Artificiell generell intelligens: En berättelse om att bygga förmågor med försiktighet

Vi lever i eran av artificiell intelligens, med den globala AI-marknadens storlek redan överstigit US$240 miljarder och nu beräknas gå förbi US$730 miljarder år 2030, med en årlig tillväxttakt som överstiger 17%. 

Bland all uppståndelse kring AI är ett paradigm som har fångat allas uppmärksamhet AGI, artificiell generell intelligens. 

Men vad är det? Varför pratar alla om det, och varför är den vetenskapliga och tekniska gemenskapen så angelägen om att följa varje steg den tar? Låt oss gå djupare för att förstå bättre. 

Men innan vi hoppar rakt in i artificiell generell intelligens, låt oss försöka fastställa vad generell intelligens innebär.

Avgränsning av generell intelligens

Generell intelligens innebär förmågan att uppnå en rad mål och utföra olika uppgifter vars kontexter och miljöer är olika. System som är ‘generellt intelligenta’ måste:

• Hantera problem och situationer som är väsentligt annorlunda än vad som kunde förutses
• Kunna generalisera den kunskap den har fått så att den kan överföras från ett problemkontext till andra. 

Den vetenskapliga gemenskapen förväntar sig också att olika verkliga generella intelligenser delar vissa gemensamma egenskaper utan att vara helt säker på vad dessa egenskaper kan vara. 

Premissen för artificiell generell intelligens bygger på dessa egenskaper av generell intelligens och försöker gå bortom dem. 

Kärnhypotesen för AGI

Hypotesen fick sin första officiella formulering i ett papper med titeln “Artificial General Intelligence: Concept, State of the Art, and Future Prospects,” publicerad i Journal of Artificial General Intelligence av Ben Goertzel. Hypotesen sade följande: 

“Skapandet och studiet av syntetisk intelligens med tillräckligt bred (t.ex. mänsklig) omfattning och stark generaliseringsförmåga är i grunden kvalitativt annorlunda än skapandet och studiet av syntetisk intelligens med betydligt snävare omfattning och svagare generaliseringsförmåga.”

För att konkretisera dess egenskaper kommer AGI att vara tillräckligt bred i sin omfattning och ha stark generaliseringsförmåga. 

I en mer populistisk stil av att skriva och förklara vetenskapliga saker är AGI ett spår av teoretisk AI-forskning som syftar till att utveckla AI med en mänsklig nivå av kognitiv funktion, vilket inkluderar förmågan att självlära. 

Många forskare tror att det i praktiken inte är möjligt att lyfta AI till en “mänsklig nivå av kognitiv funktion”. Dock ses det utan tvekan som ett starkare sätt att AI jämfört med de svaga eller snävare AI:er vi hittills har sett. 

Artificiell generell intelligens som “Stark AI”

Enligt IBM, “Stark artificiell intelligens (AI), även känd som artificiell generell intelligens (AGI) eller generell AI, är en teoretisk form av AI som används för att beskriva ett visst tankesätt i AI-utveckling. Om forskare kan utveckla Stark AI, skulle maskinen kräva en intelligens lika med människors; den skulle ha ett självmedvetet medvetande som kan lösa problem, lära sig och planera för framtiden.” 

Stark AI skulle i princip fungera som en människa på den kognitiva nivån. Den skulle börja som ett barn, lära sig genom indata och erfarenheter, och göra framsteg i sina förmågor för så småningom att bli en maskin som är så intelligent att den inte kan skiljas från den mänskliga hjärnan. 

Funktionellt skulle Stark AI skilja sig från smal eller svag AI i sin förmåga att hantera antalet och mångfalden av uppgifter. 

För att sätta denna skillnad i perspektiv fokuserar svag eller smal AI på att utföra en repetitiv uppgift, medan Stark AI kan utföra olika uppgifter samtidigt. Viktigare är att medan svag eller smal AI alltid är beroende av mänskliga indata, kommer AGI eller Stark AI, när den har avslutat de initiala tillväxt- och inlärningsfaserna, inte längre att vara beroende av instruktioner från människor. Den kommer att generera ett medvetande som liknar människors snarare än att simulera det. 

Med all denna förståelse som teoretisk grund för AGI, är frågan hur man närmar sig den, särskilt när forskarna säger att en ideal AGI aldrig kan uppnås. Det finns fyra breda tillvägagångssätt för AGI: Symbolisk, Emergentistisk, Hybrid och Universalistisk. 

Den symboliska ansatsen till AGI: Denna ansats antar att sinnen främst existerar för att manipulera symboler som representerar olika aspekter av världen eller dem själva. Den antar också att ett fysiskt symbolsystem kommer med förmågan att mata in, mata ut, lagra och förändra symboliska enheter och därför kan initiera lämpliga verkställbara handlingar för att nå slutmålet. 

Därför centrerar den symboliska kognitiva arkitekturen kring konceptet av ett ‘arbetsminne’ som skulle dra på långtidsminnet vid behov och använda en centraliserad kontroll över perception, kognition och handling. 

Den emergentistiska ansatsen till AGI: Den emergentistiska ansatsen till AGI antar att bearbetningskapaciteten för abstrakta symboler skulle uppstå från lägre nivåers subsymboliska dynamik. Enklare uttryckt kretsar denna ansats kring att betrakta den mänskliga hjärnan som en uppsättning enkla element som kan självorganisera komplexa strukturer om så behövs. 

Den hybridiska ansatsen till AGI: Den hybridiska ansatsen till AGI har fenomenet “helheten är större än summan av delarna” som sin vägledande filosofi. Den vill svara på både styrkor och svagheter i de symboliska och emergentistiska ansatserna genom en integrativ, hybridarkitektur som kombinerar delsystem som opererar enligt de två paradigmerna. 

Kombinationen kan vara ett symboliskt delsystem med ett stort subsymboliskt system eller en population av små agenter, där varje är både symbolisk och subsymbolisk till sin natur. 

Den universalistiska ansatsen till AGI: Den universalistiska ansatsen till AGI börjar med algoritmer som har kraften att producera enormt kraftfull generell intelligens om de får tillgång till massiv och orealistiskt enorm beräkningskapacitet. Målet är så småningom att skala ner dem genom att anpassa dem för att fungera med genomförbara beräkningsresurser. 

Medan alla dessa ansatser har utvecklats i takt med att forskningen kring paradigmet fortskrider i en jämn takt, har många teknikorganisationer byggt praktiska lösningar kring AGI. Den mest kända av dem har varit Open AI. 

Ledande företag som arbetar med AGI

1. Open AI

OpenAI, mest kända för sin lösning ChatGPT, har en AGI-centrerad vision. I ett blogginlägg publicerat den 24 februari 2023, påbörjade företaget sina planer utan någon tvetydighet. De sade att deras uppdrag var att ‘säkerställa att artificiell generell intelligens – AI-system som generellt är smartare än människor – gynnar hela mänskligheten.’ 

Företaget sade att när deras system närmar sig AGI, blir de ‘alltmer försiktiga med skapandet och distributionen’ av sina modeller. Som exempel lyfte de fram distributionen av InstructGPT och ChatGPT. 

Vad är ChatGPT?

Skapat av Open AI och lanserat den 30 november 2022, är ChatGPT i grunden ett AI-drivet verktyg för naturlig språkbehandling som möjliggör mänskliga konversationer med chatboten. Det kan inte bara svara på frågor, utan även hjälpa till att skriva e‑mail, uppsatser, kod och mer. 

Klicka här för listan över de fem bästa ChatGPT-tilläggen.

Vad är Instruct GPT?

Instruct GPT, ett begrepp myntat av Open AI, är en avancerad AI-driven språkmodell som kan följa instruktioner givna i en textprompt. Dess avancerade förmåga att förstå textbaserade krav och generera textbaserade svar därefter gör den till ett kraftfullt verktyg för en rad tjänste- och innehållsbaserade ändamål. 

Open AI Chat GPT i siffror

Enligt de senaste tillgängliga siffrorna har ChatGPT från OpenAI mer än 100 miljoner veckovis aktiva medlemmar. Rapporter publicerade den 12 oktober 2023 sade att OpenAI genererade intäkter på US$1,3 miljarder per år, mer än US$100 miljoner per månad, 30 % upp från deras siffror för sommaren 2023. 

Open AI organisationsomvälvning

OpenAI hamnade dock i nyheterna nyligen på grund av sin organisationsomvälvning som skapade oro i teknik- och teknikinvesteringsgemenskapen världen över. Styrelsen hade beslutat att avsätta sin VD, Sam Altman, för att han inte var “konsekvent ärlig” i sin kommunikation. Men fem dagar efter att han plötsligt avskedades, beslutade styrelsen att återföra Altman till sin tidigare roll. 

Enligt uppgift hade varje enskild medlem av Open AIs personal medunderskrivit ett brev där de sade att de skulle överväga att sluta om inte Mr. Altman återfördes till sin tidigare position. En av styrelsemedlemmarna som ansvarade för avsättningen av Sam Altman, Open AIs chefsforskare Ilya Sutskever, skrev på sin X-handle följande följande: “Jag ångrar djupt mitt deltagande i styrelsens handlingar. Jag hade aldrig för avsikt att skada OpenAI. Jag älskar allt vi har byggt tillsammans, och jag kommer göra allt jag kan för att återförena företaget.”

Med Mr Altman tillbaka som Open AI:s VD verkar kontroversen ha blivit ett minne blott. 

Medan OpenAI har varit den mest framträdande i att få uppmärksamhet och blickar i AGI-området, har andra aktörer funnits under en betydande tid. DeepMind är en sådan aktör som har varit i arbete sedan 2010.

2. DeepMind

DeepMind’s officiella långsiktiga mål är ‘att lösa intelligens, utveckla mer generella och kapabla problemlösningssystem, kända som artificiell generell intelligens.’ Företaget gick samman med Google 2014. 

DeepMinds operativa princip har alltid varit att främja vetenskap för att gynna mänskligheten. På så sätt vill de utnyttja artificiell intelligens för att tillgodose samhälleliga behov och förväntningar. 

Vad som kan räknas som framgångarna som DeepMind hittills uppnått är att deras program har lärt sig att diagnostisera ögonsjukdomar lika effektivt som världens främsta läkare, sparat 30 % av energin som används för att hålla datacenter svala, förutsagt de komplexa tredimensionella formerna av proteiner, vilket revolutionerat sättet för läkemedelsindustrin att göra framsteg. 

Enligt tillgängliga data hade DeepMind endast tagit in en finansieringsrunda den 1 februari 2011, innan samarbetet med Google. Investerarna var Founders Fund och Horizons Ventures. Finansieringen uppgick till US$50 miljoner enligt uppgift. 

3. Adept

En annan framväxande aktör inom AGI-fältet är Adept. I mars 2023, den knappt ett år gamla startupen med bara 25 anställda, tog in US$350 miljoner riskkapital. Den tog in kapital genom att demonstrera en rudimentär version av en digital assistent. 

Adept har studerat hur människor använder datorer för att bygga en AI-modell som kan omvandla ett textkommando till en uppsättning handlingar. Finansieringsrundan slutfördes med ett post-money värde på US$1 miljard. 

Enligt David Luan, medgrundare av Adept, vill företaget bygga samma modell för beräkning på samma sätt som en synthesizer låter en musiker spela ljuden från många instrument utan att behöva lära sig spela det ursprungliga instrumentet. 

AGI: Vägen framåt

Människor har olika åsikter om AGI:s potential. Vissa tror att AGI kan ha farliga konsekvenser för mänskligheten, medan andra tror att AGI inte kommer att kunna uppnå det vi tror att den kan. 

Enligt Diego Klabjan, en professor vid Northwestern University och grundande chef för skolans Master of Science in Analytics Program:

“Mänskliga hjärnor har miljarder neuroner som är kopplade på ett mycket fascinerande och komplext sätt, och den nuvarande state-of-the-art [teknologin] är bara enkla anslutningar som följer mycket enkla mönster. Så att gå från några miljoner neuroner till miljarder neuroner med dagens hårdvara och mjukvara – jag ser inte att det händer.”

Oxford Universitys Future of Humanity Institute genomförde en undersökning bland 352 maskininlärningsforskare om AI:s utvecklingspotential. Medianantalet svarande gjorde anmärkningsvärda år-för-år förutsägelser. 

• Till 2026: maskiner kan bli kapabla att skriva skoluppsatser
• Till 2027: självkörande lastbilar kan göra förare onödiga
• Till 2031: AI kan överträffa människor inom detaljhandeln
• Till 2049: AI kan bli nästa Stephen King
• Till 2137: Alla mänskliga jobb kan bli automatiserade

Det är alldeles för tidigt att förutsäga var AI så småningom kommer att ta oss. Men, likt alla teknologier, kan den användas för gott eller ont. 

Open AI:s VD Sam Altman tror att “det bör finnas stor granskning av alla ansträngningar att bygga AGI och offentligt samråd för stora beslut.” Han går ännu längre och säger att:

“Världen skulle kunna bli extremt annorlunda jämfört med hur den är idag, och riskerna kan vara extraordinära. En feljusterad superintelligent AGI skulle kunna orsaka allvarlig skada för världen; ett auktoritärt regime med en beslutsam superintelligensledare skulle kunna göra det också.”

Ändå finns det AGI-lösningsleverantörer som DeepMind och fler som tror att AGI kommer att vara förebud för många vetenskapliga genombrott och föra verkliga förändringar till det bättre. AGI kommer definitivt att ha ett betydande inflytande på våra strävanden inom forskning, teknik, vetenskap och säkerhet för världen. En stor del av framgången kommer definitivt att bero på hur försiktiga och kalibrerade mänskliga handlingar är.  

Klicka här för att lära dig allt om att investera i artificiell intelligens.