Az általános mesterséges intelligencia olyan gépek számára ad helyet, amelyek képesek úgy viselkedni, teljesíteni és tanulni, mint mi!
A mesterséges intelligencia megváltoztatta a gép munkavégzésének módját. Ma számítógépe számos személyes és szakmai feladatot tud elvégezni, ha mesterséges intelligencia eszközökkel tanítja. Néhány példa a képek létrehozása, a hang előállítása szövegből, a segédprogramok vezérlése stb.
De ezek nem igazán intelligensek. Az ilyen automatizálás mögött több hónapos képzés áll.
Mit szólnál egy igazán intelligens számítógépes alkalmazáshoz, amely képes önállóan tanulni? Ez az általános mesterséges intelligencia területe. Olvasson tovább, hogy megtanulja ezt az áttörő technológiát még ma!
Tartalomjegyzék
Bevezetés
Az AGI egy olyan technológia, amely a szoftvert és a hardvert olyan intelligenssé tudja tenni, hogy az emberhez hasonló kognitív képességeket fejez ki. Más nevei is vannak, például erős AI, teljes AI stb.
Az egyszerűsítés kedvéért bemutatja az intelligens AGI rendszert egy olyan problémával, amelyet korábban nem ismert. Az intelligens számítógép elemzi a problémát, online kutatást végez, és megoldást kínál a problémára.
Az IBM, az OpenAI, a Microsoft, a Google Brain, a Darktrace, a Deepmind stb. az AGI technológia gyorsítói. Ezek a cégek a következőket próbálják beépíteni egy tervezett intelligens számítógépbe:
- Emberszerű általános intelligencia
- Az expressz intelligencia nem kapcsolódik semmilyen konkrét feladathoz, mint például a gépelés vagy a beszéd
- Általánosítsa az új ismereteket, és kapcsolja össze a tudást a korábbi tapasztalatokkal
- Legyen értelme a minőségileg eltérő tanulásokból
- Felfogja és elemezze a feladatokat a valós környezetből
Jelenleg nincs igazi mesterséges általános intelligencia (AGI). Az IBM Strong AI és a Google Brain halad előre, de ezek még nem állnak készen a gyártásra.
Előnyök és szükségletek
Szükségünk van AGI-re, hogy helyettesítsük az embereket a veszélyes helyeken. Ezenkívül az AGI számítógépek előre nem látott mértékű termelékenységet biztosítanak az üzleti műveletek során.
Az AGI-alkalmazások az orvostudomány, az egészségügy, az ellátási lánc, a közgazdaságtan, a pénzügy és a társadalomtudományok terén is segítenek az emberi fajnak nehéz rejtvények megoldásában.
Íme néhány további létfontosságú ok az AGI fejlesztéséhez:
- Az AGI-alkalmazások jobban megérthetik az ok-okozati összefüggéseket, hogy segítsenek az embereknek a kockázatértékelési projektekben.
- Az AGI-k hatékonyan használhatják a különféle érzékszervi észleléseket, például a színt, a hangot, a mélységet, a látványt és a méreteket.
- Az ilyen intelligens számítógépes programok arra utasíthatják a robotkarokat, hogy finommotorikát hajtsanak végre, például elektronikai eszközök összeszerelését az elejétől a végéig.
- Az AGI természetes nyelvi feldolgozási (NLP) képessége megkönnyíti az automatizálást. Kimondhat néhány kulcsszót, és az AGI eszköz elkészíti a szükséges automatizált folyamatot.
- Az AGI-k egyedi problémákat oldhatnak meg, miután megvizsgálják a problémát és elemezték a valós környezetet. Nem kell teljesíteni semmilyen Ha/Akkor, Ha/Más stb. feltételt.
- Az AGI-k készenléti ötletekkel segíthetik a tartalomkészítőket, művészeket, tervezőket és építészeket.
- Az AGI alkalmazások kihagyás nélkül kiváló ügyfélszolgálatot tudnak nyújtani, mivel érzelmi és szociális intelligenciát is mutatnak.
AI kontra AGI
#1. A cselekvés módja
Az AI, más néven szűk AI, egy reaktív intelligens alkalmazás. A műveletek előre beállított listájával reagál, amikor jeleket kap az eseményindítóktól.
Az AGI-knek nincs szükségük eseményindítókra. Ezek az alkalmazások az emberekhez hasonlóan proaktívan reagálnak a problémák megelőzésére, rejtvények megoldására stb.
#2. A cselekvés köre
A keskeny vagy gyenge mesterséges intelligencia is korlátozott feladatkörrel rendelkezik. Az író mesterséges intelligencia nem vezethet autót, és fordítva. A korlátozott alkalmazás a fejlesztést költségessé és termelési szinten is hatástalanná teszi.
Egy AGI üzemeltethet egy teljes gyártóüzemet, több ezer házat egy régióban egy településen, vagy az Ön vállalkozásának összes vállalati irodáját. Bármilyen kihívásra nyitott, mivel rendelkezik kognitív tanulási, érvelési és proaktív cselekvési képességekkel.
#3. Problémamegoldó képesség
A szűk AI-k többnyire olyan zárt problémákat oldanak meg, mint a GPS-navigáció, a kulcsszavak alapján végzett webes keresés, a mesterséges intelligencia írása, az AI-kód kitöltése stb.
A mesterséges általános intelligencia képes kezelni a nyílt végű problémákat, például terepi marketingstratégia létrehozását a piac, az ügyfelek és a termékek elemzésével.
#4. Memória kapacitás
A legtöbb gyenge AI program korlátozott memóriájú gépeken alapul. Az AI-k mesterséges neurális hálózatokra és képzési adatbázisokra támaszkodnak. Ha az adatbázis vagy az algoritmusok régiek, az AI-k elakadnak.
Az AGI-k gyakorlatilag végtelen memóriával (tudáserőforrásokkal) fognak érkezni helyi adatbázisokon, felhőalapú adatbázisokon és az interneten keresztül.
#5. Frissítések
Az embereknek rendszeresen frissíteniük kell a gyenge AI-kat, ahogy az üzleti követelmények és a piaci trendek változnak.
Az AGI-k maguk frissítik memóriáikat és adatbázisaikat. Nem kérhet emberi beavatkozást.
Megközelít
#1. A szubszimbolikus megközelítés
Itt az AGI fejlesztői olyan alkalmazásokat használnak, amelyek az emberi agyra hasonlítanak. Például a DeepMind AlphaGo, konvolúciós neurális hálózatok, mély tanulási rendszerek stb.
#2. A szimbolikus megközelítés
Ebben a módszerben az AGI fejlesztői folyamatábrákat, szimbólumokat és ha-akkor utasításokat használnak. A mesterséges általános intelligencia elsődleges algoritmust használ a tanuláshoz és a tudásbázis létrehozásához. Ezenkívül össze tudja hasonlítani az algoritmust és szimbólumait a valós szempontokkal, és jobb gondolkodási folyamatokat fejleszt ki, mint a gyenge AI-k.
#3. Teljes test megközelítés
Ebben a koncepcióban az AGI fejlesztői az összes szoftvert, hardvert, hálózati és szenzoros képességet bele akarják foglalni egy emberszerű testbe. A humanoid tud járni, beszélni, megérinteni az embereket stb.
#4. A hibrid megközelítés
Az AGI fejlesztés hibrid útja a szubszimbolikus és szimbolikus megközelítéseken alapul.
E kategória sikeres példája Sophia, egy humanoid robot. Ez szimbolikus és konnekcionista rendszereket egyaránt tartalmaz. A Sophiának például szüksége van a CogPrime architektúrára és az AtomSpace adatbázisra a funkcióihoz.
#5. Matematikai megközelítés
A kutatók célja az AGI-k végtelen számítási teljesítményének kiosztása. Így ezek az intelligens alkalmazások és eszközök képesek lesznek a szükséges számú matematikai problémamegoldásra ahhoz, hogy kiemelkedő döntéseket hozzanak.
Hogyan működik az AGI?
Az AGI program különféle technológiákat használ az emberi szintű kognitív képességek eléréséhez. Ezek a következők:
Bemenet és kimenet (I/O)
Az AGI-k különféle szenzoros eszközöket használnak feladataik ellátására gyártóüzemekben vagy önvezető autóként. Ezek az érzékelők lehetnek vizuális, RFID, hőmérséklet, nyomás, sebesség, mozgás stb.
Az AGI-k egy másik csoportja igényelhet OCR-t, adatbázis-összekötőket stb. az irodákban végzett üzleti műveletekhez.
Motoros készségek
Egész testet, robotkarokat, autonóm járműveket stb. finom mozdulatokkal dolgoznak. Az AGI-k neurális hálózatokból, 3D képfeldolgozásból, vizuális utánzásból stb. szerzett motoros készségekre támaszkodnak.
NLP
Az AGI különféle forrásokból tanulhat, például webhelyek cikkeiből, kutatási folyóiratokból, e-könyvekből, YouTube-videókból stb. Ebből a célból az intelligens alkalmazás először megtanulja a természetes nyelvet gépi nyelvre értelmezni.
Érvelés és problémamegoldás
Egy AGI robot vagy alkalmazás gyakran használ szimulációkat egy egyedi probléma megoldására. Mivel hatalmas feldolgozási és memóriakapacitással rendelkezik, a gép egyszerre több szimulációt is futtathat. Ezután a sikerességi aránynak megfelelően választhat egy szimulációt.
Kreatív gondolkodás
Az AGI-k több neurális hálózatot is használhatnak egyedi és kreatív ötletek létrehozására, például művészeti formák, hangjegyek, cikkek stb.
Arcfelismerés és hangfeldolgozás
Az emberekkel interakcióba lépő humanoid AGI-k többnyire hangelemzést és arcfelismerést használnak. A környezetéből származó hang- és képanyag feldolgozása, valamint a meglévő tudásbázisokkal való keresztellenőrzés után kölcsönhatásba léphet az emberekkel.
Kihívások
A mesterséges általános intelligencia hatalmas lehetőséget rejt magában az AI világának átalakítására. Ennek a szakasznak az elérése azonban nem zökkenőmentes folyamat. Íme az AGI fejlesztésének kihívásai és akadályai:
#1. Az emberhez hasonló készségek elsajátítása
A valódi emberi szintű intelligencia megszerzéséhez az AGI-nek el kell sajátítania néhány képességet. Ide tartoznak a motoros készségek, a természetes nyelvi megértés, az érzékszervi észlelés, az érzelmi és szociális kapcsolat, valamint az emberi szintű kreativitás.
#2. Munkaprotokoll hiánya
Az AI-rendszereknek nincsenek szabványos munkaprotokolljai a könnyű együttműködéshez. Ezért egy átfogó AGI rendszer bevezetése elkerülhetetlen technikai hiányosságokkal szembesül.
#3. Az üzleti összehangolás hiánya
A mesterséges intelligencia integrálása a meglévő rendszerekbe továbbra is összetett folyamat. Mivel az érintettek még nem ismerik működési paramétereit, fejlesztését az üzleti célokkal összhangban tartása nehézkes.
#4. Kommunikációs hiányosságok
Továbbra is kommunikációs szakadék van a különálló AI-rendszerek között. Mivel a zökkenőmentes adatmegosztás e rendszerek között lehetetlen, az AI-modellek egymás közötti tanulása akadályozott, univerzalitása csökken.
#5. Az AGI-irány hiánya
Nincsenek tervek vagy iránymutatások az AGI bevezetésére a vállalati üzleti tevékenységekben. Így megvalósítása költségessé válik, a megvalósítás pedig akadályba ütközik.
Trendek
Mint ismeretes, a mesterséges általános intelligencia teljes fejlesztése még várat magára. Ezek az AI-trendek azonban hatással lesznek az AGI-re:
#1. Természetes nyelvi feldolgozás (NLP)
Az NLP vagy a természetes nyelvi feldolgozás arra a folyamatra utal, amellyel a mesterséges intelligencia megérti az emberi nyelvet, és azt gépileg támogatott kódokká alakítja. Az NLP felhasználásával az AGI elvárhatja, hogy reálisan tudjon kölcsönhatásba lépni az emberekkel.
#2. Metaverzum
A Metaverse egy olyan technológia, amely magával ragadó felhasználói élményt kínál. Ha többen érdeklődnek, az AGI úgy fog fejlődni, hogy segítse a Metaverse-t egy virtuális világ felépítésében.
#3. Alacsony kódú vagy kód nélküli AI
Egyre nagyobb az igény az alacsony kódú vagy kód nélküli megoldások iránt, még az AI-eszközök és algoritmusok iránt is. Ezek a megoldások intuitív interfészekkel rendelkeznek, amelyek megkönnyítik az összetett alkalmazásfejlesztési folyamatokat.
#4. Munkaerő-növelés
Ez azt jelenti, hogy emberek és digitális alkalmazottak dolgoznak egy szervezetben egymás mellett. Bár sokan attól tartanak, hogy a mesterséges intelligencia munkanélkülivé teszi az embereket, a mesterséges intelligencia a műveletek során is hatékonyabbá teszi azt.
#5. Quantum AI
A Quantum AI nagy eséllyel befolyásolja az AGI-t azáltal, hogy felgyorsítja az ML algoritmusokat, és segít a gyors eredmények elérésében. Semlegesítheti azokat az akadályokat is, amelyekkel az AGI szembesülhet hatalmas mennyiségű adat elemzésekor.
#6. AI etika
A mesterséges intelligencia lehetséges kockázatait lehetetlen figyelmen kívül hagyni. Ha nem megfelelően használják, a mesterséges intelligencia veszélyes lehet az emberiségre. Ezért a mesterséges intelligencia etikája nagyobb figyelmet kap az elkövetkező években.
#7. AI Chatbotok
Az AI chatbotok vagy virtuális asszisztensek természetes beszélgetést folytathatnak, és szabályalapú műveleteket hajthatnak végre. Az emberi támogató ügynököket felváltva ezek a chatbotok már csökkentették a vállalkozások működési költségeit. A jövőben ez forradalmasíthatja az AGI-t.
Az AGI kockázatai
- Ha az AGI adatbázisa korlátozott, katasztrofális döntéseket hozhat, amelyek vállalkozásokat és otthonokat károsítanak.
- Az AGI-k fejlett hackertámadások célpontjaivá válhatnak. Ha egy hacker leállít egy AGI-gépet, az károsíthatja az egész üzletet.
- A mesterséges intelligencia fejlesztői különböző esetekről számoltak be, amelyekben az AGI-k prototípusa által hozott elfogult döntések történtek.
- Az AGI-k korlátlan adatbázis-hozzáférésének biztosítása a világ különböző adatvédelmi szabályozásait is megsértheti.
Ezután a mesterséges általános intelligencia valós példáit nézzük meg.
Valós példák
#1. ROSS mesterséges intelligencia keresése
ROSS mesterséges intelligencia-ügyvéd több milliárd jogi dokumentumban tud átkutatni kevesebb mint három másodperc alatt. Bármilyen jogi kérdést megadhat, és pontos válaszokat fog adni.
Ez egy AGI, mert különféle intelligens technológiákat használ, például rangsorolást, visszakeresést és megértést. Emellett szélesebb a cselekvési köre, mivel lefedi a jogterület összes rését.
#2. AlphaGo
Az AlphaGo egy AI-alapú Go társasjáték. Ez az első intelligens gép, amely legyőzött egy profi, élő Go-játékost. Bár ez egy korlátozott cselekvési hatókörrel rendelkező mesterséges intelligencia, rendelkezik öntanulási képességekkel. Az AlphaGo tanulhat versenytársától és saját hibáiból.
#3.OpenAI’s Bundled AI Tools
Az OpenAI mesterséges intelligencia-rendszerei, amint azt alább említettük, különböző feladatokat tud automatikusan végrehajtani, ha API-hívásokkal kombinálják:
- A GPT-3 természetes nyelvi alapú szövegeket hoz létre egyszerű kifejezésekből és nyomokból. Számos online játék és vegyes valóság élmény, például a FableStudio történetvezérelt „Virtuális Lénye” használja a GPT-3-at az interaktív történetekhez.
- A Codex segít a fejlesztőknek a természetes nyelvi bemenetek kódokká való lefordításában a kényelmes kódolás érdekében.
- A DALL·E segít az NFT alkotóinak és digitális művészeinek több ezer eredeti és egyedi műalkotás elkészítésében néhány perc alatt. Az AI képeket is szerkeszthet.
#4. IBM Watson
Az IBM Watson egy teljes körű szolgáltatást nyújtó mesterséges intelligencia csomag vállalkozások számára. Nevezhetjük AGI-nek, mivel sokféle alkalmazása van. Különféle Watson AI-k léteznek, és ezek az alábbiak:
- IBM Watson Assistant ügyfélszolgálathoz vagy virtuális segítségnyújtáshoz
- Az IBM Watson Discovery betekintést és válaszokat hoz létre összetett üzleti dokumentumokból
- IBM Watson természetes nyelv megértése és osztályozója
Végső szavak
Eddig a mesterséges általános intelligencia koncepcióját kutatta. Megtanulta a működését, a kihívásokat, a példákat, a kockázatokat és egyebeket is.
A fentiek elsajátítása segít a mesterséges intelligencia fejlesztési projektjei helyes megtervezésében. Elég rugalmasnak kell lennie ahhoz, hogy a következő generációs intelligens alkalmazásokat bevonja a projektbe, és AGI-vé tegye.
Ha Ön egy vállalkozás, amely tevékenységét termelékenyebbé és költséghatékonyabbá szeretné tenni, az AGI lehet a válasz, bár további fejlesztések vannak folyamatban.
Ezután többet megtudhat a gépi tanulásról.