Inteligența artificială generală

Inteligența artificială generală (Artificial general intelligence, AGI) este capacitatea unui agent inteligent de a înțelege sau de a învăța orice sarcină intelectuală de care este capabilă o ființă umană. Este un obiectiv principal al unor cercetări în domeniul inteligenței artificiale și un subiect comun în studiile științifico-fantastice și viitoare. AGI se mai numește IA puternică, IA completă, sau acțiune inteligentă generală, deși unele surse academice rezervă termenul „IA puternică” pentru programele de calculator care experimentează simțire sau conștiință.

IA puternică contrastează cu IA slabă (sau IA îngustă), care nu este destinat să aibă abilități cognitive generale; mai degrabă, IA slabă este orice program conceput pentru a rezolva exact o problemă. (Sursele academice rezervă „IA slabă” pentru programele care nu au conștiință sau nu au o minte în același sens pe care o au oamenii.) Un sondaj din 2020 a identificat 72 de proiecte de cercetare și dezvoltare AGI active, răspândite în 37 de țări.

Au fost propuse diverse criterii pentru inteligență (cel mai faimos fiind testul Turing), dar până în prezent nu există o definiție care să satisfacă toată lumea.

Trăsături de inteligență

Cu toate acestea, există un acord larg între cercetătorii de inteligență artificială că inteligența este necesară pentru a face următoarele:

• raționează, folosește strategia, rezolvă puzzle-uri și emite judecăți în condiții de incertitudine;
• reprezintă cunoștințele, inclusiv cunoștințele de bun simț;
• plan;
• învăța;
• să comunice în limbaj natural;

și să integreze toate aceste abilități către obiective comune. Alte capacități importante includ:

• intrare ca abilitatea de a simți (de exemplu, a vedea, a auzi etc.) și
• ieșire ca abilitatea de a acționa (de exemplu, mutarea și manipularea obiectelor, schimbarea propriei locații pentru a explora etc.)

în această lume în care trebuie observat un comportament inteligent. Aceasta ar include capacitatea de a detecta și de a răspunde la pericole. Multe abordări interdisciplinare ale inteligenței (de exemplu, știința cognitivă, inteligența computațională și luarea deciziilor) tind să sublinieze necesitatea de a lua în considerare trăsături suplimentare, cum ar fi imaginația (luată ca abilitatea de a forma imagini mentale și concepte care nu au fost programate) și autonomia .

Există sisteme bazate pe computer care prezintă multe dintre aceste capacități (de exemplu, vezi creativitate computațională, raționament automat, sistem de sprijinire a deciziilor, robot, calcul evolutiv, agent inteligent), dar nimeni nu a creat un sistem integrat care excelează în toate aceste domenii.

Formalisme matematice

O specificație precisă din punct de vedere matematic a AGI a fost propusă de Marcus Hutter în 2000. Numit AIXI, agentul propus maximizează „capacitatea de a îndeplini obiectivele într-o gamă largă de medii”. Acest tip de AGI, caracterizat prin dovada capacității de a maximiza o definiție matematică a inteligenței, mai degrabă decât de a prezenta un comportament asemănător omului, este numit și inteligență artificială universală.

În 2015, Jan Lieke și Marcus Hutter au arătat că „Inteligența Legg-Hutter este măsurată în raport cu un UTM fix. AIXI este cea mai inteligentă politică dacă folosește același UTM”, rezultat care „subminează toate proprietățile de optimitate existente pentru AIXI”.  Această problemă provine din utilizarea de către AIXI a compresiei ca proxy pentru inteligență, care necesită ca cunoașterea să aibă loc izolat de mediul în care sunt urmărite obiectivele. Aceasta formalizează o poziție filozofică cunoscută sub numele de dualism minte-corp. Există, probabil, mai multe dovezi în sprijinul enactivismului – noțiunea că cunoașterea are loc în mediul în care sunt urmărite obiectivele. Ulterior, Michael Timothy Bennett a oficializat cogniția enactivă și a identificat un proxy alternativ pentru inteligență numit slăbiciune . Experimentele însoțitoare (comparând slăbiciunea și compresia) și dovezile matematice au arătat că maximizarea slăbiciunii are ca rezultat „capacitatea optimă de a îndeplini o gamă largă de sarcini”  sau, echivalent, „capacitatea de a generaliza”  (astfel maximizând inteligența prin oricare definiție). ). Acest lucru a arătat, de asemenea, că, dacă enactivismul este valabil și dualismul minte-corp nu, atunci compresia nu este necesară sau suficientă pentru inteligență, punând sub semnul întrebării opiniile larg răspândite despre inteligență.

Indiferent de poziția luată în ceea ce privește cunoașterea, dacă acest tip de AGI prezintă un comportament asemănător omului (cum ar fi utilizarea limbajului natural) ar depinde de mulți factori,, de exemplu, modul în care agentul este întruchipat, sau dacă are o funcție de recompensă care se apropie îndeaproape de primitivele umane ale cunoașterii, cum ar fi foamea, durerea și așa mai departe.

Teste pentru confirmarea AGI la nivel uman

Au fost luate în considerare următoarele teste pentru a confirma AGI la nivel uman:

Testul Turing (Turing): O mașină și un om conversează nevăzuți cu un al doilea om, care trebuie să evalueze care dintre cei doi este mașina, trecând testul dacă îl poate păcăli pe evaluator o parte semnificativă din timp. Notă: Turing nu prescrie ceea ce ar trebui să fie calificat drept inteligență, doar că știind că este o mașină ar trebui să o descalifice.

Testul cafelei (Wozniak): Este necesară o mașină pentru a intra într-o casă americană obișnuită și pentru a afla cum să faceți cafea: găsiți aparatul de cafea, găsiți cafeaua, adăugați apă, găsiți o cană și preparați cafeaua apăsând butoanele potrivite.

Testul pentru studentul robot (Goertzel): O mașină se înscrie la o universitate, luând și promovând aceleași clase pe care le-ar face oamenii și obținând o diplomă.

Testul de angajare (Nilsson): O mașină îndeplinește o muncă importantă din punct de vedere economic cel puțin la fel de bine ca oamenii în aceeași muncă.

Probleme complete de IA

Există multe probleme individuale care pot necesita inteligență generală, dacă mașinile vor rezolva problemele la fel de bine ca oamenii. De exemplu, chiar și anumite sarcini simple, cum ar fi traducerea automată, necesită ca o mașină să citească și să scrie în ambele limbi (NLP), să urmeze argumentul autorului (motivul), să știe despre ce se vorbește (cunoștințe) și să reproducă fidel intenția originală a autorului (inteligență socială). Toate aceste probleme trebuie rezolvate simultan pentru ca mașina să atingă performanța la nivel uman.

O problemă este cunoscută în mod informal ca „completă de IA” sau „grea de IA”, dacă rezolvarea ei este echivalentă cu aptitudinea generală a inteligenței umane sau IA puternică și depășește capacitățile unui algoritm specific scopului. Se presupune că problemele complete de IA includ viziunea pe computer generală, înțelegerea limbajului natural și abordarea circumstanțelor neașteptate în timp ce rezolvă orice problemă din lumea reală.

Problemele complete de AI nu pot fi rezolvate doar cu tehnologia computerizată actuală și necesită calcul uman. Această proprietate ar putea fi utilă, de exemplu, pentru a testa prezența oamenilor, așa cum își propun CAPTCHA-urile; și pentru securitatea computerelor ca să respingă atacurile cu forță brută.

(Include texte traduse și adaptate din Wikipedia de Nicolae Sfetcu)