AGI ಇಂದ ASI ವರೆಗೆ: Google DeepMind ಸಾರಾಂಶ

ಹೆಚ್ಚಿನ ಜನರು AGI ಅನ್ನು ಅಂತಿಮ ಗುರಿಯಾಗಿ ಪರಿಗಣಿಸುತ್ತಾರೆ.

ಇತ್ತೀಚಿನ Google DeepMind ಸಂಶೋಧನಾ ಪ್ರಬಂಧವು ಗಮನವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. ಇದು ಒಂದು ಕಠಿಣ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳುತ್ತದೆ: AGI ನಂತರ ಏನಾಗುತ್ತದೆ?

ಈ ಪ್ರಬಂಧವು ಎರಡು ಹಂತಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ತಿಳಿಸುತ್ತದೆ:

  • AGI (Artificial General Intelligence): ಅನೇಕ ಕಾರ್ಯಗಳಲ್ಲಿ ಸರಾಸರಿ ಮನುಷ್ಯನ ಮಟ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ AI. ಇದು ತರ್ಕ ಮಾಡಬಲ್ಲದು, ಯೋಜನೆ ರೂಪಿಸಬಲ್ಲದು ಮತ್ತು ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಬಲ್ಲದು.
  • ASI (Artificial Superintelligence): ಬಹುತೇಕ ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಮಾನವ ತಜ್ಞರ ದೊಡ್ಡ ಗುಂಪುಗಳಿಗಿಂತ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ AI.

ASI ಎಂಬುದು ಕೇವಲ ಚೆಸ್‌ನಲ್ಲಿ ಗೆಲ್ಲುವ ಅಥವಾ ಕೋಡ್ ಬರೆಯುವ ಮಾಡೆಲ್ ಮಾತ್ರವಲ್ಲ. ಇದು ಇಡೀ ಸಂಶೋಧನಾ ಪ್ರಯೋಗಾಲಯಗಳು ಅಥವಾ ಕಂಪನಿಗಳಿಗಿಂತಲೂ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಲ್ಲ ಒಂದು ವ್ಯವಸ್ಥೆಯಾಗಿದೆ.

AGI ಇಂದ ASI ಗೆ ನಾವು ಸಾಗುವ ನಾಲ್ಕು ಮಾರ್ಗಗಳನ್ನು ಈ ಪ್ರಬಂಧವು ವಿವರಿಸುತ್ತದೆ:

  • Scaling: ಹೆಚ್ಚಿನ ಡೇಟಾ, ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಉತ್ತಮ ಹಾರ್ಡ್‌ವೇರ್ ಬಳಸುವುದು.
  • Algorithmic Shifts: ಕೇವಲ ಮಾಡೆಲ್‌ಗಳನ್ನು ದೊಡ್ಡದು ಮಾಡುವುದರ ಬದಲಾಗಿ, Transformer ನಂತಹ ಉತ್ತಮ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು.
  • Recursive Self-Improvement: ಸಂಶೋಧಕರು ಉತ್ತಮ AI ಕೋಡ್ ಬರೆಯಲು AI ಸಹಾಯ ಮಾಡುವುದು. ಇದು AI ತನ್ನದೇ ಆದ ಅಭಿವೃದ್ಧಿಯನ್ನು ವೇಗಗೊಳಿಸುವ ಒಂದು ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್ ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.
  • Multi-Agent Systems: ಒಂದು ಬೃಹತ್ ಮಾಡೆಲ್‌ನಿಂದ ಮಾನವ ಸಂಘಟನೆಯಂತೆ ಒಟ್ಟಾಗಿ ಕೆಲಸ ಮಾಡುವ ಸಾವಿರಾರು ವಿಶೇಷೀಕೃತ AI ಏಜೆಂಟ್‌ಗಳತ್ತ ಸಾಗುವುದು.

ಆದಾಗ್ಯೂ, ಈ ಪ್ರಗತಿಯನ್ನು ಕೆಲವು ಅಡೆತಡೆಗಳು (bottlenecks) ನಿಧಾನಗೊಳಿಸಬಹುದು:

  • Data Limits: ನಮಗೆ ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಮಾನವ ಪಠ್ಯವು (human text) ಕೊನೆಯಾಗಬಹುದು.
  • Physical Constraints: Scaling ಮಾಡಲು ಬೃಹತ್ ಪ್ರಮಾಣದ ಇಂಧನ (energy), ಚಿಪ್‌ಗಳು ಮತ್ತು ಡೇಟಾ ಸೆಂಟರ್‌ಗಳ ಅಗತ್ಯವಿದೆ.
  • Research Difficulty: AI ಸುಧಾರಿಸುತ್ತಿದ್ದಂತೆ, ಉಳಿದಿರುವ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವುದು ಹೆಚ್ಚು ಕಠಿಣವಾಗಬಹುದು.
  • Human Factors: ಸುರಕ್ಷತೆ, ನಿಯಂತ್ರಣ ಮತ್ತು ಸಾಮಾಜಿಕ ಪ್ರತಿರೋಧವು ಅಭಿವೃದ್ಧಿಯ ವೇಗವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.

ಎಂಜಿನಿಯರ್‌ಗಳು ಮತ್ತು ಡೆವಲಪರ್‌ಗಳಿಗೆ, ಇದು ಕೇವಲ ತಾತ್ವಿಕ ಚರ್ಚೆಯಲ್ಲ. ಇದು ಒಂದು ಎಂಜಿನಿಯರಿಂಗ್ ಸವಾಲಾಗಿದೆ.

AI ನ ಭವಿಷ್ಯವು ಈ ಕೆಳಗಿನವುಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ:

  • ವಿಶ್ವಾಸಾರ್ಹ ಏಜೆಂಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು.
  • ದೀರ್ಘಕಾಲದ ನೆನಪು (long-term memory) ಮತ್ತು ಪರಿಕರಗಳ ಬಳಕೆಯನ್ನು (tool use) ಸುಧಾರಿಸುವುದು.
  • ಮಾನವ ಸಾಮರ್ಥ್ಯವನ್ನು ಮೀರಿದ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಉತ್ತಮ ಮಾರ್ಗಗಳನ್ನು ರೂಪಿಸುವುದು.
  • ಬಹು ಏಜೆಂಟ್‌ಗಳ ವಿತರಿಸಿದ ವ್ಯವಸ್ಥೆಗಳನ್ನು (distributed systems) ನಿರ್ವಹಿಸುವುದು.

AGI ಒಂದು ಮೈಲಿಗಲ್ಲು. ASI ಎಂಬುದು ಪ್ರಮಾಣದ (scale) ಬದಲಾವಣೆ.

ಮೂಲ: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd