Od AGI do ASI: Podsumowanie najnowszego artykułu Google DeepMind
Większość ludzi mówi o Sztucznej Inteligencji Ogólnej (AGI) z entuzjazmem lub strachem. O Sztucznej Superinteligencji (ASI) rozmawia się jeszcze trudniej.
Nowy artykuł Google DeepMind stawia lepsze pytanie. Zamiast pytać, kiedy nadejdzie AGI, pyta: Co stanie się po AGI?
Jeśli zbudujemy AI, która dorówna ludzkim możliwościom, to w jaki sposób będzie się stale doskonalić, aż przewyższy całe grupy ludzkich ekspertów?
Oto proste zestawienie dla inżynierów i programistów.
Różnica
• AGI: System AI, który działa na poziomie przeciętnego człowieka w wielu zadaniach. Potrafi się uczyć, wyciągać wnioski i rozwiązywać różnorodne problemy. • ASI: System AI, który przewyższa duże grupy ludzkich ekspertów we niemal wszystkich istotnych dziedzinach.
Model, który pokonuje człowieka w szachy, nie jest ASI. ASI to sztuczny system, który może przewyższyć laboratoria badawcze i całe firmy.
Dlaczego AI skaluje się inaczej niż ludzie
Ludzie mają biologiczne ograniczenia. Nie możemy się kopiować ani uruchamiać tysiąca wersji naszych umysłów równolegle. AI nie ma takich ograniczeń.
AI oferuje kilka zalet:
- Prędkość maszynowa: AI przetwarza dane znacznie szybciej niż biologiczne mózgi.
- Skala rozumowania: Możesz zapewnić modelowi większą moc obliczeniową, aby myślał dłużej, lub uruchomić wiele instancji równolegle.
- Pamięć: AI może łączyć się z ogromnymi bazami danych i posiadać nieskończone okna kontekstowe.
- Duplikacja: Możesz uruchomić miliony kopii zdolnego badacza AI.
Cztery ścieżki do ASI
- Skalowanie: Wykorzystanie większej ilości danych, większej mocy obliczeniowej i lepszego sprzętu.
- Przełomy algorytmiczne: Znalezienie nowych architektur, lepszych systemów pamięci lub bardziej wydajnych metod uczenia się.
- Rekurencyjne samodoskonalenie: AI pomagająca w badaniach i budowaniu lepszej sztucznej inteligencji. Tworzy to pętlę sprzężenia zwrotnego.
- Systemy wieloagentowe: Wiele wyspecjalizowanych agentów AI współpracujących ze sobą niczym duża organizacja.
Co może nas spowolnić?
Postęp nie jest gwarantowany. Istnieje kilka wąskich gardeł:
- Limity danych: Możemy wyczerpać zasoby wysokiej jakości danych wytworzonych przez ludzi.
- Limity fizyczne: Skalowanie wymaga ogromnych ilości energii elektrycznej, chipów i sprzętu.
- Trudność badań: W miarę dojrzewania AI, problemy do rozwiązania mogą stawać się coraz trudniejsze.
- Interwencja ludzka: Bezpieczeństwo, regulacje i polityka mogą spowolnić rozwój.
Podsumowanie
Przejście od AGI do ASI to nie tylko problem badawczy. To wyzwanie inżynieryjne. Będzie ono wymagało systemów rozproszonych, infrastruktury i złożonej orkiestracji.
Jeśli jesteś programistą, skup się na tych obszarach:
- Jak budować niezawodnych agentów AI.
- Jak koordynować wielu agentów.
- Jak oceniać zadania długoterminowe.
- Jak zapewnić bezpieczeństwo i kontrolę.
Źródło: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd