AGI இலிருந்து ASI வரை: ஒரு Google DeepMind சுருக்கம்

பெரும்பாலான மக்கள் AGI-யை ஒரு இறுதி இலக்காகக் கருதுகிறார்கள்.

சமீபத்திய Google DeepMind ஆய்வறிக்கை கவனத்தை மாற்றுகிறது. அது ஒரு கடினமான கேள்வியைக் கேட்கிறது: AGI-க்குப் பிறகு என்ன நடக்கும்?

இந்த ஆய்வறிக்கை இரண்டு நிலைகளுக்கு இடையிலான வேறுபாட்டை விளக்குகிறது:

  • AGI (Artificial General Intelligence): பல பணிகளில் ஒரு சராசரி மனிதனின் மட்டத்திற்கு இணையாகச் செயல்படும் ஒரு AI. இது சிந்திக்கும் திறன், திட்டமிடுதல் மற்றும் சிக்கல்களைத் தீர்க்கும் திறன் கொண்டது.
  • ASI (Artificial Superintelligence): கிட்டத்தட்ட அனைத்துத் துறைகளிலும் மனித நிபுணர்களின் பெரிய குழுக்களை விடச் சிறப்பாகச் செயல்படும் ஒரு AI.

ASI என்பது சதுரங்கத்தில் வெற்றி பெறும் அல்லது குறியீடு (code) எழுதும் ஒரு மாதிரி (model) மட்டுமல்ல. இது முழு ஆராய்ச்சி ஆய்வகங்கள் அல்லது நிறுவனங்களை விடச் சிறப்பாகச் செயல்படக்கூடிய ஒரு அமைப்பாகும்.

AGI இலிருந்து ASI-க்கு நாம் நகர்வதற்கான நான்கு வழிகளை இந்த ஆய்வறிக்கை கோடிட்டுக் காட்டுகிறது:

  • Scaling: அதிக தரவு, அதிக கணினித் திறன் (compute) மற்றும் சிறந்த வன்பொருளைப் பயன்படுத்துதல்.
  • Algorithmic Shifts: மாதிரிகளைப் பெரிதாக்குவதற்குப் பதிலாக, Transformer போன்ற சிறந்த கட்டமைப்புகளைக் கண்டறிதல்.
  • Recursive Self-Improvement: ஆராய்ச்சியாளர்கள் சிறந்த AI குறியீடுகளை எழுத AI உதவுவது. இது AI தனது சொந்த வளர்ச்சியைத் துரிதப்படுத்தும் ஒரு பின்னூட்டச் சுழற்சியை (feedback loop) உருவாக்குகிறது.
  • Multi-Agent Systems: ஒரு பிரம்மாண்டமான மாதிரியிலிருந்து, ஒரு மனித அமைப்பைப் போல இணைந்து செயல்படும் ஆயிரக்கணக்கான சிறப்பு வாய்ந்த AI முகவர்களாக (agents) மாறுதல்.

இருப்பினும், சில தடைகள் இந்த முன்னேற்றத்தைத் தாமதப்படுத்தலாம்:

  • Data Limits: உயர்தரமான மனிதத் தரவுகள் (text) தீர்ந்து போகலாம்.
  • Physical Constraints: விரிவாக்கத்திற்கு (Scaling) மிகப்பெரிய அளவிலான ஆற்றல், சிப்கள் மற்றும் தரவு மையங்கள் தேவைப்படும்.
  • Research Difficulty: AI மேம்படும்போது, மீதமுள்ள சிக்கல்களைத் தீர்ப்பது மிகவும் கடினமாக மாறக்கூடும்.
  • Human Factors: பாதுகாப்பு, ஒழுங்குமுறை மற்றும் சமூக எதிர்ப்பு ஆகியவை வளர்ச்சியின் வேகத்தைத் தீர்மானிக்கும்.

பொறியாளர்கள் மற்றும் மென்பொருள் உருவாக்குநர்களுக்கு (developers), இது வெறும் தத்துவ ரீதியான விவாதம் மட்டுமல்ல. இது ஒரு பொறியியல் சவாலாகும்.

AI-யின் எதிர்காலம் இவற்றைப் பொறுத்தே அமையும்:

  • நம்பகமான முகவர் கட்டமைப்புகளை (agent architectures) உருவாக்குதல்.
  • நீண்டகால நினைவாற்றல் மற்றும் கருவிகளின் பயன்பாட்டை மேம்படுத்துதல்.
  • மனிதத் திறனைத் தாண்டிய அமைப்புகளை மதிப்பீடு செய்ய சிறந்த வழிகளை உருவாக்குதல்.
  • பல முகவர்கள் கொண்ட பரவலாக்கப்பட்ட அமைப்புகளை (distributed systems) நிர்வகித்தல்.

AGI என்பது ஒரு மைல்கல். ASI என்பது அளவிலான மாற்றம்.

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