Общий искусственный интеллект (сокращенно AGI от ангийского artificial general intelligence) часто позиционируется как следующая веха в развитии искусственного интеллекта, направленная на создание систем, способных выполнять широкий спектр задач, подобно человеку. Современный ИИ, несмотря на свою мощность, в основном специализирован. Он может эффективно выполнять конкретные задачи, такие как рекомендация товаров, распознавание лиц или перевод языков, но каждая система обычно ограничена одной областью.
Несмотря на впечатляющие успехи в области искусственного интеллекта, AGI, то есть универсальный ИИ, способный к выполнению умственной работы на уровне человека, пока остается предметом научной фантастики и философских дискуссий. Даже передовые нейросети, такие как GPT-4 и PaLM, демонстрирующие впечатляющие интеллектуальные способности, не являются полноценным AGI. Исследователи отмечают, что в них присутствуют лишь отдельные элементы (“искры”) общего интеллекта.
Тем не менее, прогресс в области нейронных сетей внушает надежду на скорое появление универсального интеллекта. По оптимистичным прогнозам, это может произойти уже через несколько лет, с выходом одной из языковых моделей следующего поколения.
В данной статье мы рассмотрим, что такое AGI, какие перспективные разработки ведутся в этой области, и что думают об этом эксперты IT-отрасли. Кроме того, мы пригласили поделиться своим видением будущего искусственного интеллекта ChatGPT – самого продвинутого чат-бота на сегодняшний день.
Мы привыкли видеть AGI в произведениях научной фантастики, но в реальности он всё ещё находится в стадии разработки. Исследователи стремятся создать ИИ, способный думать, рассуждать и адаптироваться как человек, но до сих пор этой цели не достигнуто. Что же отличает AGI от современного ИИ, и почему он вызывает одновременно энтузиазм и опасения? Давайте разберемся в сущности AGI с практической точки зрения.
Чем AGI отличается от обычного ИИ
В настоящее время используемые программы искусственного интеллекта (ИИ) являются узкоспециализированными. Так, ИИ, предназначенный для игры в шахматы, не способен генерировать изображения или ставить диагнозы.
Поэтому все существующие типы ИИ ученые относят к классу узкого ИИ (ANI), также известного как слабый ИИ. Такой искусственный интеллект способен решать отдельные задачи в ограниченных предметных областях под руководством человека.
Ожидается, что следующим этапом эволюции ИИ станет создание универсальной системы, способной решать любые задачи, доступные человеческому разуму. Нейронная сеть такого уровня будет относиться к классу общего (AGI), или сильного ИИ.
Основное отличие общего искусственного интеллекта заключается в способности к самостоятельному мышлению и действиям, аналогичным человеческим. Каждый из нас ежедневно выполняет множество интеллектуальных задач: управляет автомобилем, планирует бюджет, общается с людьми, пишет, читает, играет и так далее. Предполагается, что общий ИИ сможет этому научиться. Более того, по мнению некоторых ученых, AGI должен обладать внутренней мотивацией, способностью ставить цели, умением декомпозиции сложных задач на более простые и другими навыками, присущими человеку.
Искусственный интеллект общего назначения (AGI) представляет собой класс систем, способных решать широкий спектр задач различной природы.
В отличие от узкоспециализированных систем ИИ, системы AGI обладают гибкостью и адаптивностью, позволяющей им усваивать новые знания и применять их в различных контекстах, ситуациях и областях деятельности.
Например, система AGI может быть использована для анализа финансовых тенденций, медицинской диагностики, а также для создания произведений искусства или литературы, не требуя существенной перепрограммирования или переобучения.
Можно представить AGI как интеллектуального ассистента, способного не просто следовать явным инструкциям, но и глубоко понимать суть запроса.
На данный момент ни одна система искусственного интеллекта не достигла такого уровня универсальности. Современные модели ИИ специализированы на решении узко направленных задач, например, навигации по маршрутам. AGI же стремится к решению более сложных и динамических задач, требующих глубокого понимания контекста и самостоятельного принятия решений.
Представьте систему AGI, поддерживающую команду спасателей при стихийных бедствиях. Она способна оценить масштабы землетрясения, скоординировать спасательные операции, анализировать спутниковые снимки в режиме реального времени для поиска выживших и динамически корректировать стратегию в зависимости от меняющихся условий без вмешательства человека.
В отличие от современных ИИ-решений, которым необходимы отдельные модели для распознавания изображений, планирования логистики и принятия решений, AGI может легко интегрировать эти возможности, эффективно реагируя на непредвиденные ситуации в режиме реального времени.
Чем AGI отличается от узкого AI и ASI?
Системы искусственного интеллекта (ИИ) обладают различным уровнем интеллектуальных возможностей, простираясь от специализированных решений, используемых сегодня, до гипотетических систем будущего. Их классифицируют как искусственный узкий интеллект (ANI), искусственный общий интеллект (AGI) и искусственный сверхинтеллект (ASI).
ANI, который активно применяется в настоящее время, демонстрирует высокую эффективность в решении конкретных задач. Примеры ANI включают спам-фильтры, системы рекомендаций и программы распознавания изображений. Однако, ANI ограничен рамками своей специализации и не способен к адаптации к новым задачам без дополнительного обучения.
Ключевые различия между ANI, AGI и ASI
AGI, напротив, будет обладать способностью к обучению и применению знаний в различных областях. Представьте систему ИИ, способную проектировать самодостаточные города, помогать врачам в исследовании новых заболеваний и разрабатывать детальные политические предложения без необходимости переобучения. AGI позволит системам ИИ рассуждать, решать проблемы и адаптироваться к различным задачам.
ASI, являясь теоретической концепцией на сегодняшний день, предполагает превосходство интеллектуальных способностей над человеческими. Такая система могла бы разрабатывать научные теории, предсказывать глобальные экономические сдвиги и создавать совершенно новые области знаний.
Потенциал ASI порождает острые этические дискуссии о контроле, ответственности и роли ИИ в формировании будущего.
Сравнительный анализ:
- Адаптивность: ANI ограничен одной задачей. AGI может гибко применять свои знания в различных областях. ASI превзойдет человеческий интеллект во всех сферах.
- Принятие решений: ANI следует заранее установленным правилам. AGI будет учитывать различные факторы для принятия обоснованных решений. ASI сможет предсказывать и предотвращать кризисные ситуации.
- Влияние: ANI повышает эффективность существующих процессов. AGI может трансформировать отрасли за счет автономных открытий. ASI способен перестроить цевилизации, создавая технологии, выходящие за рамки человеческих возможностей.
В настоящее время большинство систем ИИ основаны на ANI. AGI находится в стадии разработки, а ASI остается далекой перспективой. Тем не менее, развитие ИИ будет определять отрасли, инновации и наш образ жизни. Путь к AGI полон возможностей, но также сопряжен с проблемами, которые требуют тщательного рассмотрения.
Как работает AGI
Текущие научные исследования направлены на изучение sinerгии передовых методов машинного обучения, когнитивного моделирования и нейробиологических данных с целью создания адаптивных систем, способных к обучению в различных областях.
Исходя из достигнутого прогресса, разработка AGI, по всей вероятности, потребует интеграции нескольких ключевых технологий:
Глубокое обучение: AGI будет использовать принципы глубокого обучения для идентификации и интерпретации сложных паттернов, аналогично процессу естественного обучения у человека посредством наблюдения, аудирования и тактильного восприятия.
Обучение с подкреплением: AGI будет совершенствовать свои навыки путем взаимодействия с окружающей средой, получения обратной связи и корректировки своего поведения. Например, система на базе AGI может оттачивать навыки сборки нового продукта в виртуальной среде, обучаясь на ошибках и оптимизируя свои действия для последующего применения в реальных производственных условиях.
Нейронные сети: Нейронные сети можно рассматривать как “мозг” AGI. Они обеспечивают быстрый анализ больших объемов данных, выявление сложных зависимостей и принятие самостоятельных решений без необходимости детального программирования.
Рисунок демонстрирует различные способы взаимодействия систем искусственного общего интеллекта (AGI) посредством цифровых, физических и интеллектуальных интерфейсов.
Super AI будет круче AGI
Несмотря на то, что на данный момент Общий Искусственный Интеллект (AGI) не был создан, эксперты уже обсуждают концепцию систем, которые будут превосходить его по своим возможностям.
Такие системы, именуемые Супер Искусственным Интеллектом (ASI), смогут выполнять любые интеллектуальные задачи не просто на уровне человека, но с существенно более высоким уровнем эффективности. Встреча с таким уровнем интеллекта будет беспрецедентным событием в истории человечества.
Данный материал представляет собой наглядную демонстрацию предполагаемых уровней развития интеллекта у систем искусственного интеллекта (ИИ) и процесса их эволюции. Ученые прогнозируют экспоненциальный рост возможностей ИИ, обусловленный способностью ранних версий общего искусственного интеллекта (AGI) к самообучению и самосовершенствованию без прямого вмешательства человека.
Вопрос искусственного интеллекта: от Тьюринга до Сёрла
Дискуссия о возможностях машин в области интеллектуальных способностей была инициирована английским математиком Аланом Тьюрингом в 1950 году в его работе «Вычислительные машины и разум». В ней он сформулировал критерий, позволяющий определить, способен ли компьютер действовать аналогично человеку, который позднее был назван тестом Тьюринга.
В 1956 году на Дартмутском семинаре, собравшем видных учёных, таких как Клод Шеннон и Джон Маккарти, было предложено использовать термин «искусственный интеллект», который в то время соответствовал современному пониманию сильного ИИ.
Однако, темпы развития ИИ оказались медленнее ожидаемых. Многие исследователи переключились на изучение слабого искусственного интеллекта, подразумевая программы, способные решать интеллектуальные задачи лишь в ограниченной области.
В 1980 году философ Джон Сёрл представил концепцию сильного искусственного интеллекта, предложив мысленный эксперимент «Китайская комната». В нём алгоритм или человек, не знающий китайского языка, следуя инструкциям, мог генерировать осмысленные ответы на этом языке.
Таким образом, Сёрл подверг критике тест Тьюринга и ввел различение между слабым и сильным ИИ. Первый лишь имитирует интеллектуальную активность, второй же обладает подлинным пониманием и сознанием.
На рисунке представлена визуализация концепции мысленного эксперимента “Китайская комната”.
В конце XX века, с прогрессом нейросетевых технологий, возникла необходимость в термине, который мог бы разграничить узкоспециализированные интеллектуальные системы от искусственного интеллекта (ИИ), способного решать широкий спектр задач. В 1997 году появилось понятие “общий ИИ” (AGI).
Бен Герцель, автор книги “Artificial General Intelligence”, сыграл важную роль в популяризации этого термина.
Хотя сильный и общий ИИ обладают схожими возможностями и часто рассматриваются как синонимы, между ними существуют философские различия. AGI способен выполнять задачи без глубокого понимания их сущности, в то время как сильный ИИ предполагает наличие осознанности.
Важно отметить, что сознание в контексте сильного ИИ не обязательно должно быть идентично человеческому.
Должен ли AGI быть роботом
В контексте исследований искусственного общего интеллекта (AGI) научное сообщество активно обсуждает вопрос о необходимости оснащения AGI физическим телом. Данный вопрос вызывает разделение мнений среди учёных.
Часть исследователей полагает, что наличие физического тела не является критически важным фактором для создания AGI, и все необходимые для него функции могут быть смоделированы в виртуальной среде. Такой подход можно охарактеризовать с помощью философской концепции “мозг в колбе”, согласно которой сознание, отделённое от физического тела, способно воспринимать весь спектр ощущений, доступных ему при наличии тела.
Рисунок, иллюстрирующий суть концепции «мозг в колбе»
Некоторые исследователи считают, что любая интеллектуальная активность человека неразрывно связана с телесными ощущениями и сенсорным опытом. Следовательно, по их мнению, для полноценного функционирования общего искусственного интеллекта (AGI) необходимо роботизированное тело, аналогичное человеческому. Данный подход отражает теорию воплощенного познания (embodied cognition).
Для согласования этих точек зрения используется понятие “интеллектуальный агент”. Под этим подразумевается ИИ, способный к автономным действиям в окружающей среде. В зависимости от того, где должен функционировать агент – в реальном или виртуальном пространстве, он может быть либо реализован в физическом мире, либо существовать исключительно в цифровом формате.
Тесты для проверки AGI
Для оценки того, может ли искусственный интеллект (ИИ) быть отнесен к категории систем с общим интеллектом (AGI), ученые и инженеры разработали ряд тестов. Многие из этих тестов предполагают наличие у ИИ физического “тела”, поскольку без него выполнение теста невозможно.
Примеры таких тестов:
- Тест студента (Бен Герцель): если ИИ способен поступить в университет, успешно пройти те же курсы, что и другие студенты, и защитить диплом, то считается, что он обладает общим интеллектом.
- Тест трудоустройства (Нильс Дж. Нильссон): если ИИ способен самостоятельно устроиться на работу и выполнять экономически оправданные функции, то его можно считать обладающим общим интеллектом.
- Тест IKEA (Чарли Ортиз): если ИИ способен самостоятельно собрать мебель из магазина IKEA, следуя прилагаемой инструкции, то он, по мнению авторов теста, обладает общим интеллектом.
- Кофейный тест (Стив Возняк): если ИИ способен приготовить и подать кофе на незнакомой кухне, его можно считать обладающим общим интеллектом.
- Тест ученого: если ИИ способен самостоятельно совершать оригинальные научные открытия, в том числе претендующие на Нобелевскую премию, то его можно считать обладающим общим интеллектом.
Возможности AGI: мнение специалистов
Для того чтобы понять сущность общего интеллекта (AGI), мы обратились к ведущим специалистам в данной области и к системе ChatGPT с просьбой изложить их видение перспектив, связанных с возникновением AGI.
Системы с общим искусственным интеллектом (AGI) должны обладать широким спектром возможностей, сопоставимых с когнитивными способностями человека. К таким возможностям относятся:
- Рассуждение: AGI должен быть способен к логическому мышлению и анализу информации для принятия обоснованных решений.
- Планирование: AGI должен уметь разрабатывать стратегии и последовательности действий для достижения поставленных целей.
- Обучение: AGI должен обладать способностью обучаться на основе собственного опыта и опыта других, адаптируясь к новым ситуациям и знаниям.
- Понимание: AGI должен быть способен понимать окружающую среду, контекст и взаимодействия между объектами.
- Взаимодействие: AGI должен уметь эффективно взаимодействовать с окружающей средой и другими агентами на уровне, сопоставимом с человеческим.
Существует множество определений термина “Общий искусственный интеллект” (AGI), которые часто различаются и могут быть взаимоисключающими. Более того, эти определения требуют постоянного уточнения используемых в них понятий.
Ввиду этого, целесообразнее воздержаться от участия в терминологических дебатах и воспользоваться прагматичным подходом, а именно “критерием утки”. Если ИИ, выступающий в качестве интеллектуального агента, способен восприниматься людьми как человек, выполнять любые интеллектуальные задачи наравне с человеком и действовать в незнакомых ситуациях так же, как и человек, то его можно считать обладающим общим интеллектом (AGI).
В настоящее время точное понимание потенциала AGI (искусственного общего интеллекта) ограничено. Существенные различия между машинным и человеческим интеллектом затрудняют прогнозирование его возможностей, подобно тому, как сложно угадать мыслительные процессы дельфинов.
Несмотря на это, можно предположить, что AGI будет обладать следующими характеристиками:
- Высокая адаптивность и обучаемость: AGI сможет усваивать знания в широком спектре дисциплин и применять их в разнообразных ситуациях, включая неизвестные и динамично меняющиеся. Он будет способен к обучению на основе новых данных и опыта, а также к самостоятельному расширению своих возможностей без постоянного вмешательства со стороны разработчиков.
- Глубокое понимание контекста: AGI сможет распознавать связи между различными идеями и концепциями, выявлять сложные взаимосвязи и обобщать информацию для принятия взвешенных решений.
- Базовый уровень самосознания: AGI может обладать осознанием своего состояния, возможностей и ограничений, а также пониманием своей цели или задачи.
- Творческий потенциал: AGI будет способен генерировать новые идеи и предлагать нестандартные решения, выходя за рамки предопределенных алгоритмов и шаблонов.
Искусственный общий интеллект (AGI) представляет собой систему, способную предоставлять квалифицированные или, по крайней мере, осмысленные ответы на вопросы из широкого спектра областей знаний. От AGI ожидается способность вести диалог практически на любую тему.
Создание AGI открывает перспективы для получения мощного помощника в решении повседневных задач, своего рода интеллектуального ассистента. AGI может оказаться чрезвычайно полезным инструментом, но не должен освобождать нас от необходимости принимать самостоятельные решения, как личного характера, так и в более глобальном масштабе.
Чрезмерная зависимость от подсказок AGI-ассистента может привести к тому, что человек превратится в марионетку, управляемую AGI или ее создателями.
Наиболее рациональным подходом является “интеграция” AGI в человеческое мышление. AGI должен стать средством для более глубокого понимания сложных явлений современного мира, а не заменой этого понимания. Ведь то, что человек не понимает, он не может контролировать.
Было задано ChatGPT, популярному чат-боту, вопрос о характеристиках, которыми должен обладать ИИ общего назначения (AGI). Ответ, представленный в приложенном скриншоте, в целом выглядит логичным. Однако из этого нельзя сделать вывод о том, что сам ChatGPT представляет собой AGI.
Ответ модели был сгенерирован без должного анализа поставленной задачи и основывался исключительно на статистическом подборе наиболее вероятных слов в данном контексте. В результате, ответ представляет собой набор фактов, заимствованных из научно-популярной литературы, но не содержит критической оценки и размышлений о методологии проведения экспериментов, которые позволили бы отличить симуляцию правильного решения от настоящего, полученного с помощью адекватного рассуждения.
Между тем, проблема синтеза нового знания является одной из ключевых в области искусственного интеллекта, и разработка надёжных метрик для оценки новизны знаний представляет собой сложную задачу, вызывающую дискуссии даже в научном сообществе.
Следовательно, одним из важных свойств AGI, которое не было упомянуто моделью ChatGPT, мог бы быть алгоритм самопроверки на соответствие уровню общего интеллекта. Несмотря на то, что такие исследования ведутся, пока не существует надёжных тестов для оценки AGI в таких областях, как целеполагание, мотивация и способность к постановке собственных целей.
Мнение искусственного интеллекта: ChatGPT, чат-бот от компании OpenAI
Главным требованием к системам Artificial General Intelligence (AGI) является способность к обучению и применению полученных знаний в разнообразных областях, выходящих за рамки узкой специализации.
Помимо этого, AGI должна обладать самосознанием и формировать целостный, последовательный когнитивный опыт. Необходимы также самостоятельность в принятии решений, гибкость, адаптивность и возможность коммуникации с людьми на естественном языке. Наконец, AGI должна проявлять творческий потенциал и способность к самосовершенствованию, что принципиально отличает её от систем искусственного интеллекта с ограниченными возможностями.
GPT-5 может достичь уровня AGI
Эксперты полагают, что появление общего искусственного интеллекта (AGI) может быть результатом дальнейшего развития искусственных нейронных сетей.
Впечатляющие достижения в области обработки текстов демонстрируют крупные языковые модели (LLM), основанные на архитектуре Transformer. К ним относится и модель GPT-4 от компании OpenAI, доступная для общения через чат-бот ChatGPT. Аналогичные исследования проводятся и другими компаниями, например, Google представил в прошлом году новый ML-алгоритм PaLM, предыдущая версия которого LaMDA смогла убедить тестировщика в своей разумности.
Распределение ответов участников сообщества AGIRussia на вопрос: «Достигла ли GPT-4 уровня AGI?»
Согласно опросу, проведенному российским сообществом разработчиков AGI в апреле 2023 года, большинство специалистов (85%) не считают, что GPT-4 достигла уровня AGI. При этом 18% полагают, что LLM могут стать основой для AGI после доработки, а 37% считают языковые модели важной, но не единственной составляющей будущего AGI.
Таким образом, большинство экспертов сходятся во мнении, что ни одна из существующих LLM пока не достигла уровня AGI. Однако в них уже наблюдаются зачатки свойств AGI, такие как планирование и обучение на ошибках.
Ведущие лаборатории ИИ, такие как OpenAI, Google и Anthropic, открыто заявляют о своей цели — разработать AGI в ближайшем будущем.
Слухи о том, что следующая версия нейросети GPT-5, ожидаемая к началу 2024 года, может достичь уровня AGI, подогревают интерес к LLM в контексте AGI.
Будущее языковых моделей и переход к AGI
Специалисты и система обработки языка ChatGPT были опрошены о потенциальных последствиях совершенствования языковых моделей для создания сильного искусственного интеллекта.
На данный момент полные возможности больших языковых моделей (LLM) ещё не исследованы. Несмотря на это, уже сейчас они демонстрируют способность решать ряд задач на уровне, равном или превосходящем человеческий. Кроме того, наблюдается эмерджентное поведение у этих моделей.
Понимание текста является ключевым этапом в достижении сильного искусственного интеллекта (AGI), поскольку литература играет важную роль в обмене информацией между людьми. Однако для AGI необходимо не только понимание текста, за которое отвечают LLM, но и восприятие других видов данных – визуальной и звуковой информации – с возможностью одновременного использования этой информации для принятия решений.
В настоящее время GPT-4, помимо текста, способен обрабатывать лишь изображения. Кроме того, LLM склонны к «галлюцинациям», что может препятствовать развитию у них таких важных для «мыслящей системы» навыков, как планирование и непрерывное обучение.
Создание сильного искусственного интеллекта (AGI) потребует комплексного подхода, включающего развитие и интеграцию разнообразных технологий.
Помимо обработки естественного языка, к ключевым компонентам будущего AGI относятся машинное зрение, робототехника, автоматическое планирование и принятие решений, а также обучение с подкреплением. Необходимы также усовершенствования в области аппаратного обеспечения и разработка новых методов программирования и архитектуры искусственных нейронных сетей.
Важно подчеркнуть, что, хотя крупные языковые модели (LLM) представляют собой значительный прогресс в области искусственного интеллекта, они не являются единственным решением для достижения AGI. Для создания полноценного общего искусственного интеллекта требуется совместное развитие и интеграция различных технологий и подходов. Безусловно, LLM существенно ускоряют этот процесс. В настоящее время они не являются AGI, но представляют собой значительный шаг на пути к его созданию.
Наша команда в настоящее время занимается разработкой прототипа искусственного общего интеллекта (AGI) в рамках проекта FGPT. В связи с этим мы имеем обоснованную точку зрения относительно природы AGI.
Мы полагаем, что модели семейства GPT, подобно всем нейросетям архитектуры Transformer, к которой они принадлежат, представляют собой важную, но лишь одну из составляющих AGI.
Представление о том, что нейросети-трансформеры внезапно приобретут статус сильного AGI, аналогично вере в то, что обезьяны вдруг начнут говорить, хотя у шимпанзе наблюдаются зачатки коммуникации, а также понимание базовых концепций и действий.
Мы считаем, что существует два основных подхода к созданию AGI:
- Полностью технологический: попытка эмуляции отделов мозга и их функций с помощью нейросетей или аналогичных алгоритмов. Объединение таких моделей и обучение их до достижения определенного критического порога.
- Полностью биологический: попытка перенести существующие знания и алгоритмы на биологическую основу, выращивание подобия искусственного мозга и исследование взаимодействия технологий в рамках этого подхода.
Мнение искусственного интеллекта: ChatGPT, чат-бот от компании OpenAI
Хотя крупные языковые модели, подобные GPT-4, демонстрируют впечатляющий прогресс в области искусственного интеллекта, следует признать, что они не представляют собой решения для создания Общего Искусственного Интеллекта (AGI). Для достижения AGI необходим более широкий спектр когнитивных способностей, включая не только высококачественную обработку естественного языка, но и обучение, восприятие и решение проблем.
Реализация AGI потребует интеграции различных технологий, таких как компьютерное зрение, робототехника и другие. Развитие AGI – это сложная и многоаспектная задача, требующая прогресса во многих областях искусственного интеллекта.
Проекты AGI на языковых моделях
Ученые предпринимают усилия для приближения языковых моделей к уровню общего искусственного интеллекта. Одним из таких проектов является Gato, представленный компанией DeepMind в 2022 году. Название проекта происходит от термина “универсальный агент”.
Gato представляет собой нейросетевую модель типа “трансформер” с 1,2 миллиарда параметров. В ходе обучения модель освоила более 600 различных задач, включая управление игровыми персонажами, манипуляцией роботами, общение в чате, добавление описаний к изображениям и многое другое.
Несмотря на разнообразие решаемых задач, Gato не демонстрирует выдающихся результатов. Показатели модели на 450 типах задач лишь незначительно превосходят среднестатистические человеческие показатели, при этом уступая специализированным алгоритмам, созданным для решения конкретных задач.
В настоящее время специалисты DeepMind работают над новым проектом под кодовым названием Gemini. Разработчики заявляют о значительно более высоком интеллектуальном уровне Gemini, достигаемом за счет интеграции возможностей языковых моделей с передовыми разработками DeepMind в области игрового искусственного интеллекта, подобными AlphaGo, победившей чемпиона мира по игре “го”.
Одним из интересных направлений модификации языковых моделей является Auto-GPT, представленный в марте 2023 года. Данная система использует возможности ChatGPT для автономного решения сложных задач и позиционируется как перспективная модель с признаками искусственного общего интеллекта (AGI).
Auto-GPT способна функционировать без прямого вмешательства человека. Для запуска процесса необходимо задать ей общую цель на естественном языке, после чего система самостоятельно анализирует поставленную задачу, разбивает её на подзадачи, разрабатывает планы их решения и реализует их. При этом Auto-GPT взаимодействует с ChatGPT через API и использует данные из интернета.
Получить доступ к системе можно двумя способами: загрузив исходный код с платформы GitHub или воспользовавшись веб-сервисами AgentGPT и Godmode.
На базе Auto-GPT уже реализовано несколько перспективных проектов. Так, проект BabyAGI моделирует процесс когнитивного развития ребёнка, а Generative Agents исследует автономное взаимодействие агентов искусственного интеллекта в виртуальной среде, схожей с игрой The Sims. Ученые продолжают совершенствовать способность LLM к целеполаганию, то есть к самостоятельной постановке целей.
В то же время эксперты отмечают наличие существенных проблем в функционировании Auto-GPT и его аналогов, которые пока ограничивают широкое применение таких разработок.
Говоря о вариантах AGI, способных действовать в реальном мире, следует упомянуть успешные опыты ученых по использованию языковых моделей для управления роботами. В этом направлении добились значительного прогресса специалисты Microsoft, применявшие ChatGPT для программирования квадрокоптеров и роботизированных манипуляторов, а также исследователи Google, адаптировавшие нейросеть PaLM для управления кухонными роботами-помощниками.
Когда будет создан AGI
Прогнозирование в области искусственного интеллекта является сложной задачей, и история полна неточностей со стороны авторитетных ученых. В качестве примера можно привести заявление Марвина Мински в 1970 году о том, что машина с общим интеллектом уровня человека появится в течение 3-8 лет. Несмотря на то, что прогноз не реализовался, Мински позднее заявил о некорректном цитировании его слов.
Согласно данным платформы Metaculus, которая аккумулирует экспертные оценки по различным вопросам, медианный прогноз появления AGI от специалистов указывает на 2034 год.
Какую роль AGI может сыграть в компьютерном зрении?
Представьте себе систему компьютерного зрения, способную не просто идентифицировать объекты, но и понимать их контекст в окружающей среде. Современные продвинутые модели, такие как Ultralytics YOLO, уже демонстрируют впечатляющие результаты в области быстрого распознавания объектов.
Интеграция с AGI (Artificial General Intelligence – общим искусственным интеллектом) позволит расширить возможности таких систем, обеспечивая интерпретацию человеческих действий, тонких жестов и намерений. Это, в свою очередь, поспособствует принятию более сложных и контекстуально-зависимых решений.
Рассмотрим три сферы, где AGI-усиленное компьютерное зрение может оказать существенное влияние.
Более умные автономные автомобили
Современные автономные автомобили обладают способностью идентифицировать пешеходов, другие транспортные средства и сигналы светофора. Тем не менее, интерпретация нюансов человеческого поведения, таких как намерение перейти дорогу или простое ожидание, остаётся сложной задачей. Системы искусственного интеллекта общего назначения (AGI) могут преодолеть этот недостаток.
Благодаря способности интерпретировать язык тела и тонкие движения, системы AGI способны точно предсказывать действия пешеходов в реальном дорожном движении. Недавние исследования сосредоточены на обучении ИИ более точной интерпретации поведения пешеходов и взаимодействия транспортных средств в сложных городских условиях, что способствует повышению безопасности и надёжности дорожного движения.
Глубокое понимание сложности реального вождения позволит автономным автомобилям с AGI значительно сократить количество аварий, делая дороги более безопасными и эффективными.
Адаптивные роботы для решения реальных задач
Современные роботы эффективно справляются с рутинными задачами, однако им недостаёт гибкости для адаптации к непредвиденным ситуациям. Роботы, оснащённые искусственным общим интеллектом (AGI), обладали бы способностью быстро приспосабливаться к изменяющимся условиям, будь то сборка деликантных электронных компонентов или выполнение спасательных операций в зонах бедствий.
Гуманоидные роботы могут стать более человечными благодаря AGI.
Благодаря AGI, роботы могли бы идентифицировать незнакомые объекты, принимать взвешенные решения и автономно корректировать стратегии. Интеграция методов обучения с подкреплением и передовых технологий компьютерного зрения позволит таким роботам учиться в процессе работы, минимизируя необходимость в постоянном человеческом управлении.
Недавние научные исследования, сочетающие обучение с подкреплением и нейронные сети, демонстрируют многообещающие результаты в области обучения роботов самостоятельной реализации сложных задач. В обозримом будущем, благодаря AGI, роботы могут стать незаменимыми помощниками как на производстве, так и в экстренных ситуациях.
Персонализированное медицинское обслуживание
В настоящее время системы искусственного интеллекта (ИИ) используются для выявления патологий на медицинских изображениях, однако их возможности ограничены лишь этим этапом. Системы с общим интеллектом (AGI) могли бы, опираясь на всю историю болезни пациента, образ его жизни и генетические данные, предоставить персонализированную информацию о состоянии здоровья.
Такой комплексный подход позволит врачам ставить более точные диагнозы, выявлять заболевания на ранних стадиях и разрабатывать индивидуальные планы лечения.
Примеры успешного применения ИИ, такие как проект AlphaFold от DeepMind, демонстрируют потенциал этой технологии в предсказании структуры белков с высокой точностью. Это открывает новые возможности для понимания заболеваний и разработки целевой терапии.
В конечном итоге, AGI может способствовать принятию врачами более быстрых и обоснованных решений, улучшению качества медицинской помощи и переходу от реактивного к проактивному подходу в лечении.
Последние исследования в области обучения с подкреплением и нейронных сетей показывают перспективность обучения роботов самостоятельной реализации сложных задач. В будущем, благодаря AGI, роботы могут стать незаменимыми помощниками в различных областях деятельности, в том числе в медицине и при ликвидации чрезвычайных ситуаций.
Основные проблемы при разработке AGI
Несмотря на огромный потенциал развития искусственного общего интеллекта (AGI), исследователи сталкиваются с рядом существенных проблем.
Среди главных препятствий:
- Необходимость значительных вычислительных мощностей: AGI требует использования высокопроизводительных компьютеров и сложных алгоритмов.
- Требовательность к объему и качеству данных: Для обучения систем AGI необходимы обширные и разнообразные наборы данных, сбор и этичная обработка которых представляет собой серьезную задачу.
- Этические и güvenlik implications: Обеспечение соответствия AGI стандартам безопасности, прав человека и этическим нормам имеет первостепенное значение, особенно в таких сферах, как здравоохранение и транспорт.
Эти проблемы неизбежно вызывают вопрос о потенциальном влиянии AGI на общество. AGI может существенно изменить рынок труда, технологическую этику и принципы обеспечения безопасности и управления. Поэтому проактивное решение этих вопросов является ключевым фактором для того, чтобы AGI способствовал, а не вредил обществу.
Выводы
Целью создания систем искусственного общего интеллекта (AGI) является разработка универсальных систем, способных мыслить, адаптироваться и рассуждать, что может существенно расширить возможности в областях, таких как компьютерное зрение.
Несмотря на огромный потенциал AGI, его реализация сопряжена с рядом проблем, включая риски потери рабочих мест, этические дилеммы и вопросы безопасности.
Для успешного внедрения AGI ключевыми факторами являются: проведение всесторонних исследований, обеспечение прозрачности процессов разработки и внедрения, а также разработка эффективного регулирования. По мере развития этой области, нахождение баланса между инновациями и этическими аспектами будет иметь первостепенное значение.
Дополнительные книги для чтения про AGI
В дополнение к работе Бена Герцеля “Artificial General Intelligence”, в последние годы было опубликовано множество книг, посвященных различным аспектам сильного искусственного интеллекта – от технических до философских и экономических.
Мы хотели бы рекомендовать вниманию читателей следующие издания:
- Маркус Хаттер, Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability.
- Рэй Курцвейл, The Singularity Is Near: When Humans Transcend Biology.
- Элиезер Юдковский, Levels of Organization in General Intelligence.
- Первый сборник научных статей в области AGI под редакцией Бена Герцеля и Пей Вонга: Theoretical Foundations of Artificial General Intelligence.
- Джеймс Баррат, «Последнее изобретение человечества: Искусственный интеллект и конец эры Homo sapiens».
- Педро Домингос, «Верховный алгоритм. Как машинное обучение изменит наш мир».
- Ник Бостром, «Искусственный интеллект. Этапы. Угрозы. Стратегии».
- Макс Тегмарк, «Жизнь 3.0. Быть человеком в эпоху искусственного интеллекта».
- Сборник докладов международной научной конференции AGI-2020.
- Генри Киссинджер, Эрик Шмидт, Дэниел Хаттенлокер, «Искусственный разум и новая эра человечества».
- Андрей Глебов, Антон Платунов в соавторстве с ChatGPT-4, «Скайнет в эпоху киберпанка. Теория сверхразума и вызовы перед человечеством в XXI веке».
