Quantumrun

CRÉDITO DA IMAXE: Quantumrun

Como cambiará a sociedade a primeira Intelixencia Xeral Artificial: Futuro da intelixencia artificial P2

David Tal, Editor, Futurista
@DavidTalWrites
LinkedIn

Mar, 09/15/2020 - 13:08

Construímos pirámides. Aprendemos a aproveitar a electricidade. Entendemos como se formou o noso universo despois do Big Bang (principalmente). E por suposto, o exemplo do cliché, puxemos un home na lúa. Porén, a pesar de todos estes logros, o cerebro humano segue moi fóra da comprensión da ciencia moderna e é, por defecto, o obxecto máis complexo do universo coñecido, ou polo menos a nosa comprensión do mesmo.

Dada esta realidade, non debería ser totalmente chocante que aínda non construímos unha intelixencia artificial (IA) á altura dos humanos. Unha IA como Data (Star Trek), Rachael (Blade Runner) e David (Prometheus) ou unha IA non humanoide como Samantha (Her) e TARS (Interstellar), estes son todos exemplos do próximo gran fito no desenvolvemento da IA: intelixencia xeral artificial (AGI, ás veces tamén se denomina HLMI ou Human Level Machine Intelligence).

Noutras palabras, o desafío ao que se enfrontan os investigadores de IA é: como podemos construír unha mente artificial comparable á nosa cando nin sequera temos unha comprensión completa de como funciona a nosa propia mente?

Exploraremos esta pregunta, xunto con como os humanos se enfrontarán aos futuros AGI e, finalmente, como cambiará a sociedade ao día seguinte de que se anuncie ao mundo o primeiro AGI.

Que é unha intelixencia xeral artificial?

Deseña unha IA que poida vencer aos xogadores mellor clasificados en Chess, Jeopardy e Go, de forma sinxela (Deep Blue, Watsone AlphaGO respectivamente). Deseña unha IA que che poida responder a calquera pregunta, suxerir artigos que poidas querer mercar ou xestionar unha flota de taxis compartidos: ao redor delas están construídas empresas multimillonarias (Google, Amazon, Uber). Incluso unha IA que pode conducirte dun lado ao outro do país... ben, estamos traballando niso.

Pero pídelle a unha IA que lea un libro infantil e que comprenda o contido, o significado ou a moral que intenta ensinar, ou pídelle a unha IA que diga a diferenza entre unha imaxe dun gato e unha cebra, e acabarás causando máis duns poucos. curtocircuítos.

A natureza pasou millóns de anos desenvolvendo un dispositivo informático (cerebros) que sobresae en procesar, comprender, aprender e despois actuar en novas situacións e en novos ambientes. Compáreo co último medio século de informática que se centrou na creación de dispositivos informáticos adaptados ás tarefas singulares para as que estaban deseñados.

Noutras palabras, o ordenador humano é un xeneralista, mentres que o ordenador artificial é un especialista.

O obxectivo de crear un AGI é crear unha IA que poida pensar e aprender máis como un humano, a través da experiencia en lugar da programación directa.

No mundo real, isto significaría un futuro AGI aprendendo a ler, escribir e contar unha broma, ou camiñar, correr e andar en bicicleta por si só, a través da súa propia experiencia no mundo (usando calquera corpo ou órganos sensoriais/dispositivos que lle proporcionamos), e a través da súa propia interacción outras IA e outros humanos.

O que fará falta para construír unha intelixencia xeral artificial

Aínda que técnicamente é difícil, a creación dun AGI debe ser posible. De feito, hai unha propiedade profundamente arraigada nas leis da física -a universalidade da computación- que basicamente di que todo o que pode facer un obxecto físico, unha computadora de propósito xeral suficientemente potente debería, en principio, ser capaz de copiar/simular.

E aínda así, é complicado.

Afortunadamente, hai moitos investigadores intelixentes de intelixencia artificial sobre o caso (por non mencionar moitos fondos corporativos, gobernamentais e militares que os apoian) e ata agora identificaron tres ingredientes clave que consideran necesarios resolver para conseguir un AGI no noso mundo.

Big data. O enfoque máis común para o desenvolvemento da intelixencia artificial implica unha técnica chamada aprendizaxe profunda, un tipo específico de sistema de aprendizaxe automática que funciona absorbendo cantidades xigantes de datos, analizando os devanditos datos nunha rede de neuronas simuladas (modeladas segundo o cerebro humano) e despois utilizar os resultados para programar os seus propios coñecementos. Para obter máis detalles sobre a aprendizaxe profunda, le este.

Por exemplo, a en 2017, Google alimentou á súa intelixencia artificial con miles de imaxes de gatos que o seu sistema de aprendizaxe profunda utilizaba para aprender non só a identificar un gato, senón a diferenciar as distintas razas de gatos. Non moito despois, anunciaron a inminente liberación de Lente de Google, unha nova aplicación de busca que permite aos usuarios facer unha foto de calquera cousa e Google non só che dirá cal é, senón que ofrecerá algún contido contextual útil que o describa, útil cando se viaxa e quere saber máis sobre unha atracción turística específica. Pero tamén aquí, Google Lens non sería posible sen os miles de millóns de imaxes que aparecen actualmente no seu buscador de imaxes.

E aínda así, esta combinación de grandes datos e aprendizaxe profunda aínda non é suficiente para crear un AGI.

Mellores algoritmos. Durante a última década, unha subsidiaria de Google e líder no espazo da intelixencia artificial, DeepMind, fixo un gran éxito ao combinar os puntos fortes da aprendizaxe profunda coa aprendizaxe por reforzo, un enfoque complementario de aprendizaxe automática que ten como obxectivo ensinar á IA a tomar accións en novos entornos para lograr un obxectivo marcado.

Grazas a esta táctica híbrida, a IA de estrea de DeepMind, AlphaGo, non só aprendeu a xogar AlphaGo descargando as regras e estudando as estratexias dos mestres xogadores humanos, senón que despois de xogar contra si mesmo millóns de veces foi capaz de vencer aos mellores xogadores de AlphaGo. utilizando movementos e estratexias nunca antes vistas no xogo.

Así mesmo, o experimento de software Atari de DeepMind implicou darlle a unha IA unha cámara para ver unha pantalla de xogo típica, programándoa coa capacidade de introducir ordes de xogo (como os botóns do joystick) e darlle o obxectivo singular de aumentar a súa puntuación. O resultado? En poucos días, aprendeu por si mesmo a xogar e a dominar ducias de xogos clásicos de arcade.

Pero por moi emocionantes que sexan estes primeiros éxitos, aínda quedan algúns retos clave por resolver.

Por un lado, os investigadores de IA están a traballar para ensinarlle á IA un truco chamado "fragmento" no que os cerebros humanos e animais son excepcionalmente bos. En pocas palabras, cando decides saír a mercar alimentos, podes visualizar o teu obxectivo final (comprar un aguacate) e un plan aproximado de como o farías (saír da casa, visitar o supermercado, mercar). o aguacate, volta a casa). O que non fas é planificar cada respiración, cada paso, cada posible continxencia no teu camiño ata alí. Pola contra, tes un concepto (anaco) na túa mente de onde queres ir e adapta a túa viaxe a calquera situación que se produza.

Por moi común que che pareza, esta habilidade é unha das principais vantaxes que os cerebros humanos aínda teñen sobre a IA: é a capacidade de adaptación para establecer un obxectivo e perseguilo sen coñecer todos os detalles de antemán e a pesar de calquera obstáculo ou cambio ambiental. pode atopar. Esta habilidade permitiría aos AGI aprender de forma máis eficiente, sen necesidade dos grandes datos mencionados anteriormente.

Outro reto é a capacidade de non só ler un libro senón comprender o significado ou contexto detrás. A longo prazo, o obxectivo aquí é que unha IA lea un artigo de xornal e poida responder con precisión a unha serie de preguntas sobre o que le, como escribir un informe de libro. Esta habilidade transformará unha IA dunha simple calculadora que analiza números a unha entidade que analiza o significado.

En xeral, novos avances nun algoritmo de autoaprendizaxe que pode imitar o cerebro humano desempeñarán un papel fundamental na creación eventual dun AGI, pero xunto a este traballo, a comunidade de IA tamén necesita un mellor hardware.

Mellor hardware. Usando os enfoques actuais explicados anteriormente, un AGI só será posible despois de que aumentemos seriamente a potencia de computación dispoñible para executalo.

Para o contexto, se tomamos a capacidade do cerebro humano para pensar e convertémola en termos computacionais, entón a estimación aproximada da capacidade mental dun humano medio é un exaflop, o que equivale a 1,000 petaflops ('Flop' significa operacións de coma flotante por segundo e mide a velocidade de cálculo).

En comparación, a finais de 2018, a supercomputadora máis poderosa do mundo, a de Xapón. AI Bridging Cloud tarareará a 130 petaflops, moi lonxe dun exaflop.

Tal e como se indica no noso supercomputadores capítulo no noso Futuro da informática serie, tanto Estados Unidos como China están a traballar para construír os seus propios supercomputadores exaflop para 2022, pero aínda que teñan éxito, quizais non sexa suficiente.

Estes supercomputadores funcionan con varias ducias de megavatios de potencia, ocupan varios centos de metros cadrados de espazo e custa varios centos de millóns para construír. Un cerebro humano usa só 20 vatios de enerxía, cabe nun cranio duns 50 cm de circunferencia e somos sete mil millóns (2018). Noutras palabras, se queremos que os AGI sexan tan habituais como os humanos, necesitaremos aprender a crealos dun xeito máis económico.

Para iso, os investigadores de IA comezan a considerar potenciar as futuras IAs con computadoras cuánticas. Descrito con máis detalle no ordenadores cuánticos capítulo da nosa serie Future of Computers, estes ordenadores funcionan dun xeito fundamentalmente diferente aos ordenadores que estivemos construíndo durante o último medio século. Unha vez perfeccionada na década de 2030, unha única computadora cuántica superará a todas as supercomputadoras que funcionen actualmente en 2018, a nivel mundial. Tamén serán moito máis pequenos e usarán moita menos enerxía que os superordenadores actuais.

Como sería unha intelixencia xeral artificial superior a un humano?

Supoñamos que todos os desafíos enumerados anteriormente son resoltos, que os investigadores de IA teñen éxito na creación do primeiro AGI. Como será unha mente AGI diferente á nosa?

Para responder a este tipo de preguntas, necesitamos clasificar as mentes AGI en tres categorías, as que viven dentro dun corpo de robot (datos de Star Trek), aqueles que teñen unha forma física pero están conectados sen fíos a internet/nube (axente Smith de The Matrix) e aqueles sen forma física que viven integramente nun ordenador ou en liña (Samantha de O seu).

Para comezar, os AGI dentro dun corpo robótico illado da web competirán á altura das mentes humanas, pero con vantaxes selectas:

Memoria: dependendo do deseño da forma robótica do AGI, a súa memoria a curto prazo e a memoria da información clave serán definitivamente superiores ás dos humanos. Pero ao final do día, hai un límite físico á cantidade de espazo no disco duro que podes incorporar ao robot, asumindo que os deseñamos para que parezan humanos. Por este motivo, a memoria a longo prazo dos AGI actuará de forma moi parecida á dos humanos, esquecendo activamente a información e as memorias que se consideran innecesarias para o seu funcionamento futuro (co fin de liberar "espazo en disco").
Velocidade: o rendemento das neuronas dentro do cerebro humano alcanza un máximo de 200 hercios, mentres que os microprocesadores modernos funcionan a un nivel de gigahercios, polo que millóns de veces máis rápido que as neuronas. Isto significa que, en comparación cos humanos, os futuros AGI procesarán información e tomarán decisións máis rápido que os humanos. Ollo, isto non significa necesariamente que este AGI tome decisións máis intelixentes ou correctas que os humanos, só que poden chegar a conclusións máis rápido.
Rendemento: en pocas palabras, o cerebro humano cansa se funciona moito tempo sen descansar nin durmir, e cando o fai, a súa memoria e a súa capacidade de aprender e razoar vese prexudicada. Mentres tanto, para os AGI, supoñendo que se recarguen (electricidade) regularmente, non terán esa debilidade.
Actualizabilidade: para un humano, aprender un novo hábito pode levar semanas de práctica, aprender unha nova habilidade pode levar meses e aprender unha nova profesión pode levar anos. Para un AGI, terán a capacidade de aprender tanto pola experiencia (como os humanos) como pola carga directa de datos, de xeito similar ao que actualizas regularmente o sistema operativo do teu ordenador. Estas actualizacións pódense aplicar ás actualizacións de coñecemento (novas habilidades) ou ás melloras de rendemento do formulario físico dos AGI.

A continuación, vexamos os AGI que teñen unha forma física, pero tamén están conectados sen fíos a internet/nube. As diferenzas que podemos ver con este nivel en comparación cos AGI non conectados inclúen:

Memoria: estes AGI terán todas as vantaxes a curto prazo que ten a clase AGI anterior, excepto que tamén se beneficiarán dunha memoria perfecta a longo prazo xa que poden cargar esas memorias na nube para acceder cando sexa necesario. Obviamente, esta memoria non será accesible en áreas de escasa conectividade, pero iso será menos preocupante durante as décadas de 2020 e 2030 cando máis do mundo estea en liña. Ler máis en capítulo un dos nosos Futuro de Internet serie.
Velocidade: dependendo do tipo de obstáculo ao que se enfronte este AGI, poden acceder á maior potencia de computación da nube para axudarlles a resolvelo.
Rendemento: non hai diferenzas en comparación cos AGI non conectados.
Actualización: a única diferenza con este AGI no que se refire á capacidade de actualización é que poden acceder ás actualizacións en tempo real, sen fíos, en lugar de ter que visitar e conectarse a un depósito de actualizacións.
Colectivo: os humanos convertéronse na especie dominante da Terra non porque fósemos o animal máis grande ou máis forte, senón porque aprendemos a comunicarnos e a colaborar de varias maneiras para acadar obxectivos colectivos, desde a caza dun mamut lanudo ata a construción da Estación Espacial Internacional. Un equipo de AGI levaría esta colaboración ao seguinte nivel. Tendo en conta todas as vantaxes cognitivas enumeradas anteriormente e combinalas coa capacidade de comunicarse sen fíos, tanto en persoa como a través de longas distancias, un futuro equipo AGI/mente de colmea podería abordar os proxectos de forma moito máis eficiente que un equipo de humanos.

Finalmente, o último tipo de AGI é a versión sen forma física, aquela que funciona dentro dun ordenador, e ten acceso a toda a potencia informática e os recursos en liña que lle proporcionan os seus creadores. Nos programas e libros de ciencia ficción, estes AGI adoitan tomar a forma de asistentes/amigos virtuais expertos ou o sistema operativo valiente dunha nave espacial. Pero en comparación coas outras dúas categorías de AGI, esta IA diferirá dos seguintes aspectos;

Velocidade: ilimitada (ou, polo menos, ata os límites do hardware ao que ten acceso).
Memoria: ilimitada
Rendemento: Aumento da calidade da toma de decisións grazas ao seu acceso aos centros de supercomputación.
Actualizabilidade: absoluta, en tempo real e cunha selección ilimitada de actualizacións cognitivas. Por suposto, dado que esta categoría AGI non ten unha forma de robot físico, non necesitará as actualizacións físicas dispoñibles a non ser que esas actualizacións sexan para os supercomputadores nos que opera.
Colectivo: semellante á anterior categoría AGI, este AGI sen corpo colaborará eficazmente cos seus compañeiros de AGI. Non obstante, dado o seu acceso máis directo a unha potencia informática ilimitada e acceso a recursos en liña, estes AGI normalmente asumirán roles de liderado nun colectivo global de AGI.

Cando creará a humanidade a primeira intelixencia xeral artificial?

Non hai unha data fixa para cando a comunidade investigadora de IA cre que inventará un AGI lexítimo. Porén, a 2013 investigación dos 550 dos principais investigadores de IA do mundo, realizados polos principais pensadores da investigación en IA Nick Bostrom e Vincent C. Müller, promediaron o abano de opinións en tres anos posibles:

Mediana do ano optimista (10 % de probabilidade): 2022
Mediana do ano realista (50 % de probabilidade): 2040
Mediana do ano pesimista (90% de probabilidade): 2075

O preciso que sexan estas previsións non importa. O que importa é que a gran maioría da comunidade investigadora de IA cre que inventaremos un AGI dentro das nosas vidas e relativamente a principios deste século.

Como a creación dunha intelixencia xeral artificial cambiará a humanidade

Exploramos o impacto desta nova IA en detalle ao longo do último capítulo desta serie. Dito isto, para este capítulo, diremos que a creación dun AGI será moi similar á reacción social que experimentaremos se os humanos atopan vida en Marte.

Un campamento non entenderá a importancia e seguirá pensando que os científicos están facendo un gran negocio para crear outro ordenador máis potente.

Outro campamento, probablemente composto por luditas e individuos de mentalidade relixiosa, temerá a este AGI, pensando que é unha abominación que intente exterminar á humanidade ao estilo SkyNet. Este campamento defenderá activamente a eliminación/destrución de AGI en todas as súas formas.

Por outra banda, o terceiro campamento verá esta creación como un evento espiritual moderno. En todas as formas que importan, esta AGI será unha nova forma de vida, que pensa de forma diferente a nós e cuxos obxectivos son diferentes aos nosos. Unha vez que se anuncie a creación dun AGI, os humanos xa non compartirán a Terra só con animais, senón tamén xunto a unha nova clase de seres artificiais cuxa intelixencia é igual ou superior á nosa.

O cuarto campo incluirá intereses empresariais que investigarán como poden utilizar os AGI para abordar diversas necesidades empresariais, como cubrir as lagoas no mercado laboral e acelerar o desenvolvemento de novos bens e servizos.

A continuación, temos representantes de todos os niveis de goberno que se tropezarán tentando dar sentido a como regular as AGI. Este é o nivel onde todos os debates moralizadores e filosóficos chegarán a un punto crítico, concretamente sobre se tratar estes AGI como propiedade ou como persoas.

E por último, o último campamento serán os militares e as axencias de seguridade nacional. En realidade, hai unha boa probabilidade de que o anuncio público do primeiro AGI se atrase por meses ou anos só debido a este campamento. Por que? Porque a invención dun AGI, levará en breve á creación dunha superintelixencia artificial (ASI), que representará unha ameaza xeopolítica masiva e unha oportunidade que supera con creces a invención da bomba nuclear.

Por este motivo, os próximos capítulos centraranse enteiramente no tema dos ASI e se a humanidade sobrevivirá despois da súa invención.

(¿Un xeito excesivamente dramático de rematar un capítulo? Apostas.)