Business analyst

Triết lý phát triển đằng sau AGI

Trong phần khách mời đặc biệt này, doanh nhân và nhà phát triển phần mềm được công nhận trên toàn quốc, Charles Simon, BSEE, MSCs, thảo luận về triết lý phát triển đằng sau AGI và lĩnh vực AGI có vẻ đã sẵn sàng để đi trong tương lai gần. Kinh nghiệm kỹ thuật của ông Simon bao gồm việc tạo ra hai hệ thống Trí tuệ nhân tạo độc đáo cùng với phần mềm cho thiết bị kiểm tra thần kinh thành công. Kết hợp phát triển AI với kiểm tra tín hiệu thần kinh y sinh mang lại cho anh ta cái nhìn sâu sắc. Ông cũng là tác giả của hai cuốn sách – Máy tính sẽ nổi dậy ?: Chuẩn bị cho tương lai của trí tuệ nhân tạo và trình mô phỏng não II: Hướng dẫn tạo trí tuệ nhân tạo tổng quát – và là nhà phát triển của Brain Simulator II, một nền tảng phần mềm nghiên cứu AGI kết hợp một mô hình mạng nơ-ron với khả năng viết mã cho bất kỳ cụm nơ-ron nào để dễ dàng trộn mã thần kinh và mã AI tượng trưng. Khi bạn nghe đến thuật ngữ “Trí tuệ nhân tạo hoặc AI”, nó thực sự đề cập đến AI hẹp – một hệ thống có thể có khả năng “trí óc” siêu phàm, nhưng chỉ giới hạn ở việc sử dụng phần mềm để nghiên cứu hoặc hoàn thành một lĩnh vực chuyên môn hẹp đã học trước , chẳng hạn như lý luận giải quyết vấn đề hoặc nhiệm vụ. Điều đó trái ngược hẳn với AI mạnh mẽ hoặc trí thông minh nhân tạo (AGI), khả năng của một thực thể nhân tạo để học và hiểu bất kỳ nhiệm vụ trí tuệ nào mà con người có thể thực hiện. Nhưng trong khi chúng ta hiện đang được bao quanh bởi các ví dụ về AI (nghĩ rằng Siri hoặc Alexa hoặc bất kỳ trò chơi điện tử nào), các chuyên gia dự đoán AGI thực sự vẫn còn nhiều thập kỷ nữa. Cần phải làm gì để giúp phiên bản AI hiện tại phát triển thành AGI thực sự? Thay vì giải quyết những vấn đề khó khăn nhất trước tiên, nền tảng thiết yếu để hình thành trí thông minh thực sự có thể được tìm thấy đơn giản bằng cách xem xét cách mà một đứa trẻ ba tuổi học bằng cách chơi với các khối. Đứa trẻ ngay lập tức nhận ra rằng các đối tượng vật chất như các khối nói chung là vĩnh viễn và tồn tại trong một thực tế vật lý. Bé học được rằng các khối không rơi qua nhau vì chúng chắc chắn và các khối tròn lăn trong khi các khối vuông thì không. Đứa trẻ cũng nhận ra rằng một chồng các khối phải được xây dựng trước khi nó có thể rơi xuống, và do đó hiểu được thời gian trôi qua. Hơn nữa, đứa trẻ có thể học bất kỳ ngôn ngữ nào nghe được và sử dụng ngôn ngữ đó để mô tả môi trường xung quanh. Tất nhiên, đứa trẻ ba tuổi có một vài lợi thế so với AI. Đứa trẻ nhận được đầu vào đa giác quan và có thể thao tác với các đối tượng. Điều đó có nghĩa là người đó biết rằng một khối không chỉ là vẻ ngoài của nó hoặc các từ được sử dụng để mô tả nó. Đứa trẻ có một mô hình tinh thần bên trong về môi trường của mình, vì vậy biết rằng các khối vẫn tồn tại ngay cả khi chúng không thể nhìn thấy hoặc chạm vào. Đứa trẻ có thể sử dụng mô hình tinh thần này để tưởng tượng và lập kế hoạch. Người đó cũng có Kho kiến ​​thức phổ thông tương đương có thể tạo các liên kết liên quan đến tất cả các loại trên đầu vào. Với khả năng này, mọi thứ đứa trẻ học được có thể được đặt trong bối cảnh của mọi thứ khác đã học trước đó, tạo cơ sở cho sự hiểu biết. Điều này cũng đúng với AGI. Nếu không có khả năng hiểu và tương tác với thế giới thực mà nó tồn tại, AI không bao giờ có thể thực sự trở thành AGI. Bởi vì bộ não con người là mô hình AGI hoạt động duy nhất mà chúng ta có hiện tại, nên bắt đầu từ đó sẽ rất hợp lý. Ví dụ, chúng ta biết rằng trí thông minh và tư duy xuất hiện trong các tế bào thần kinh trong vỏ não mới do chức năng tăng đột biến của chúng. Tuy nhiên, vì không có nhiều dữ liệu DNA được dành cho sự hình thành vỏ não tân sinh nên độ phức tạp tối đa của phần mềm AGI phải được giới hạn, với suy nghĩ rằng trí thông minh chung sẽ được tạo ra từ hàng triệu trường hợp của một số lượng nhỏ các mạch thần kinh duy nhất, nhưng khá đơn giản và quy tắc kết nối chúng. Chúng ta cũng biết rằng mặc dù trí thông minh của con người đã phát triển, nhưng cấu trúc của bộ não vẫn không thay đổi. Điều này cho thấy rằng trí thông minh phát triển trong bối cảnh của mục tiêu, cảm xúc và bản năng của con người – không điều nào trong số đó sẽ cung cấp cơ sở vững chắc cho AGI. Trong khi trí thông minh của con người chủ yếu là về sự sống còn, AGI có thể được lập kế hoạch và chủ yếu là về sự thông minh. Như vậy, nó không có khả năng giống trí thông minh của con người và có thể sẽ cần đến robot để tìm hiểu và đối phó với sự phức tạp và biến đổi của thế giới thực. Prototype AGI đã sở hữu các mô-đun dành cho thị giác, thính giác, điều khiển robot, học tập, mô hình hóa, lập kế hoạch, tưởng tượng và suy nghĩ trước, tất cả đều cho phép nó thực hiện một số hoạt động ấn tượng, từ xây dựng mô hình tinh thần của môi trường mô phỏng đến các đối tượng chuyển động và lập kế hoạch một loạt các hành động để đạt được mục tiêu. Tuy nhiên, nó không thể xử lý nhiều hoạt động cùng một lúc hoặc để đáp ứng hiệu quả với một loạt dữ liệu đầu vào phức tạp. Cuối cùng, khả năng của nguyên mẫu để thực hiện các bước này và hiểu mọi thứ cần học trong môi trường mô phỏng hai chiều của nó sẽ mở ra cánh cửa cho mô phỏng ba chiều. Bằng cách dần dần học về những điều cơ bản như thời gian trôi qua và vật lý đơn giản của lực hấp dẫn, cuối cùng nó sẽ bắt đầu tiếp cận với khả năng của một đứa trẻ ba tuổi, đạt được những kỹ năng cần thiết để tương tác với thế giới thực. Với những tiến bộ đã và đang được thực hiện trên nhiều mặt, rõ ràng là mặc dù chúng ta có thể vẫn chưa tạo ra AGI thực sự, nhưng việc hiện thực hóa nó nằm trong tầm tay của chúng ta. Đăng ký nhận bản tin InsideBIGDATA miễn phí. Tham gia với chúng tôi trên Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button