Τι είναι η τεχνητή γενική νοημοσύνη και πώς διαφέρει από τη γενετική τεχνητή νοημοσύνη;

Από την ανακάλυψη της τεχνητής νοημοσύνης στο προσκήνιο στα τέλη του 2022, χιλιάδες μοντέλα τεχνητής νοημοσύνης εμφανίζονται σχεδόν κάθε εβδομάδα. Μπορεί να είναι ιλιγγιώδες να προσπαθείς να παρακολουθείς ποιος κάνει τι.

Εάν είστε εξοικειωμένοι με τα βασικά της τεχνητής νοημοσύνης, ίσως γνωρίζετε ήδη για τη γενετική τεχνητή νοημοσύνη (GAI). Αντίθετα, μπορεί να μην είστε τόσο εξοικειωμένοι με έναν άλλο τύπο τεχνητής νοημοσύνης που ονομάζεται τεχνητή γενική νοημοσύνη (AGI).

Αν και ακούγονται παρόμοια, δεν είναι ακριβώς ίδια. Και όχι, δεν είναι μόνο επειδή τα ακρωνύμια τους αλλάζουν. Λοιπόν, ποια είναι η διαφορά μεταξύ των δύο;

Τι είναι η Τεχνητή Γενική Νοημοσύνη;

Φανταστείτε μια τεχνητή νοημοσύνη που μπορεί να σκεφτεί, να συλλογιστεί, να αντιληφθεί, να συμπεράνει – όλα όσα μπορούν να κάνουν οι άνθρωποι. Αυτό, και πολλά άλλα, υποτίθεται ότι είναι η τεχνητή γενική νοημοσύνη. Αν και η θεωρητική, η τεχνητή γενική νοημοσύνη (AGI) θα μπορούσε να εκτελέσει οποιοδήποτε διανοητικό έργο, όπως ακριβώς ένας άνθρωπος, αλλά με λιγότερα ή καθόλου λάθη.

Διαφέρει από την τεχνητή στενή νοημοσύνη (ANI), η οποία έχει υψηλή εξειδίκευση σε συγκεκριμένο τομέα ή εύρος εργασιών. Το Narrow Intelligence έχει σχεδιαστεί για να υπερέχει μόνο σε ένα ή πολύ λίγα συγκεκριμένα καθήκοντα, όπως ένας επίτιμος καθηγητής σε έναν πολύ εξειδικευμένο κλάδο.

Το AGI προτείνεται να είναι ένα AI που μπορεί να αισθάνεται, να παίρνει αποφάσεις με βάση τα συναισθήματά του, να λύνει προβλήματα, να μαθαίνει, να επεξεργάζεται γλώσσες και να εκτελεί άλλες γνωστικές ικανότητες. Χωρίς προηγούμενη τροφοδοσία δεδομένων, η AGI θα πρέπει να καταλήξει σε κάτι ουσιαστικό, ανεξάρτητα από τις εμπλεκόμενες μεταβλητές.

Οι τεχνητές νοημοσύνης επιστημονικής φαντασίας μόλις και μετά βίας πλησιάζουν, οπότε το AGI εξακολουθεί να είναι απλώς μια θεωρία. Αν και ορισμένα μοντέλα τεχνητής νοημοσύνης που βρίσκονται υπό κατασκευή πλησιάζουν την περιγραφή του AGI, εξακολουθεί να βασίζεται σε μεγάλο βαθμό στα παρεχόμενα δεδομένα και δεν έχει ακόμη σχηματίσει ανεξάρτητο σκεπτικό. Αν και διαπρέπουν στην επίλυση προβλημάτων, στην επεξεργασία φυσικής γλώσσας και άλλα παρόμοια, απέχουν ακόμη πολύ πριν μπορέσουμε να τα ονομάσουμε ολοκληρωμένα AGI.

Για παράδειγμα, το Google DeepMind εργάζεται μέρα και νύχτα για να αναπτύξει μοντέλα AGI που μπορούν να είναι στο ίδιο επίπεδο με την ανθρώπινη νοημοσύνη, με ικανότητα μάθησης και λογικής όπως οι άνθρωποι. Για να μάθετε περισσότερα, ρίξτε μια ματιά στο εκπληκτικά πράγματα που μπορούν να κάνουν τα υπάρχοντα ρομπότ DeepMind της Google.

Ποιες είναι λοιπόν οι πιθανές εφαρμογές της τεχνητής γενικής νοημοσύνης; Λοιπόν, υπόσχεται να βρει σημασία σε κάθε τομέα που μπορεί να φανταστεί κανείς. Για παράδειγμα, η AGI και η βιοτεχνολογία μπορούν να παρέχουν κορυφαία υγειονομική περίθαλψη με ένα κλάσμα του κόστους. Μπορεί να εξατομικεύσει τα σχέδια θεραπείας και να επιταχύνει τη διάγνωση με ελάχιστα σφάλματα.

Μπορεί να κάνει αυτά και πολλά άλλα σε τομείς όπως η ρομποτική και ο αυτοματισμός, η έρευνα, η εκπαίδευση, η γεωργία, η εξερεύνηση του διαστήματος κ.λπ.

Τι είναι η γενετική τεχνητή νοημοσύνη;

Όπως αναφέρθηκε προηγουμένως, τα περισσότερα μοντέλα τεχνητής νοημοσύνης που υπήρχαν τη στιγμή της γραφής εμπίπτουν σε αυτήν την κατηγορία.

Η γενετική τεχνητή νοημοσύνη (GAI) περιλαμβάνει κάθε τεχνητή νοημοσύνη που, όπως υποδηλώνει το όνομα, δημιουργεί νέο υλικό, είτε είναι ήχος, είτε εικόνα είτε κείμενο, από προηγούμενα τεκμαρτά δεδομένα. Με άλλα λόγια, κάθε τεχνητή νοημοσύνη που πρέπει να δώσετε προτροπές για τη δημιουργία περιεχομένου ή ανταποκρίνεται σε αιτήματα αποκτώντας πρόσβαση σε αποθηκευμένες πληροφορίες μπορεί να ταξινομηθεί ως GAI.

Για παράδειγμα, οι συνήθεις μεταφραστές κειμένου σε ομιλία και εικόνα σε εικόνα και πιο πρόσφατες εξελίξεις όπως το DALL-E (Τι είναι το DALL-E;), MuseNet, Generative Adversarial Networks (StyleGAN), Jukebox και Generative Pre-trained Transformers (GPT-3, GPT-3.5, GPT-4) κατηγοριοποιούνται στο Generative AI.

Το Generative AI χρησιμοποιεί τεχνικές βαθιάς εκμάθησης για να δημιουργήσει περιεχόμενο όσο το δυνατόν πιο κοντά στις προτροπές. Χρησιμοποιούν τις προτροπές ως δομικά υλικά για να δημιουργήσουν το περιεχόμενο που ζητάτε να παράγετε. Εδω είναι μερικά παραδείγματα του τι μπορεί να κάνει το ChatGPT για εσάς αν θέλετε να μάθετε περισσότερα για αυτό.

Πώς είναι παρόμοια η τεχνητή γενική νοημοσύνη και η γενετική τεχνητή νοημοσύνη;

Αν και διαφέρουν ως προς τον τρόπο λειτουργίας τους και το σημείο εξειδίκευσής τους, το AGI και το Generative AI μοιράζονται πολλά κοινά πράγματα.

1. Μάθηση

Το AGI και το GAI είναι μοντέλα μηχανικής μάθησης που μαθαίνουν μέσω εποπτευόμενων, ημι-εποπτευόμενων και μη εποπτευόμενων αλγορίθμων χρησιμοποιώντας βαθιά νευρωνικά δίκτυα. Αυτό γίνεται για να μπορούν να αναλύουν και να επεξεργάζονται δεδομένα για τη δημιουργία περιεχομένου σύμφωνα με το πλαίσιο της προτροπής.

Όπως οι άνθρωποι, τα μοντέλα AGI μπορούν να μάθουν από διάφορα δεδομένα και εμπειρίες. Ταυτόχρονα, το GAI εκπαιδεύεται σε υπάρχουσες μεγάλες δεξαμενές δεδομένων για να κατανοεί τα υποκείμενα πρότυπα και τις σχέσεις μεταξύ των δεδομένων για τη δημιουργία νέων, ουσιαστικών και συναφών δεδομένων.

2. Εύρος Εφαρμογών

Τόσο το AGI όσο και το GAI μπορούν να χρησιμοποιηθούν για ένα ευρύ φάσμα σκοπών, συμπεριλαμβανομένου, ενδεικτικά, περιεχομένου κειμένου, εικόνας και βίντεο.

Το Generative AI μπορεί να αναπτυχθεί για να εξυπηρετεί διάφορους σκοπούς σε περιορισμένους τομείς. Από την άλλη πλευρά, η τεχνητή γενική νοημοσύνη είναι φυσικά εφαρμόσιμη σε κάθε σφαίρα της ζωής, καθώς μπορεί ανεξάρτητα να αιτιολογήσει και να εκτελέσει εργασίες.

3. Καταλύτες για την Αλλαγή

Ο στόχος της τεχνολογικής προόδου είναι να προωθήσει την αλλαγή και την ανάπτυξη. Το AGI και το GAI είναι απαραίτητα για τη γρήγορη παρακολούθηση των απαραίτητων αλλαγών και καινοτομιών που χρειάζεται απεγνωσμένα ο κόσμος.

Με την εισαγωγή των χρησιμοποιήσιμων GAI και AGI, η ανθρωπότητα είναι βέβαιη ότι η ταχεία πρόοδος θα ακολουθήσει σύντομα, μειώνοντας εκθετικά τον χρόνο εργασίας του ανθρώπου.

4. Πηγή Ηθικού Διλήμματος

Ενώ η λήψη πρόσθετης βοήθειας από την τεχνητή νοημοσύνη ακούγεται καλή ιδέα, προκύπτουν αρκετές ανησυχίες όταν πρέπει να υπάρχει ένα σαφές όριο για το τι είναι ηθικά σωστό να επιβλέπει η τεχνητή νοημοσύνη.

Με Generative AI, υπήρξαν ανησυχίες σχετικά με τους κανόνες πνευματικών δικαιωμάτων σχετικά με την τέχνη της τεχνητής νοημοσύνης και ακόμα ερωτήσεις σχετικά με το εάν η τέχνη της τεχνητής νοημοσύνης είναι πραγματική τέχνη. Το AGI, εάν του δοθεί αρκετός χρόνος, θα μπορούσε να δει την ανθρωπότητα ως άσκοπη και να κινηθεί για την εξόντωση της ανθρωπότητας - μια πραγματικότητα φρίκης επιστημονικής φαντασίας.

Οι κανονισμοί στον τομέα της τεχνητής νοημοσύνης ήταν προκλητικοί, καθώς πρόκειται για αχαρτογράφητα νερά για την ανθρώπινη φυλή.

Πώς διαφέρει η τεχνητή γενική νοημοσύνη από τη γενετική τεχνητή νοημοσύνη;

Η πιο σημαντική διαφορά μεταξύ τους είναι ότι το AGI δεν έχει ακόμη αναπτυχθεί, ενώ το GAI υπάρχει και χρησιμοποιείται ήδη. Άλλες διαφορές έγκεινται στα ακόλουθα:

1. Τρόποι Λειτουργίας

Εκτός από το γεγονός ότι το AGI εξακολουθεί να βρίσκεται στη λίστα επιθυμιών των επιστημόνων υπολογιστών, οι τρόποι λειτουργίας τους είναι σαφώς διακριτοί.

Η τεχνητή γενική νοημοσύνη δεν περιορίζεται σε κάποια συγκεκριμένη εργασία ή τομέα, εκτελώντας εργασίες χωρίς συγκεκριμένο προγραμματισμό. Από την άλλη πλευρά, η γενετική τεχνητή νοημοσύνη εστιάζει στη δημιουργία νέου περιεχομένου μέσα σε μια θέση με βάση τα υπάρχοντα μοτίβα και δεδομένα.

2. Ικανότητα προσαρμογής

Το AGI μπορεί να μάθει και να προσαρμοστεί σε νέες καταστάσεις, ενώ η γενετική τεχνητή νοημοσύνη περιορίζεται από τα δεδομένα εισόδου και τον συγκεκριμένο τομέα στον οποίο λειτουργεί.

Ένα AGI που επιβλέπει τις πωλήσεις και τα οικονομικά ενός οργανισμού θα μπορεί να προσαρμοστεί σε περίπτωση ξαφνικής αλλαγής όπως μια πανδημία. Το μοντέλο AGI θα μπορεί να βγάλει έξυπνα συμπεράσματα από τα διαθέσιμα δεδομένα και να αναδιαμορφώσει τις λειτουργίες του οργανισμού για να καλύψει τη νέα ανάπτυξη.

Αυτό είναι κάτι που η γενετική τεχνητή νοημοσύνη, από μόνη της, δεν μπορεί να κάνει.

3. Γνωστική λειτουργία

Η τεχνητή γενική νοημοσύνη είναι πιθανόν μάλλον σαν ανθρώπινη στην προσέγγιση επίλυσης προβλημάτων. Αυτό έρχεται σε αντίθεση με το Generative AI, το οποίο λειτουργεί σε προεκπαιδευμένες ακολουθίες εισόδου-εξόδου. Ένα Generative AI μπορεί να κάνει μόνο αυτό που είχε προγραμματιστεί να κάνει, ούτε περισσότερο, ούτε λιγότερο. Ένα AGI, από την άλλη πλευρά, θα μάθει, θα συλλογιστεί, θα συγκρίνει και θα συμπεράνει.

Με απλά λόγια, ένας AGI μπορεί να σκέφτεται σαν άνθρωπος και ίσως ακόμα καλύτερα.

4. Μαθησιακή Προσέγγιση

Το Generative AI συχνά μαθαίνει μέσω εκπαίδευσης χωρίς επίβλεψη μέσω εκτεταμένων πόρων δεδομένων, οι οποίοι του διδάσκουν πώς να δημιουργεί νέο περιεχόμενο από προηγούμενα υπάρχοντα.

Το AGI θα χρησιμοποιήσει έναν συνδυασμό εποπτευόμενης και χωρίς επίβλεψη μάθησης και ενισχυτικής μάθησης. Αυτό διασφαλίζει ότι μπορεί να κάνει έξυπνες επιλογές μπροστά στους τεράστιους πόρους που έχει στη διάθεσή του.

GAI, AGI και Beyond

Δεν υπάρχει αμφιβολία ότι η τεχνητή γενική νοημοσύνη είναι το υλικό των ονείρων που μετατρέπονται γρήγορα σε πραγματικότητα. Απλώς έχουμε συνηθίσει στη γενετική τεχνητή νοημοσύνη, αλλά δεν πρέπει να νιώθουμε πολύ άνετα.

Η τεχνητή γενική νοημοσύνη σύντομα θα υπερβεί το να είναι μια απλή θεωρία, αλλά μια ενσαρκωμένη ενεργή μορφή νοημοσύνης, που ελπίζουμε ότι θα λειτουργεί με και για εμάς.