AGI થી ASI સુધી: Google DeepMind નો સારાંશ
મોટાભાગના લોકો AGI ને અંતિમ લક્ષ્ય તરીકે જુએ છે.
Google DeepMind નો તાજેતરનો એક પેપર ધ્યાન કેન્દ્રિત કરવાની રીત બદલે છે. તે એક વધુ અઘરો પ્રશ્ન પૂછે છે: AGI પછી શું થશે?
આ પેપર બે તબક્કાઓ વચ્ચે તફાવત દર્શાવે છે:
- AGI (Artificial General Intelligence): એક એવું AI જે અનેક કાર્યોમાં સરેરાશ માનવીના સ્તર પર કામ કરી શકે છે. તે તર્ક કરી શકે છે, આયોજન કરી શકે છે અને સમસ્યાઓ ઉકેલી શકે છે.
- ASI (Artificial Superintelligence): એક એવું AI જે લગભગ તમામ ક્ષેત્રોમાં માનવ નિષ્ણાતોના મોટા જૂથો કરતા પણ વધુ સારું પ્રદર્શન કરી શકે છે.
ASI એ માત્ર ચેસ જીતતું અથવા કોડ લખતું મોડેલ નથી. તે એક એવી સિસ્ટમ છે જે આખી સંશોધન લેબ્સ અથવા કંપનીઓ કરતા પણ વધુ સારું પ્રદર્શન કરી શકે છે.
આ પેપર AGI થી ASI તરફ આગળ વધવા માટેના ચાર રસ્તાઓ દર્શાવે છે:
- Scaling: વધુ ડેટા, વધુ કમ્પ્યુટ અને વધુ સારા હાર્ડવેરનો ઉપયોગ કરવો.
- Algorithmic Shifts: માત્ર મોડેલ્સને મોટું બનાવવાને બદલે Transformer જેવી વધુ સારી આર્કિટેક્ચર શોધવી.
- Recursive Self-Improvement: AI સંશોધકોને વધુ સારો AI કોડ લખવામાં મદદ કરે છે. આ એક ફીડબેક લૂપ બનાવે છે જ્યાં AI તેના પોતાના વિકાસને વેગ આપે છે.
- Multi-Agent Systems: એક વિશાળ મોડેલથી હજારો વિશિષ્ટ AI એજન્ટ્સ તરફ આગળ વધવું જે માનવ સંસ્થાની જેમ સાથે મળીને કામ કરે છે.
જોકે, કેટલાક અવરોધો આ પ્રગતિને ધીમી કરી શકે છે:
- Data Limits: આપણી પાસે ઉચ્ચ-ગુણવત્તાવાળા માનવ લખાણ (text) ની અછત સર્જાઈ શકે છે.
- Physical Constraints: Scaling માટે વિશાળ માત્રામાં ઉર્જા, ચિપ્સ અને ડેટા સેન્ટર્સની જરૂર પડે છે.
- Research Difficulty: જેમ જેમ AI સુધરે છે, તેમ બાકી રહેલી સમસ્યાઓ ઉકેલવી વધુ અઘરી બની શકે છે.
- Human Factors: સુરક્ષા, નિયમન અને સામાજિક વિરોધ વિકાસની ગતિ નક્કી કરશે.
એન્જિનિયરો અને ડેવલપર્સ માટે, આ માત્ર એક દાર્શનિક ચર્ચા નથી. તે એક એન્જિનિયરિંગ પડકાર છે.
AI નું ભવિષ્ય આ બાબતો પર નિર્ભર રહેશે:
- વિશ્વસનીય એજન્ટ આર્કિટેક્ચર બનાવવું.
- લાંબા ગાળાની મેમરી અને ટૂલના ઉપયોગમાં સુધારો કરવો.
- માનવ ક્ષમતાથી આગળ વધતી સિસ્ટમોનું મૂલ્યાંકન કરવા માટે વધુ સારા રસ્તાઓ શોધવા.
- અનેક એજન્ટ્સની વિતરિત (distributed) સિસ્ટમ્સનું સંચાલન કરવું.
AGI એ એક સીમાચિહ્ન છે. ASI એ સ્કેલ (scale) માં બદલાવ છે.
Source: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd