Не совсем. Скорее всего, не.
[Вы можете, конечно (и обычно так и делаете), перейти от дизайна в стиле AGI к узким реализациям.]
AGI имеет определенные существенные требования, такие как обучение в реальном времени (в том числе однократное, небольшие данные и без учителя), рассуждение и планирование, память и контекст, фокус и выбор, метапознание и т. Д. не адаптируется в реальном времени, не имеет памяти или не может рассуждать просто не очень умно.
Узкий ИИ (NAI) использует интеллект дизайнера или программиста напрямую для наилучшего решения конкретной четко определенной проблемы, для которой он оптимизирован.
Для использования этого подхода есть веские причины: обычно это самый быстрый и дешевый способ решить любую заданную проблему; вы можете использовать любую доступную технику, уловку или архитектуру, не беспокоясь об универсальности или совместимости; вы можете быстро жестко закодировать недостающие возможности; и вам не нужно сильно беспокоиться о вариантах использования, выходящих за рамки текущих спецификаций.
Этот анализ верен даже для самообучающихся подходов, таких как машинное обучение / глубокое обучение (ML / DL) - здесь все еще вручную выбираются и маркируются данные, выбирается конкретная архитектура и оптимизируются параметры для данного приложения. Между прочим, какими бы мощными и полезными ни были эти методы, они обладают характеристиками, которые во многом противоположны тому, что требует общий интеллект.
Несмотря на все преимущества подходов узкого ИИ в краткосрочной перспективе, в целом считается, что наша настоящая долгосрочная цель - это ОИИ - системы, которые могут думать, учиться, адаптироваться и рассуждать так же, как люди или даже лучше, чем люди.
Существует множество причин, по которым NAI вряд ли напрямую приведет к AGI; некоторые из которых уже упоминались:
- Системы NAI имеют очень широкий спектр архитектур, технологий, алгоритмов и представлений данных, которые, как правило, совершенно несовместимы, что делает невозможным их комбинирование - не говоря уже о синергетической поддержке друг друга, как того требует AGI.
- Узкие приложения обычно имеют много жестко запрограммированной логики или параметров, а также вручную созданные, предварительно обученные наборы данных, которые не поддаются адаптивному обучению в реальном времени. На более общем уровне эти системы изначально не предназначены для интерактивного обобщения или адаптации их знаний и навыков.
- Типичный дизайн ИИ требует только определенных выбранных компетенций, в то время как полностью отсутствуют другие, которые имеют решающее значение для AGI. Например, немногие системы по своей сути поддерживают комплексную динамическую кратковременную и долговременную память, однократное и переносное обучение в реальном времени или интегрированное мышление или метапознание. Эти недостающие функции нельзя просто «закрепить»!
- Коммерческое давление оказывает значительное давление в направлении NAI - требуется очень конкретное понимание, видение и преданность делу, чтобы продолжать двигаться в противоположном направлении. Для узких видов проблем, которые сейчас преследуются (курица и яйцо), разработанное человеком и жестко запрограммированное средство решения проблем всегда будет превосходить универсального (специализированная машина Go превзойдет столь же мощный AGI) - не говоря уже о том, что это тихо. что технология AGI на данном этапе еще недостаточно развита.
- Очень немногие команды разработчиков сегодня имеют или руководствуются жизнеспособной теорией общего интеллекта. По этой причине они вряд ли случайно наткнутся на правильный дизайн. По факту…
- Почти во всех текущих работах по ИИ используются архитектуры и подходы, несовместимые с AGI. Например, популярное (и обычно приемлемое) инженерное предпочтение высокомодульных разрозненных компонентов противоречит требованиям AGI. Кроме того, отсутствие использования когнитивных архитектур является препятствием для продвинутого интеллекта.
Питер Восс - основатель SmartAction и генеральный директор Aigo.ai Inc
Пожалуйста, поставьте лайк и поделитесь - если хотите :)
