Skip to content Skip to footer

了解通用人工智能

通用人工智能 (AGI) 被定义为机器智能,它使机器能够理解、学习和执行类似于人类的智力任务。AGI模拟人类的思想和行为,以解决任何复杂的问题。AGI 在人工智能 (AI) 领域设定了一个重要目标,因为它不仅限于执行特定任务,而且还暗示了自动化任何智力任务的潜力。

本文将解释AGI的基本问题、涉及的主要挑战以及AGI进展的主要趋势。

Neo — 管理员 — LECLE 越南 Optimus Finance 和增长营销社区经理。我们走吧!

image-20231130182659142

了解通用人工智能

1. 什么是通用人工智能(AGI)?

通用人工智能 (AGI) 是机器的智力能力,使它们能够理解、学习和执行类似于人类的智力任务。

image-20231130182716471

什么是通用人工智能(AGI)?

借助AGI,机器可以模拟人类的思想和行为来解决任何复杂的问题。这些机器的设计具有全面的知识和认知计算能力,其性能与人类无异。

AGI(也称为强人工智能或深度人工智能)是基于人工智能(AI)的理论框架。从本质上讲,人工智能理论通过训练机器学习人类行为并理解意识的基本方面,在解决机器的心理问题层面上运作。

凭借如此强大的人工智能基础,AGI 可以计划、学习认知能力、进行评估、处理不确定的情况,并将先前的知识整合到决策中或提高准确性。AGI 使机器能够执行创造性、富有想象力和创新性的任务。

实现如此强大的人工智能带来了重大挑战。

例如富士通制造了最快的超级计算机之一,名为K Computer。尽管突破了 10 petaflops 的障碍,但模拟 40 秒的神经活动需要 1 多分钟,模糊了实现强大 AI 的愿景。然而,AGI的未来看起来很有希望,因为这项技术可以通过处理经济危机等复杂情况来影响社会。

已经尝试了许多方法来实现类似人类的智能。以下是实现 AGI 的一些核心方法。

2. 实现通用人工智能(AGI)的基本途径

2.1. 符号表示方法

符号表示法是指利用逻辑网络(即if-then语句)和符号来学习和构建全面的知识库。通过操纵这些符号来表示物理世界的基本方面,进一步扩展了该知识库。这种方法模拟了人类认知过程中更高层次的推理。

image-20231130182730080

从理论上讲,这种方法可以执行高级逻辑和推理,但在实践中,它在学习感知等低级任务方面存在不足。符号表示方法的一个典型例子是 CycorpDouglas Lenat 在 1980 年代发起的 CYC 项目,旨在推进人工智能领域的工作。CYC 拥有庞大的知识库、逻辑系统和强大的表示语言。

2.2. 连接主义方法

联结主义方法是一种符号方法,它利用类脑结构(如神经网络)来生成通用人工智能。

这种方法期望从类似于低级结构的系统(如神经网络)中出现高级智能,尽管这尚未完全实现。深度学习系统和卷积神经网络,以 DeepMind 的 AlphaGo 为例,是连接主义方法的好例子。

image-20231130182751187

2.3. 混合方式

混合方法是符号表示和连接主义方法的组合。AGI 竞赛中的领先架构通常采用混合方法,例如 CogPrime 架构。它通过一个名为 AtomSpace 的统一知识库来体现符号和子符号知识。著名的社交机器人SophiaHanson RoboticsOpenCogCogPrime的支持下创建,是利用混合方法的系统的一个例子。

image-20231130182810768

索菲亚(机器人)

2.4. 全身架构

专家认为,真正的AGI系统应该有一个物理的身体,并从物理相互作用中学习。虽然目前还没有这样的系统,但最接近的例子是索菲亚——一个模拟人类手势和面部表情的人形机器人,参与预定义的对话主题。

3. 实现通用人工智能(AGI)的主要挑战

虽然AGI尚未实现,但它代表了人工智能领域一个具有革命性可能性的世界。目前,通用人工智能面临着阻碍其进展的重大障碍和挑战。

image-20231130182829916

实现通用人工智能(AGI)的主要挑战

以下是达到AGI最终阶段的主要挑战:

3.1. 掌握人类水平能力的问题

要实现真正的人类水平的智能,AGI需要掌握几种类人能力,例如:

  • 感觉运动知觉:虽然深度学习(DL)系统在计算机视觉方面显示出巨大的前景,但人工智能系统仍然缺乏类似于人类的感觉运动感知能力。
  • 例如,训练深度学习系统可能在颜色识别方面遇到困难,这在自动驾驶汽车很容易被小块黑色胶带或停车标志上的红色贴花所欺骗的情况下很明显。在声音识别方面也存在类似的挑战;目前的人工智能系统无法完全感知和再现人类细微的听觉体验。

image-20231130182846768

掌握人类水平能力的问题

  • 操作技巧:由于精细的操纵技能,人类可以毫不费力地从口袋里捡起物体。虽然最近的发展,例如应用强化学习来教机器人手解决魔方,是值得注意的,但它们强调了在一只手上编程机器人手指以操纵钥匙等小物体的挑战。
  • 了解自然语言:人类通过书籍、文章、博客文章和视频等各种媒介分享知识。当前的人工智能需要从所有知识来源中获取大量信息,这是一项至关重要的任务。如果人工智能缺乏常识,它将很难理解情况并在现实世界中运作。
  • 解决问题:考虑一个家用机器人,它认识到 LED 灯泡有故障,需要更换或通知某人。为了执行这项任务,机器人需要时刻保持警惕,如上所述,或者能够模拟所有变化并组合概率。目前的人工智能系统缺乏常识性感知和模拟能力。
  • 人类层面的创造力:**如果人工智能系统理解人类编写的大量源代码,确定新的改进方法,然后重写已识别的代码,则可以增强其智能。虽然基于人工智能的机器学习 (ML) 已经展示了创作音乐和创作艺术等创造能力,但实现人类水平的创造力需要人工智能**的进一步发展。
  • 社会关系与心理学:为了让机器人在世界上运作并与人类互动,通过面部表情和听觉细微差别来理解人类的情感是不可避免的。考虑到前面讨论的感知挑战,人工智能系统对情感联系产生共鸣,在当前情况下似乎是一个遥远的现实。

3.2. 缺乏操作协议

当前的人工智能系统缺乏操作协议来促进人工智能机器学习 (ML) 网络之间的协作。这导致在部署全面的AGI系统时存在重大的技术缺陷。因此,系统被迫在封闭、隔离的环境中作为独立模型运行。这种操作不适合AGI系统的复杂和面向社会的环境。

3.3. 沟通障碍

目前,人工智能系统面临着一个明显的通信障碍。不相关的人工智能系统之间的通信不连贯,阻碍了数据的无缝共享。因此,机器学习 (ML) 模型之间的协作学习过程受到阻碍。交互式学习过程的延迟会影响人工智能中分配任务的优化。最终,这降低了人工智能系统的整体普及率。

3.4. 缺乏业务集成

为了合理地部署人工智能,业务经理需要通过设定目标、定义关键绩效指标 (KPI) 和监控投资回报率 (ROI) 来实现它。如果没有这一点,通过人工智能评估结果并进行比较以衡量人工智能投资的成功(或失败)可能会变得具有挑战性。

将人工智能集成到现有系统中是一个复杂的过程。需要考虑各种参数,例如数据基础设施需求、数据存储、数据标记、将数据输入系统以及其他因素。目前,利益相关者似乎缺乏对人工智能所有这些操作参数的全面了解。这会减慢整个开发过程和实现业务目标的速度。

3.5. 缺乏方向

企业通常很难清楚地了解底层人工智能系统,这需要他们聘请一个单独的人工智能专家团队,这可能是一项代价高昂的工作。

此外,企业缺乏基于人工智能的具体计划和指导来执行其业务运营。这使得实施 AI 平台变得昂贵且复杂。这些因素是实现完全潜在的人工智能系统的主要障碍,并发挥着至关重要的作用。

第4章 通用人工智能(AGI)的最新趋势

尽管AGI系统目前尚未实现,但人工智能领域的最新趋势有可能放大AGI的发展轨迹并显着加速其发展。

image-20231130182904620

以下是可以推动 AGI 领域进步的人工智能趋势。

4.1. 自然语言处理的发展

自然语言处理 (NLP) 是一种人工智能技术,能够理解人类语言并显着减少与屏幕交互的需求。设备可以将人类语言转换为机器代码,用于执行应用程序和程序。

image-20231130182943748

最近,OpenAI 发布了迄今为止最先进的 NLP 模型 GPT-3GPT-3 使用超过 175 亿个参数进行语言处理。此外,OpenAI 目前正在开发 GPT-4,预计将处理大约 100 万亿个参数以进行全面的语言处理。随着人工智能的进步,能够以近乎逼真的方式与人类互动和交流的机器的开发变得越来越可行。

4.2. 元宇宙

随着公司和个人在这个虚拟世界中探索用于工作和互动的模拟技术,Metaverse 经历了显着的增长。

image-20231130182959543

考虑到这一趋势,预计人工智能机器学习(ML)将通过AI虚拟助手创造一个虚拟世界来推动元宇宙的发展,为用户提供宾至如归的感觉。

4.3. 超自动化

许多行业利用人工智能机器学习 (ML) 技术来自动化各种流程,从机器人流程自动化 (RPA) 到智能业务流程管理。超自动化通过在整个组织中扩展自动化功能,为高级自动化功能增加了另一层。

4.4. 增加管理角色

由于缺乏模型管理,可能会出现算法偏差。预计人工智能专家将更加关注确保人工智能/机器学习(ML)模型不会产生偏见或做出错误的决策。未来,这可能会为首席人工智能官、人工智能首席合规官和类似职位等职位的兴起铺平道路。随着AI/ML的快速发展,预计在不久的将来,此类案例将会增加。

4.5. 人工智能低代码或无代码的兴起

目前,对高技能人工智能工程师的需求很高。组织一直在寻找能够开发算法和人工智能工具以满足其业务运营的工程师。AI 低代码和无代码解决方案可以通过提供可视化界面来创建复杂的系统来解决这个问题。

image-20231130183055391

通常,低代码解决方案提供拖放选项,从而减少了应用程序开发过程。此外,自然语言处理 (NLP) 和语言模型可用于为完成复杂任务提供语音指导指令。

4.6. 进一步增强劳动力

人工智能取代人类工作的担忧已经存在了相当长的一段时间。实际上,组织似乎正在使用 AI/机器学习 (ML) 模型来收集和分析数据,为业务决策提供见解。在这种情况下,企业需要人类员工和人工智能系统协同工作。

包括销售、营销和客户服务在内的许多部门都利用 AI/ML 系统来支持其运营。然而,这并没有减少对人类的潜在依赖。事实上,它只会提高这些部门的效率。预计从现在开始,这种趋势将继续增加。

4.7.AI对话式聊天机器人

人工智能聊天机器人是由人工智能创建的虚拟助手。他们参与自然语言对话并执行某些基于规则的活动,例如回答问题或重置密码。这些聊天机器人已经取代了客户支持人员,大大降低了企业的运营成本。随着自然语言处理(NLP)的发展,未来的AI聊天机器人可能会彻底改变AGI领域。

4.8. 更加关注人工智能伦理

近年来,人工智能在各行各业的应用显着增加。虽然人工智能技术有好处,但固有的风险不容忽视。因此,未来几年将更加关注人工智能伦理,因为如果这些技术没有被用于良好的目的,一切都可能会变得更糟。

4.9.AI驱动的招聘流程

目前,随着虚拟世界取代现实世界,公司正在使用更多的人工智能/机器学习 (ML) 系统。此外,随着语言模型技术的进步和人工智能聊天机器人的日益复杂,预计招聘人员将利用强大的人工智能工具来管理招聘流程。

4.10. 量子人工智能

尽管近年来人工智能领域取得了重大进展,但量子人工智能有可能进一步突破界限。量子计算可以加速机器学习 (ML) 算法,并在更短的时间内获得结果。

image-20231130183124287

Google Quantum AI(70 量子比特计算机)

量子人工智能有可能解决 AGI 的挑战,因为它可以通过在短时间内分析书籍、文章、博客文章和类似来源中的大量数据来帮助建立强大的知识库。

5. 结束语

当前时期对于AGI系统的发展至关重要。专家认为,到 25 年,实现人类水平的通用人工智能有 2030% 的机会。

此外,机器人流程和机器算法的加强,加上最近的数据爆炸和计算的进步,将为人类水平AGI平台的兴起创造肥沃的环境。AGI系统在这个高科技世界中普及只是时间问题。