Istraživači traže konsenzus o tome šta čini veštačku opštu inteligenciju

Istraživači traže konsenzus o tome šta čini veštačku opštu inteligenciju

Tim istraživača u DeepMind-u koji se fokusirao na sledeću granicu veštačke inteligencije – veštačku opštu inteligenciju (AGI) – shvatio je da prvo treba da reše jedno ključno pitanje. Šta je tačno, pitali su, AGI?

Često se uopšteno posmatra kao vrsta veštačke inteligencije koja poseduje sposobnost razumevanja, učenja i primene znanja u širokom spektru zadataka, delujući kao ljudski mozak. Vikipedija proširuje obim sugerišući da je AGI „hipotetički tip inteligentnog agenta [koji] može da nauči da ostvari bilo koji intelektualni zadatak koji ljudska bića ili životinje mogu da obave“.

Povelja OpenAI-a opisuje AGI kao skup „veoma autonomnih sistema koji nadmašuju ljude u većini ekonomski vrednih poslova“.

Stručnjak za veštačku inteligenciju i osnivač Geometrijske inteligencije Gari Markus definisao ju je kao „svaku inteligenciju koja je fleksibilna i opšta, sa snalažljivošću i pouzdanošću koja je uporediva sa (ili iznad) ljudskom inteligencijom“.

Sa toliko varijacija u definicijama, tim DeepMind-a je prihvatio jednostavnu ideju koju je pre nekoliko vekova izneo Volter: „Ako želite da razgovarate sa mnom, definišite svoje termine.

U radu objavljenom na serveru za preprint arKsiv, istraživači su opisali ono što su nazvali „okvir za klasifikaciju mogućnosti i ponašanja AGI modela“.

Radeći to, oni se nadaju da će uspostaviti zajednički jezik za istraživače dok mere napredak, upoređuju pristupe i procenjuju rizike.

„Postizanje „inteligencije“ na nivou čoveka je implicitni ili eksplicitni cilj severne zvezde za mnoge u našoj oblasti“, rekao je Šejn Leg, koji je uveo termin AGI pre 20 godina.

U intervjuu za MIT Reviev, Legg je objasnio: „Vidim toliko mnogo diskusija u kojima se čini da ljudi koriste termin da znače različite stvari, a to dovodi do raznih vrsta zabune. Sada kada AGI postaje tako važna tema, moramo da izoštrite ono što mislimo.“

U arKsiv radu, pod naslovom „Nivoi AGI: Operacionalizacija napretka na putu ka AGI“, tim je sažeo nekoliko principa potrebnih za AGI model. Oni uključuju fokus na sposobnosti sistema, a ne na proces.

„Postizanje AGI ne podrazumeva da sistemi „misle“ ili „razumeju“ [ili] poseduju kvalitete kao što su svest ili osećaj“, naglasio je tim.

AGI sistem takođe mora imati sposobnost da nauči nove zadatke, i da zna kada treba tražiti pojašnjenje ili pomoć od ljudi za zadatak.

Drugi parametar je fokus na potencijalnu, a ne nužno stvarnu primenu programa. „Zahtevanje primene kao uslova za merenje AGI uvodi netehničke prepreke kao što su pravna i socijalna razmatranja, kao i potencijalne etičke i bezbednosne brige“, ​​objasnili su istraživači.

Tim je zatim sastavio listu pragova inteligencije u rasponu od „nivoa 0, bez AGI“ do „nivoa 5, nadljudski“. Nivoi 1–4 uključivali su nivoe postignuća „Napredni“, „Kompetentni“, „Stručni“ i „Virtuozi“.

Tri programa su dostigla prag oznake AGI. Ali ta tri, generativna tekstualna modela (ChatGPT, Bard i Llama 2), dostigla su samo „Nivo 1, Emerging“. Nijedan drugi aktuelni AI program nije ispunio kriterijume za AGI.

Drugi programi navedeni kao AI uključivali su SHRDLU, rani kompjuter za razumevanje prirodnog jezika razvijen na MIT-u, naveden na „Nivo 1, AI u razvoju“.

Na „Nivou 2, kompetentni“ su Siri, Aleka i Google Assistant. Program za proveru gramatike Grammarli rangiran je na „Nivo 3, AI stručnjaka“.

Više na ovoj listi, na „Nivo 4, Virtuoz“, nalaze se Deep Blue i AlphaGo. Na vrhu liste, „Nivo 5, nadljudski“, nalazi se DeepMind-ov AlphaFold, koji predviđa 3D strukturu proteina na osnovu njegove aminokiselinske sekvence; i StockFish, moćan šahovski program otvorenog koda.

Međutim, ne postoji jedinstvena predložena definicija za AGI i postoji stalna promena.

„Kako steknemo više uvida u ove osnovne procese, možda će biti važno da ponovo pogledamo našu definiciju AGI“, kaže Meredit Ringel Moris, glavni naučnik Google DeepMind-a za interakciju između ljudi i veštačke inteligencije.

„Nemoguće je nabrojati kompletan skup zadataka koji se mogu postići dovoljno opštom inteligencijom“, kažu istraživači. „Kao takav, AGI merilo bi trebalo da bude živo merilo. Takvo merilo bi stoga trebalo da uključuje okvir za generisanje i dogovaranje novih zadataka.“