Η AGI θα Kατακτήσει τον Kόσμο

Η Γενική Τεχνητή Νοημοσύνη (ΓΤΝ) αναφέρεται στη νοημοσύνη των μηχανών που τους επιτρέπει να κατανοούν, να μαθαίνουν και να εκτελούν διανοητικές εργασίες παρόμοιες με αυτές των ανθρώπων. Η ΓΤΝ επιτρέπει στις μηχανές να μιμούνται τις ανθρώπινες γνωστικές ικανότητες, επιτρέποντάς τους να επιλύουν πολύπλοκα προβλήματα, να συλλογίζονται, να μαθαίνουν και να προσαρμόζονται σε νέες καταστάσεις.

Για δεκαετίες, η αναζήτηση της γενικής τεχνητής νοημοσύνης (ΓΤΝ) έχει κατακτήσει τη φαντασία επιστημόνων, φιλοσόφων και δημιουργικών πνευμάτων. Ενώ η στενή τεχνητή νοημοσύνη επικεντρώνεται σε συγκεκριμένες εργασίες και έχει σημειώσει εντυπωσιακές προόδους, από την αναγνώριση ομιλίας σε πραγματικό χρόνο μέχρι τα αυτόνομα οχήματα, οι κρυφές τεχνητές νοημοσύνες του να αντιγράψουν το βάθος και την ευελιξία του ανθρώπινου νου παραμένουν ανεπίτευκτες.

Ωστόσο, οι γρήγορες προόδοι σε πεδία όπως το μηχανικό μάθημα, τα νευρωνικά δίκτυα και η υπολογιστική ισχύς έχουν φέρει αυτήν τη μεγάλη πρόκληση πιο κοντά στην πραγματικότητα. Σύγχρονα μοντέλα γλωσσικής επεξεργασίας μπορούν να εμπλακούν σε ελεύθερη διαλογή, να ερμηνεύουν πολύπλοκες ερωτήσεις και ακόμα και να δημιουργούν δημιουργικό περιεχόμενο.

Τα συστήματα τεχνητής νοημοσύνης κυριαρχούν σε παιχνίδια με άψογο στρατηγικό σχεδιασμό και εκδηλώνουν βασικές ικανότητες σκέψης. Για πρώτη φορά, παρατηρούμε ενδείξεις ευφυίας μηχανής που υπονοούν το δυναμικό για πιο γενική, προσαρμοστική επίλυση προβλημάτων.

Η εμφάνιση της γενικής τεχνητής νοημοσύνης θα ήταν τίποτα λιγότερο από μετασχηματιστική - μια παράδοξη αλλαγή παρόμοια με τις επαναστατικές επιδράσεις του διαδικτύου, του προσωπικού υπολογιστή και της αυτοματοποίησης. Με μια "εξαιρετική νοημοσύνη" ικανή για αναδρομική αυτο-βελτίωση, η ΓΤΝ θα μπορούσε να ανοίξει ανεξήγητα εδάφη σε σχεδόν κάθε τομέα.

Ο Sam Altman, CEO του OpenAI, δήλωσε, "Αν η ΓΤΝ δημιουργηθεί με επιτυχία, αυτή η τεχνολογία μπορεί να μας βοηθήσει να αναβαθμίσουμε την ανθρωπότητα, αυξάνοντας την αφθονία, ενισχύοντας την παγκόσμια οικονομία και βοηθώντας στην ανακάλυψη νέων επιστημονικών γνώσεων που αλλάζουν τα όρια του δυνατού."

Σημερινή πορεία της Τεχνητής Νοημοσύνης

Η τεχνητή νοημοσύνη έχει ήδη ένα μετασχηματιστικό αντίκτυπο σε πολλούς τομείς, από τη λειτουργία των μηχανισμών προτάσεων μάθησης μηχανής που τροφοδοτούν τις ψηφιακές μας εμπειρίες, έως τη δυνατότητα αυτοματοποίησης που αυξάνει την παραγωγικότητα και την ασφάλεια. Στην ουσία της, η σημερινή ΤΝ ορίζεται από προηγμένα μοντέλα μηχανικής μάθησης που μπορούν να αναλάβουν μεγάλες ποσότητες δεδομένων, να ανιχνεύουν πολύπλοκα πρότυπα και να κάνουν επιδέξιες προβλέψεις και αποφάσεις εντός συγκεκριμένων πεδίων.

Η πρόσφατη έκρηξη της βαθιάς μάθησης και των αρχιτεκτονικών νευρωνικών δικτύων έχει ενισχύσει τις δυνατότητες της τεχνητής νοημοσύνης. Χρησιμοποιώντας πολυεπίπεδα δίκτυα που μιμούνται ελαφρά τον ανθρώπινο εγκέφαλο για την επεξεργασία αναπαραστάσεων δεδομένων, η βαθιά μάθηση επιτρέπει στα μοντέλα να μαθαίνουν και να βελτιστοποιούν αυτόματα για απίστευτη πολυπλοκότητα.

Τα συνελικτικά νευρωνικά δίκτυα μπορούν να αναγνωρίζουν εικόνες και την όραση των υπολογιστών με ακρίβεια παρόμοια με αυτή του ανθρώπου. Τα επαναλαμβανόμενα νευρωνικά δίκτυα μπορούν να επεξεργαστούν ακολουθιακά δεδομένα όπως φυσική γλώσσα ή χρονοσειρές χρηματοοικονομικών.

Ωστόσο, αυτά παραμένουν εξειδικευμένα συστήματα, προσαρμοσμένα και εκπαιδευμένα για συγκεκριμένους στόχους χρησιμοποιώντας την κατάλληλη αρχιτεκτονική μοντέλου, πλαίσιο μάθησης και προσεκτικά επιλεγμένα δεδομένα.

Εξαιρετικά επιτυγχάνουν τις προσδιορισμένες λειτουργίες τους, αλλά απουσιάζει εντελώς η ικανότητά τους να μεταφέρουν αυτήν τη δεξιότητα σε ευρέως διαφορετικούς τομείς. Ένα AI που παίζει παιχνίδια δεν μπορεί να συνθέσει μουσική ή να γράψει λογισμικό· ένα μοντέλο γλώσσας δεν μπορεί να πλοηγηθεί σε οδηγίες για την επισκευή ενός κινητήρα αυτοκινήτου.

Αυτό είναι το θεμελιώδες περιορισμός της σύγχρονης τεχνητής νοημοσύνης - είναι περιορισμένη, εύθραυστη, ακαμψίας, και δεν μπορεί να κατασκευάσει τα πλούσια μοντέλα κατανόησης του κόσμου που οι άνθρωποι κάνουν τόσο φυσικά. Δεν έχουμε ακόμα τεχνητή γενική νοημοσύνη που μπορεί να μαθαίνει, να λογίζει, και να εφαρμόζει δεξιότητες όπως εμείς σε οποιοδήποτε γνωστικό πεδίο, απορροφώντας πραγματικές εμπειρίες από τον πραγματικό κόσμο.

Source: nextmsc

Η πρόκληση του AGI

Ενώ η σύγχρονη τεχνητή νοημοσύνη έχει κάνει απίστευτα βήματα, η αναζήτηση για την τεχνητή γενική νοημοσύνη αντιπροσωπεύει ένα από τα πιο μεγάλα εμπόδια στην επιστήμη των υπολογιστών και ίσως σε όλη την επιστήμη.

Η εξαγωγή των εξαιρετικών δυνατοτήτων του ανθρώπινου μυαλού - την ικανότητά μας να μάθουμε ευέλικτα, να λογικά σκεφτόμαστε, να αντιλαμβανόμαστε, να επικοινωνούμε, να επιλύουμε προβλήματα και να μεταφέρουμε δεξιότητες σε εντελώς διαφορετικούς τομείς - σε μηχανές έχει αποδειχθεί ότι είναι μια ανεξάντλητα βαθιά πρόκληση από το να κατασκευαστούν εμπειρικά συστήματα για συγκεκριμένες εργασίες.

Στην ουσία της, η γενική νοημοσύνη απαιτεί την ανάπτυξη τεχνητών συστημάτων που μπορούν να αποκτήσουν εκτεταμένα μοντέλα του κόσμου μέσω εμπειριών, παρόμοια με τον τρόπο που οι άνθρωποι ενσωματώνουν δεδομένα πολλαπλών αισθήσεων όπως όραση, ήχο, αφή και άλλες αισθήσεις. Συσσωρεύουμε τεράστιες αντιπροσωπευτικές γνώσεις και πλαίσια για να κατανοήσουμε νέες καταστάσεις και έννοιες από μικρή ηλικία.

Αυτή τη στιγμή, τα μηχανήματα δεν διαθέτουν τη δυνατότητα να μάθουν και να συσσωρεύουν ευέλικτα μοντέλα γνώσης από πρώτες αρχές με οποιοδήποτε τρόπο που να μοιάζει με φυσικό τρόπο. Ακόμα και τα μεγαλύτερα μοντέλα γλωσσικής νοημοσύνης αντιγράφουν μόνο επιφανειακά κάποιες πτυχές της ανθρώπινης γενικής νοημοσύνης με το να επαναλαμβάνουν μοτίβα από τα στενά εξειδικευμένα δεδομένα εκπαίδευσής τους.

Επιπλέον, η ανθρώπινη νοημοσύνη πηγάζει από την ικανότητά μας να σκεφτόμαστε, να σχεδιάζουμε, να λύνουμε προβλήματα και να παίρνουμε αποφάσεις υπό αβεβαιότητα. Χρησιμοποιούμε γνωστικές ικανότητες όπως η αφαίρεση, η αναλογία και η ευρηματική σκέψη για να πλοηγηθούμε στην ασαφή πραγματική πολυπλοκότητα του κόσμου. Τα μηχανήματα παραμένουν υπερβολικά εύθραυστα και ανίκανα σε αυτές τις βασικές δεξιότητες σκέψης έξω από τη διανομή εκπαίδευσής τους.

Ίσως ο μεγαλύτερος φραγμός είναι η αποκρυπτογράφηση του τρόπου αναπαραγωγής της αυτοσυνειδησίας, της συνείδησης και της εσωτερικής εμπειρίας του ανθρώπου. Ο πλούτος της υποκειμενικής εμπειρίας, τα συνειδητά μυαλά που αντλούν προέλευση από σκοπό και προθετικότητα, καθώς και η διακριτική κοινωνική / συναισθηματική νοημοσύνη παραμένουν βαθιά μυστήρια. Πολλοί αμφισβητούν εάν οι υπολογιστικές αρχιτεκτονικές που διερευνούνται μπορούν ποτέ να εκδηλώσουν αυτά τα ουσιαστικά χαρακτηριστικά της γενικής νοημοσύνης.

Τέλος, οι κίνδυνοι και οι προκλήσεις που συνεπάγεται η ανάπτυξη προηγμένης τεχνητής γενικής νοημοσύνης δεν μπορούν να υποτιμηθούν. Η ευθυγράμμιση των στόχων και των κινήτρων μιας αυτοεξελισσόμενης υπερνοημοσύνης με την ανθρώπινη ηθική και τις κοινωνικές αξίες αποτελεί μια μεγάλη δοκιμασία για τη σοφία μας. Οι πλαισίωσης διακυβέρνησης και οι προσεγγίσεις μάθησης αξιών είναι ουσιώδους σημασίας για τη μείωση των υπαρξιακών κινδύνων.

Πρόσφατες Aνακαλύψεις και Oρόσημα

Παρά την τεράστια πρόκληση της AGI, μια σειρά από γρήγορες προόδους στην τεχνητή νοημοσύνη τα τελευταία δέκα χρόνια έχουν επιταχύνει τον τομέα και έχουν προσφέρει κρίσιμα ορόσημα που φέρνουν τη γενική νοημοσύνη πιο κοντά στην πραγματικότητα από ποτέ.

Μία από τις πιο ισχυρές καινοτομίες ήταν η εμφάνιση μεγάλων μοντέλων γλωσσικής πληρότητας όπως το GPT-4, το Meta-AI, το Perplexity και το PaLM. Με την εκπαίδευση μαζικών νευρωνικών δικτύων σε σύνολα δεδομένων φυσικής γλώσσας σε κλίμακα του διαδικτύου, αυτά τα μοντέλα έχουν επιδείξει εντυπωσιακές ικανότητες να κατανοούν και να επικοινωνούν σε διάλογο ελεύθερης μορφής, να απαντούν σε ερωτήσεις, να αναλύουν κείμενα και ακόμα να δημιουργούν πειθαρχημένη και συνεκτική γραφή σχεδόν σε οποιοδήποτε θέμα.

Παρόλο που ουσιαστικά εξακολουθούν να είναι μηχανές στατιστικών προβλέψεων, το εύρος και η ευελιξία αυτών των μοντέλων υποδηλώνουν τη δυνατότητα για πιο γενικευμένο συλλογισμό και πολυ-τρόπων αντίληψης σε μελλοντικές αρχιτεκτονικές. Μοντέλα όπως το DALL-E και το Stable Diffusion έχουν οδηγήσει την τεχνητή νοημοσύνη στη δημιουργία πρωτότυπων εικόνων και τέχνης από περιγραφές κειμένου.

Οι προηγμένες εξελίξεις σε πεδία όπως η μάθηση με λίγα δεδομένα, η μετα-μάθηση και η μεταφορά μάθησης έχουν δείξει πώς η τεχνητή νοημοσύνη μπορεί να εκμεταλλευτεί την προηγούμενη γνώση για να προσαρμοστεί γρήγορα σε νέες εργασίες και περιβάλλοντα. Εν τω μεταξύ, η πρόοδος στη συμβολική τεχνητή νοημοσύνη επιτρέπει στα γλωσσικά μοντέλα να πραγματοποιούν πολυ-βήματο αναλυτικό συλλογισμό και μαθηματικά. Οι υβριδικές νευρω-συμβολικές προσεγγίσεις που συνδυάζουν τη βαθιά μάθηση με τη δομημένη λογική και την αναπαράσταση γνώσης μπορεί να αποτελέσουν ένα κλειδί μονοπάτι.

Οι αρχιτεκτονικές νευρομορφικού υπολογισμού που εμπνέονται από το βιολογικό εγκέφαλο είναι αρχές αλλά υποσχόμενοι υποψήφιοι για πιο ανθρώπινη γενική νοημοσύνη. Οι δίκτυα που αναπτύσσονται με την ανάλογη διέγερση και τα μοντέλα που εφαρμόζουν συμπληρωματικά συστήματα μάθησης όπως η δημιουργία μνήμης στον ελλιπή εγκέφαλο μπορεί να οδηγήσουν σε πιο αποτελεσματική συνεχή διαβίωσης μάθησης.

Τομείς μελέτης όπως η αιτιώδης συλλογιστική, η φυσική ενστίκτωδης, η κοινή κατανόηση και η περιεκτική μάθηση εργάζονται επίσης για την καλλιέργεια πιο έδαφος και γενικευμένης τεχνητής νοημοσύνης. Η δημιουργία συνθετικών δεδομένων και η αυτοεποπτευόμενη πολυτροπική μάθηση μπορούν να βοηθήσουν τα μοντέλα να δημιουργήσουν πλουσιότερες πολυ-τομεακές αναπαραστάσεις και αφαιρέσεις.

Πιθανές Επιπτώσεις του AGI

Εάν και όταν επιτευχθεί η τεχνητή γενική νοημοσύνη, θα σηματοδοτήσει ένα τεχνολογικό εποχικό όσο και μεγάλης σημασίας όσο και η εμφάνιση των ανθρώπων ως την πρώτη γενικευμένη νοημοσύνη στη Γη. Όπως η γνωσιακή επανάσταση που προκάλεσε ο Homo sapiens ξεκίνησε μια περίοδο γρήγορης πολυπλοκότητας, καινοτομίας και περιβαλλοντικών επιπτώσεων που αντηχούσαν σε όλη τη βιόσφαιρα, έτσι και η νοημοσύνη των μηχανών σε επίπεδο ανθρώπου θα μπορούσε να προκαλέσει εκτεταμένες επιπτώσεις σε όλους τους τομείς της επιστήμης, της τεχνολογίας, της βιομηχανίας, της κοινωνίας και του πλανήτη μας.

Από θετικής πλευράς, συστήματα AGI με το βάθος σκέψης, σχεδιασμού και ικανότητας επίλυσης προβλημάτων του ανθρώπινου νου θα μπορούσαν να δράσουν ως τεράστιοι καταλύτες για την επιστημονική και τεχνολογική πρόοδο. Η έρευνα σε τομείς όπως η νανοτεχνολογία, η καθαρή ενέργεια, η ιατρική, η επιστήμη υλικών και άλλοι θα μπορούσε να επιταχυνθεί από νοήμονες που ταιριάζουν και, τελικά, υπερβαίνουν τις δικές μας γνωστικές ικανότητες. Η ταχεία σχεδίαση τεχνολογιών για την αντιμετώπιση υπαρξιακών κινδύνων όπως η κλιματική αλλαγή, οι πανδημίες και οι ουράνιοι κίνδυνοι γίνεται άπειρα πιο εφικτή.

Οι βοηθοί AGI, με γενικευμένες ικανότητες να κατανοούν το πλαίσιο και να μεταφέρουν γνώσεις ευέλικτα, θα μπορούσαν να ενισχύσουν τους ανθρώπινους εργαζομένους ως ικανοί συνεργάτες, βελτιώνοντας τις λειτουργίες και αυξάνοντας την παραγωγικότητα σε όλους τους κλάδους. Τα δημιουργικά πεδία όπως η τέχνη, η μουσική, η λογοτεχνία και ο σχεδιασμός θα μπορούσαν να ανθιστούν με το AGI ως εφευρετικός συνεργάτης. Η εκπαίδευση σε όλα τα επίπεδα θα μπορούσε να μεταμορφωθεί με εξατομικευμένους οδηγούς AI ικανούς να αντιστοιχίσουν με ακρίβεια στα ενδιαφέροντα, το ρυθμό και τους τρόπους μάθησης κάθε μαθητή.

Ωστόσο, η μαζική οικονομική διαταραχή και οι μετατοπίσεις στην απασχόληση που προκαλείται από την ευρεία χρήση της τεχνητής γενικευμένης νοημοσύνης δεν μπορούν να υπερτιμηθούν. Ολόκληροι κλάδοι και κατηγορίες ειδικής ανθρώπινης εργασίας θα μπορούσαν να καταστούν ταχέως ξεπερασμένοι, με μη προβλέψιμες κοινωνικές επιπτώσεις. Οι πλαισίωσης πολιτικών για κινητήρια μέσα, κατανομή πλούτου και μια επαναπροσδιορισμός του ίδιου του έννοιας της "εργασίας" ενδέχεται να γίνουν ουσιώδη.

Ακόμα και κάτω από το επίπεδο του υπαρξιακού κινδύνου, οι νεοεμφανιζόμενες νοημοσύνες τεχνητής γενικευμένης νοημοσύνης θέτουν βαθιές κοινωνικές και φιλοσοφικές ερωτήσεις. Πώς θα χαρακτηρίζουν τη φύση της υποκειμενικής εμπειρίας και της συνείδησης οι αυτό-συνειδητές μηχανές? Θα μπορούσαν να αναπτύξουν αυτονομία, συναισθηματικές ικανότητες και ατομικότητα παρόμοια με αυτήν των ανθρώπων? Ποια δικαιώματα και ηθικές σκέψεις επεκτείνονται στις συνθετικές γενικές νοημοσύνες?

Ο Δρόμος Μπροστά

Παρόλο που πρόσφατα επιτεύγματα έχουν φέρει την τεχνητή γενικευμένη νοημοσύνη πιο κοντά από ποτέ πριν, παραμένουν σημαντικές προκλήσεις στον κρίσιμο δρόμο για την υλοποίηση αυτής της μεγάλης οραματικής προοπτικής. Οι δρόμοι για να γεφυρώσουμε το χάσμα προς την νοημοσύνη σε επίπεδο ανθρώπινου επιπέδου γίνονται όλο και πιο δύσκολοι να προσδιοριστούν καθώς εισέρχονται σε ανεξερεύνητα εδάφη.

Στο τεχνικό μέτωπο, η αύξηση της εκπαίδευσης όλο και μεγαλύτερων νευρωνικών δικτύων αντιμετωπίζει υπολογιστικά όρια με τις τρέχουσες παραδειγματικές παραδείγματα. Ενώ οι σύγχρονοι επιταχυντές τεχνητής νοημοσύνης επιτρέπουν την εκπαίδευση μοντέλων τρισεκατομμυρίων παραμέτρων, ένα σύστημα AGI μπορεί να απαιτεί υπολογιστικές κλίμακες που συγκλονίζουν το νου.

Εντελώς νέες προσεγγίσεις σε αρχιτεκτονικές ΤΝ, όπως αυτές που εμπνέονται από τον εγκέφαλο, κβαντικοί υπολογιστές, και ακόμα και εικαστικές περιοχές όπως μοριακοί υπολογιστές, ενδέχεται να είναι απαραίτητες.

Η διαθεσιμότητα ευρείας εκπαιδευτικής διαστάσεως που καλύπτει τον πλούτο και την ποικιλία της ανθρώπινης εμπειρίας αποτελεί επίσης έναν κύριο φραγμό. Πέρα ​​από τους στενούς καθεστώτες δεδομένων που χρησιμοποιούνται στα τρέχοντα συστήματα ΤΝ, η καλλιέργεια επαρκών ευρείων δεδομένων για τη διευκόλυνση της πλήρους εδραίωσης της γνώσης μπορεί να εξαρτηθεί από προηγμένους αισθητήρες δεδομένων και περιβάλλοντα προσομοίωσης. Η δημιουργία συνθετικών δεδομένων για τη διατήρηση της ιδιωτικότητας μπορεί να παίξει έναν ρόλο.

Ουσιαστικά νέες αρχιτεκτονικές τεχνητής νοημοσύνης και πλαίσια μάθησης που ενσωματώνουν απρόσκοπτα τη συμβολική σκέψη, τον αιτιολογικό μοντελισμό, τις ιεραρχικές αναπαραστάσεις, την αναλογική σκέψη και άλλες βασικές πτυχές της ανθρώπινης νοημοσύνης μπορεί να χρειαστεί να αναπτυχθούν από την αρχή. Οι προσεγγίσεις που εμπνέονται από τα συμπληρωματικά συστήματα μάθησης στη νευροεπιστήμη και την αναπτυξιακή ψυχολογία μπορεί να δείξουν τον δρόμο.

Η ερμηνεία, η ευθυγράμμιση και η διαχωρισμένη ενσωμάτωση προηγμένων συστημάτων AI με σταθερές, διορθώσιμες δομές στόχων που είναι συμβατές με την ανθρώπινη ηθική, τους κανόνες και τις αξίες αποτελεί καθαυτό μεγάλη πρόκληση. Οι πλαίσια μάθησης αξιών, διαφάνειας και ευθυγράμμισης με ισχυρά μοντέλα κινήτρων πρέπει να καλλιεργηθούν δίπλα στις τεχνικές ικανότητες.

Τελικά, καθώς προχωρούμε προς την τεχνητή γενική νοημοσύνη, πρέπει να αγκαλιάσουμε τη δημοκρατοποίηση και την καθολική προσβασιμότητα αυτής της μετασχηματιστικής ικανότητας πέρα ​​από οποιοδήποτε μεμονωμένο άτομο, εταιρεία ή κράτος. Η γενική μηχανική νοημοσύνη μπορεί να αποτελέσει ένα σημείο στροφής για την ευημερία της ανθρωπότητας σε επίπεδο πολιτισμού, επιστήμης και της βελτίωσης της ίδιας της ζωής. Η εξασφάλιση της υπεύθυνης αξιοποίησής της προς όφελος όλης της ανθρωπότητας και του πλανήτη μας μπορεί να είναι η κλήση της γενιάς μας.

Πηγές:

McKinsey & Company. (n.d.). What is artificial general intelligence (AGI)? McKinsey & Company. Retrieved from https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-artificial-general-intelligence-agi

Next Move Strategy Consulting. (n.d.). Artificial Intelligence Market Report. Next Move Strategy Consulting. Retrieved from https://www.nextmsc.com/report/artificial-intelligence-market

OpenAI. (n.d.). Planning for AGI and Beyond. OpenAI Blog. Retrieved from https://openai.com/blog/planning-for-agi-and-beyond