligence af Ben Goertzel. Hypotesen sagde følgende: 

"Skabelsen og undersøgelsen af ​​syntetisk intelligens med et tilstrækkeligt bredt (f.eks. menneskeligt niveau) omfang og stærk generaliseringsevne er i bund og grund kvalitativt forskellig fra skabelsen og undersøgelsen af ​​syntetisk intelligens med betydeligt snævrere omfang og svagere generaliseringsevne."

For at konkretisere sine træk vil AGI være tilstrækkelig bred i sit omfang og have en stærk generaliseringsevne. 

I en mere populistisk måde at skrive og forklare videnskabelige ting på, er AGI en strøm af teoretisk AI-forskning, der sigter på at udvikle AI med et menneskeligt kognitivt funktionsniveau, som inkluderer evnen til selvundervisning. 

Mange forskere mener, at det praktisk talt ikke er muligt at løfte AI til et "menneskeligt niveau af kognitiv funktion." Det ses dog helt sikkert som en stærkere form for AI sammenlignet med de svage eller smallere AI'er, vi har set hidtil. 

Kunstig generel intelligens som "stærk AI"

Ifølge IBM, "Stærk kunstig intelligens (AI), også kendt som kunstig generel intelligens (AGI) eller generel AI, er en teoretisk form for AI, der bruges til at beskrive en bestemt tankegang for AI-udvikling. Hvis forskere kan udvikle Strong AI, ville maskinen kræve en intelligens svarende til mennesker; det ville have en selvbevidst bevidsthed, der kan løse problemer, lære og planlægge for fremtiden."

Stærk AI ville i det væsentlige fungere som et menneske på det kognitive niveau. Den vil starte som et barn, lære gennem input og erfaringer og gøre fremskridt i sine evner til til sidst at blive en maskine, der er så intelligent, at den ikke kan skelnes fra den menneskelige hjerne. 

Funktionelt set ville Stærk AI være anderledes end smal eller svag AI i sin evne til at håndtere antallet og mangfoldigheden af ​​opgaver. 

For at sætte denne skelnen i perspektiv fokuserer svag eller smal AI på at udføre én gentagen opgave, mens Strong AI kan udføre forskellige opgaver samtidigt. Endnu vigtigere, mens svag eller smal AI altid vil afhænge af menneskelige input, vil AGI eller Strong AI, når det først er gjort med de indledende vækst- og indlæringsfaser, ikke længere afhænge af instruktioner, der kommer fra mennesker. Det vil generere en bevidsthed, der ligner mennesker i stedet for at simulere den. 

Med alle disse forståelser, der tjener som det teoretiske grundlag for AGI, er spørgsmålet, hvordan man griber det an, især når forskerne siger, at en ideel AGI aldrig kan opnås.  Der er fire brede tilgange til AGI: Symbolisk, Emergentist, Hybrid og Universalist. 

Den symbolske tilgang til AGI: Denne tilgang antager, at sind primært eksisterer for at manipulere symboler, der repræsenterer forskellige aspekter af verden eller dem selv. Det antager også, at et fysisk symbolsystem kommer med evnen til at indtaste, udlæse, gemme og ændre symbolske enheder og derfor kan anmode om passende eksekverbare handlinger for at nå slutmålet. 

Derfor centrerer den symbolske kognitive arkitektur sig omkring konceptet om en 'arbejdshukommelse', der ville trække på langtidshukommelsen efter behov og udnytte en centraliseret kontrol over perception, kognition og handling. 

Emergentist-tilgangen til AGI: Den emergentistiske tilgang til AGI antager, at bearbejdningsevnerne for abstrakte symboler vil opstå fra subsymbolisk dynamik på lavere niveau. I enklere vendinger drejer denne tilgang til AGI sig om at betragte den menneskelige hjerne som et sæt af simple elementer, der kan selvorganisere komplekst, hvis det kræves. 

Den hybride tilgang til AGI: Den hybride tilgang til AGI har fænomenet "helheden er større end summen af ​​delene" som sin vejledende filosofi. Den ønsker at reagere på både styrkerne og svaghederne ved de symbolske og emergentistiske tilgange gennem en integrerende, hybrid arkitektur, der kombinerer undersystemer, der opererer efter de to paradigmer. 

Kombinationen kan være et symbolsk subsystem med et stort subsymbolsk system eller en population af små agenter, som hver især er både symbolsk og subsymbolsk i naturen. 

Den universalistiske tilgang til AGI: Den universalistiske tilgang til AGI begynder med algoritmer, der har magten til at give uhyre kraftig generel intelligens, hvis de forsynes med massiv og urealistisk enorm computerkraft. Målet er til sidst at skalere dem ned ved at få dem til at tilpasse sig arbejdet ved hjælp af gennemførlige beregningsressourcer. 

Mens alle disse tilgange har udviklet sig med forskning omkring paradigmet, der udvikler sig med en jævn hastighed, har mange teknologiorganisationer bygget praktiske løsninger omkring AGI. Den mest kendte af dem har været Open AI.

Førende virksomheder, der arbejder på AGI

1. Åbn AI

OpenAI, mest berømt for sin løsning ChatGPT, har en AGI-centreret vision. I en blogindlæg offentliggjort den 24. februar 2023, startede virksomheden sine planer uden nogen tvetydighed. Den sagde, at dens mission var at 'sikre, at kunstig generel intelligens – AI-systemer, der generelt er smartere end mennesker – gavner hele menneskeheden'. 

Virksomheden sagde, at i takt med at deres systemer nærmede sig AGI, blev de "stadig mere forsigtige med oprettelsen og implementeringen" af deres modeller. Som eksempler fremhævede de implementeringen af ​​InstructGPT og ChatGPT. 

Hvad er ChatGPT?

Skabt af Open AI og lanceret den 30. november 2022, ChatGPT, i sin kerne, er et AI-drevet naturligt sprogbehandlingsværktøj, der tillader menneskelignende samtaler med chatbotten. Det kan ikke kun besvare spørgsmål, men det kan også hjælpe med at skrive e-mails, essays, koder og mere. 

Klik her for at se listen over de fem bedste ChatGPT-udvidelser.

Hvad er Instruct GPT?

Instruct GPT, et udtryk opfundet af Open AI, er en avanceret AI-drevet sprogmodel, der kan følge instruktioner givet i en tekstprompt. Dens avancerede muligheder for at forstå tekstbaserede krav og generere tekstbaserede svar gør det derfor til et kraftfuldt værktøj til en lang række service- og indholdsbaserede formål. 

Åbn AI Chat GPT i Numbers

Ifølge seneste tilgængelige numre, ChatGPT af OpenAI har mere end 100 millioner ugentlige aktive medlemmer. Rapporter offentliggjort den 12. oktober 2023 sagde, at OpenAI genererede omsætning med et tempo på 1.3 milliarder USD om året, hvilket genererede mere end 100 millioner USD om måneden, 30 % højere end tallene fra sommeren 2023. 

Åbn AI Organizational Shake-Up

Men OpenAI var over hele nyheden senest for sin organisatoriske rystelse, der skabte røre på tværs af teknologi- og teknologiinvesteringer verden over. Bestyrelsen havde besluttet at afsætte sin administrerende direktør, Sam Altman, for ikke at være "konsekvent ærlig" i sin kommunikation. Men fem dage efter, at han pludselig blev fyret, besluttede bestyrelsen at bringe Altman tilbage til sit gamle job. 

Angiveligt havde alle Open AIs medarbejdere medunderskrevet et brev, hvori de sagde, at de ville overveje at opsige, hvis Altman ikke blev bragt tilbage til sin tidligere stilling. Et af de bestyrelsesmedlemmer, der var ansvarlige for afskedigelsen af ​​Sam Altman, Open AIs chefforsker Ilya Sutskever, skrev på sin X-brugerflade efter"Jeg beklager dybt min deltagelse i bestyrelsens handlinger. Jeg havde aldrig til hensigt at skade OpenAI. Jeg elsker alt, hvad vi har bygget sammen, og jeg vil gøre alt, hvad jeg kan, for at genforene virksomheden."

Med hr. Altman tilbage som direktør for Open AI, ser kontroversen ud til at være blevet fortid. 

Mens OpenAI har været den mest fremtrædende med hensyn til at få trækkraft og øjne i AGI-rummet, har andre spillere eksisteret i en betydelig tid. DeepMind er en sådan spiller, der har været på arbejde siden 2010.

2. DeepMind

DeepMind's Det officielle langsigtede mål er 'at løse intelligensproblemer ved at udvikle mere generelle og effektive problemløsningssystemer, kendt som kunstig generel intelligens.' Virksomheden slog sig sammen med Google i 2014. 

DeepMinds funktionsprincip har altid været at fremme videnskaben til gavn for menneskeheden. Som sådan ønsker den at udnytte kunstig intelligens til at tjene samfundets behov og forventninger. 

Det, der kan betragtes som DeepMinds hidtidige succes, er, at dets programmer har lært at diagnosticere øjensygdomme lige så effektivt som verdens førende læger, sparet 30 % af den energi, der bruges til at holde datacentre kølige, forudsige proteiners komplekse tredimensionelle former og revolutioneret den måde, medicinalindustrien kan udvikle sig på. 

I henhold til tilgængelige data, havde DeepMind kun rejst én runde af midler den 1. februar 2011, før de samarbejdede med Google. Investorerne var Founders Fund og Horizons Ventures. Finansieringen var værd US millioner $ 50 efter sigende. 

3. Adept

En anden ny spiller inden for AGI er Adept. I marts 2023 rejste den knap et år gamle startup med kun 25 ansatte US$350 millioner i risikovillig kapital. Det rejste midler ved at demonstrere en rudimentær version af en digital assistent. 

Adept har undersøgt, hvordan mennesker bruger computere til at bygge en AI-model, der kan omdanne en tekstkommando til et sæt handlinger. Finansieringsrunden blev afsluttet til en værdiansættelse efter penge på 1 mia. USD. 

Ifølge David Luan, medstifteren af ​​Adept, ønsker virksomheden at bygge den samme model til computere efter den måde, en synthesizer lader en musiker spille på lydene fra mange instrumenter uden at skulle lære at spille det originale instrument. 

AGI: Vejen videre

Folk har forskellige synspunkter på AGI's potentiale. Nogle mener, at AGI kan have farlige konsekvenser for menneskeheden, mens andre mener, at AGI ikke ville være i stand til at opnå det, vi tror, ​​den kunne. 

Ifølge Diego Klabjan, professor ved Northwestern University og stiftende direktør for skolens kandidatuddannelse i analyseprogram:

"Menneskehjerner har milliarder af neuroner, der er forbundet på en meget spændende og kompleks måde, og den nuværende, avancerede [teknologi] er blot ligefremme forbindelser, der følger meget enkle mønstre. Så at gå fra et par millioner neuroner til milliarder af neuroner med nuværende hardware- og softwareteknologier – det ser jeg ikke ske."

Oxford Universitys Future of Humanity Institute gennemførte en undersøgelse blandt 352 maskinlæringsforskere om AI's udviklingspotentiale. Medianantallet af respondenter kom med bemærkelsesværdige forudsigelser for de enkelte år. 

• I 2026: Maskiner kan blive i stand til at skrive skoleopgaver
• Inden 2027: selvkørende lastbiler kan gøre chauffører unødvendige
• I 2031: AI kan overgå mennesker i detailsektoren
• I 2049: AI kan blive den næste Stephen King
• Inden 2137: Alle menneskelige job kan være automatiseret

Det er alt for tidligt at forudsige, hvor AI i sidste ende vil føre os hen. Men som alle andre teknologier kan den bruges på godt og ondt. 

Administrerende direktør for Open AI, Sam Altman, mener, at "der bør være stor kontrol med alle bestræbelser på at opbygge AGI og offentlig høring for større beslutninger." Han går endda videre for at sige:

"Verden kan blive ekstremt anderledes, end den er i dag, og risiciene kan være ekstraordinære. En forkert justeret superintelligent AGI kan forårsage alvorlig skade på verden; et autokratisk regime med en afgørende ledelse af superintelligens kunne også gøre det."

Alligevel er der udbydere af AGI-løsninger som DeepMind og flere, der mener, at AGI vil være forløberen for mange videnskabelige gennembrud og bringe forandringer i den virkelige verden til det bedre. AGI vil helt sikkert have en betydelig indflydelse på vores stræben inden for forskning, teknik, videnskab og sikkerhed for verden. En stor del af succesen vil helt sikkert afhænge af, hvor forsigtige og kalibrerede menneskelige handlinger er.  

Klik her for at lære alt om investering i kunstig intelligens.