Ինչպես կփոխի հասարակությունը առաջին արհեստական ​​ընդհանուր բանականությունը. Արհեստական ​​ինտելեկտի ապագան P2

Մենք բուրգեր ենք կառուցել։ Մենք սովորեցինք օգտագործել էլեկտրականությունը: Մենք հասկանում ենք, թե ինչպես է ձևավորվել մեր տիեզերքը Մեծ պայթյունից հետո (հիմնականում): Եվ իհարկե, կլիշեի օրինակը, մենք մարդ ենք դրել լուսնի վրա: Այնուամենայնիվ, չնայած այս բոլոր նվաճումներին, մարդկային ուղեղը հեռու է մնում ժամանակակից գիտության ըմբռնումից և, լռելյայնորեն, ամենաբարդ օբյեկտն է հայտնի տիեզերքում, կամ գոնե մեր պատկերացումները դրա մասին:

Հաշվի առնելով այս իրողությունը, բոլորովին ցնցող չպետք է լինի, որ մենք դեռ չենք ստեղծել արհեստական ​​ինտելեկտ (AI) մարդուն հավասար: AI-ն, ինչպիսին է Data (Star Trek), Rachael (Blade Runner) և David (Prometheus) կամ ոչ մարդանման AI, ինչպիսիք են Samantha (Her) և TARS (Interstellar), սրանք բոլորն են AI-ի զարգացման հաջորդ մեծ հանգրվանի օրինակներ. արհեստական ​​ընդհանուր ինտելեկտ (AGI, երբեմն նաև կոչվում է HLMI կամ մարդկային մակարդակի մեքենայի հետախուզություն). 

Այլ կերպ ասած, արհեստական ​​ինտելեկտի հետազոտողների առջև ծառացած մարտահրավերը հետևյալն է. Ինչպե՞ս կարող ենք կառուցել արհեստական ​​միտք, որը համեմատելի է մեր սեփական մտքի հետ, երբ մենք նույնիսկ լիարժեք պատկերացում չունենք, թե ինչպես է աշխատում մեր միտքը:

Մենք կուսումնասիրենք այս հարցը, ինչպես նաև այն, թե ինչպես են մարդիկ պայքարելու ապագա AGI-ների դեմ, և, վերջապես, ինչպես կփոխվի հասարակությունը աշխարհին առաջին AGI-ի հայտարարումից հաջորդ օրը: 

Ի՞նչ է արհեստական ​​ընդհանուր ինտելեկտը:

Նախագծեք արհեստական ​​ինտելեկտ, որը հեշտությամբ կարող է հաղթել Chess, Jeopardy և Go խաղերի լավագույն խաղացողներին (Deep Blue, Watson, եւ AlphaGO- ն համապատասխանաբար): Նախագծեք արհեստական ​​ինտելեկտ, որը կարող է ձեզ տալ ցանկացած հարցի պատասխան, առաջարկել ապրանքներ, որոնք կարող եք գնել, կամ կառավարել «rideshare» տաքսիների նավատորմը. դրանց շուրջ կառուցված են մի քանի միլիարդ դոլար արժողությամբ ընկերություններ (Google, Amazon, Uber): Նույնիսկ արհեստական ​​ինտելեկտը, որը կարող է ձեզ տանել երկրի մի կողմից մյուսը... Դե, մենք աշխատում ենք դրա վրա:

Բայց խնդրեք արհեստական ​​ինտելեկտին կարդալ մանկական գիրք և հասկանալ բովանդակությունը, իմաստը կամ բարոյականությունը, որը փորձում է սովորեցնել, կամ խնդրեք արհեստական ​​ինտելեկտին տարբերել կատվի և զեբրի նկարը, և դուք կհանգեցնեք ավելի քան մի քանիսի: կարճ միացումներ. 

Բնությունը միլիոնավոր տարիներ է ծախսել՝ զարգացնելով հաշվողական սարքը (ուղեղները), որոնք գերազանցում են մշակման, հասկանալու, սովորելու և այնուհետև գործելու նոր իրավիճակներում և նոր միջավայրերում: Համեմատեք դա համակարգչային գիտության վերջին կես դարի հետ, որը կենտրոնացած էր հաշվողական սարքերի ստեղծման վրա, որոնք հարմարեցված էին այն եզակի առաջադրանքներին, որոնց համար նախատեսված էին: 

Այսինքն՝ մարդ-համակարգիչը գեներալիստ է, իսկ արհեստականը՝ մասնագետ։

AGI-ի ստեղծման նպատակն է ստեղծել AI, որը կարող է մտածել և սովորել ավելի շատ մարդու նման՝ փորձի միջոցով, այլ ոչ թե ուղղակի ծրագրավորման միջոցով:

Իրական աշխարհում դա կնշանակի ապագա AGI-ն, որը կսովորի, թե ինչպես կարդալ, գրել և անեկդոտ պատմել, կամ քայլել, վազել և հեծանիվ վարել հիմնականում ինքնուրույն՝ աշխարհում իր սեփական փորձի միջոցով (օգտագործելով ցանկացած մարմին կամ զգայական օրգաններ/սարքեր, որոնք մենք տալիս ենք դրան), և իր փոխազդեցության միջոցով այլ AI և այլ մարդիկ:

Ինչ կպահանջվի արհեստական ​​ընդհանուր ինտելեկտ ստեղծելու համար

Թեև տեխնիկապես դժվար է, AGI-ի ստեղծումը պետք է հնարավոր լինի: Եթե ​​իրականում, ապա ֆիզիկայի օրենքներում կա մի հատկություն՝ հաշվման համընդհանուրությունը, որը հիմնականում ասում է այն ամենը, ինչ ֆիզիկական օբյեկտը կարող է անել, բավականաչափ հզոր, ընդհանուր նշանակության համակարգիչը, սկզբունքորեն, պետք է կարողանա պատճենել/սիմուլյացնել:

Եվ այնուամենայնիվ, դա բարդ է:

Բարեբախտաբար, կան բազմաթիվ խելացի AI հետազոտողներ այս գործով (էլ չենք խոսում նրանց աջակցող կորպորատիվ, պետական ​​և ռազմական ֆինանսավորման մասին), և մինչ այժմ նրանք հայտնաբերել են երեք հիմնական բաղադրիչ, որոնք անհրաժեշտ են լուծելու համար: AGI-ն մեր աշխարհ է:

Big տվյալներ. Արհեստական ​​ինտելեկտի զարգացման ամենատարածված մոտեցումը ներառում է խորը ուսուցում կոչվող տեխնիկան. մեքենայական ուսուցման համակարգի հատուկ տեսակ, որն աշխատում է տվյալների հսկա քանակի հավաքմամբ, այդ տվյալները սիմուլյացված նեյրոնների ցանցում (մոդելավորված մարդու ուղեղի մոդելով) ցանցում, այնուհետև: օգտագործել գտածոները սեփական պատկերացումները ծրագրավորելու համար: Խորը ուսուցման մասին լրացուցիչ մանրամասների համար՝ այս.

Օրինակ, ի 2017Google-ն իր արհեստական ​​ինտելեկտով կերակրել է կատուների հազարավոր պատկերներ, որոնց միջոցով իր խորը ուսուցման համակարգը սովորել է ոչ միայն ճանաչել կատուներին, այլև տարբերակել կատուների տարբեր ցեղատեսակները: Շատ չանցած նրանք հայտարարեցին մոտալուտ ազատ արձակման մասին Google Lens, նոր որոնման հավելված, որը թույլ է տալիս օգտատերերին լուսանկարել ցանկացած բան, և Google-ը ոչ միայն ձեզ կասի, թե ինչ է դա, այլև կառաջարկի որոշ օգտակար համատեքստային բովանդակություն, որը նկարագրում է այն. Բայց այստեղ նույնպես Google Lens-ը հնարավոր չէր լինի առանց միլիարդավոր պատկերների, որոնք ներկայումս նշված են իր պատկերների որոնման համակարգում:

Եվ այնուամենայնիվ, այս մեծ տվյալների և խորը ուսուցման կոմբինատը դեռևս բավարար չէ AGI առաջացնելու համար:

Ավելի լավ ալգորիթմներ. Անցած տասնամյակի ընթացքում Google-ի դուստր ձեռնարկությունը և արհեստական ​​ինտելեկտի ոլորտում առաջատարը՝ DeepMind-ը, մեծ աղմուկ բարձրացրեց՝ համատեղելով խորը ուսուցման ուժեղ կողմերը ուժեղացման ուսուցման հետ՝ մեքենայական ուսուցման հավելյալ մոտեցում, որը նպատակ ունի սովորեցնել AI-ին, թե ինչպես գործողություններ ձեռնարկել նոր միջավայրերում՝ հասնելու համար: սահմանված նպատակ.

Այս հիբրիդային մարտավարության շնորհիվ DeepMind-ի պրեմիերան AI-ն՝ AlphaGo-ն, ոչ միայն սովորեց, թե ինչպես խաղալ AlphaGo՝ ներբեռնելով կանոնները և ուսումնասիրելով վարպետ մարդկային խաղացողների ռազմավարությունը, այլև միլիոնավոր անգամներ իր դեմ խաղալուց հետո կարողացավ հաղթել AlphaGo-ի լավագույն խաղացողներին։ օգտագործելով քայլեր և ռազմավարություններ, որոնք նախկինում չեն տեսել խաղում: 

Նմանապես, DeepMind-ի Atari ծրագրային փորձը ներառում էր AI-ին տեսախցիկ տալը սովորական խաղի էկրանը տեսնելու համար, այն ծրագրավորելով խաղի պատվերներ մուտքագրելու ունակությամբ (ինչպես ջոյսթիքի կոճակները) և տալով նրան եզակի նպատակ՝ բարձրացնելու միավորը: Արդյունքը? Մի քանի օրվա ընթացքում այն ​​ինքն իրեն սովորեցրեց, թե ինչպես խաղալ և ինչպես տիրապետել տասնյակ դասական արկադային խաղերին: 

Բայց որքան էլ հուզիչ են այս վաղ հաջողությունները, դեռևս կան որոշ հիմնական մարտահրավերներ, որոնք պետք է լուծել:

Առաջին հերթին, AI հետազոտողները աշխատում են AI-ին ուսուցանելու մի հնարք, որը կոչվում է «chunking», որը մարդու և կենդանիների ուղեղը բացառիկ լավ է: Պարզ ասած, երբ դուք որոշում եք դուրս գալ մթերք գնելու համար, դուք կարող եք պատկերացնել ձեր վերջնական նպատակը (ավոկադո գնելը) և մոտավոր պլանը, թե ինչպես դա անել (դուրս գալ տնից, այցելել մթերային խանութ, գնել: ավոկադոն, վերադարձիր տուն): Այն, ինչ դուք չեք անում, պլանավորել ամեն շունչ, ամեն քայլ, ամեն հնարավոր պատահականություն ձեր այնտեղ ճանապարհին: Փոխարենը, դուք ունեք գաղափար (կտոր) ձեր մտքում, թե ուր եք ուզում գնալ և հարմարեցնել ձեր ուղևորությունը ցանկացած իրավիճակին, որը ծագում է:

Որքան էլ սովորական թվա ձեզ համար, այս ունակությունը մարդկային ուղեղի դեռևս ունեցած հիմնական առավելություններից մեկն է արհեստական ​​ինտելեկտի նկատմամբ. դա նպատակ դնելու և դրան հասնելու հարմարվողականությունն է՝ առանց նախօրոք իմանալու բոլոր մանրամասները և չնայած ցանկացած խոչընդոտի կամ շրջակա միջավայրի փոփոխության։ կարող է հանդիպել. Այս հմտությունը հնարավորություն կտա AGI-ներին ավելի արդյունավետ սովորել՝ առանց վերը նշված մեծ տվյալների անհրաժեշտության:

Մեկ այլ մարտահրավեր է ոչ միայն գիրք կարդալու ունակությունը, այլև հասկանալ իմաստը կամ դրա հետևում գտնվող ենթատեքստը: Երկարաժամկետ հեռանկարում, այստեղ նպատակն այն է, որ արհեստական ​​ինտելեկտը կարդա թերթի հոդված և կարողանա ճշգրիտ պատասխանել իր կարդացածի վերաբերյալ մի շարք հարցերի, ինչպես գրքի զեկույց գրելը: Այս ունակությունը կվերածի AI-ն պարզապես թվերը ճզմող հաշվիչից վերածելու էության, որը կծկի իմաստը:

Ընդհանուր առմամբ, ինքնաուսուցման ալգորիթմի հետագա առաջընթացը, որը կարող է ընդօրինակել մարդու ուղեղը, առանցքային դեր կխաղա AGI-ի վերջնական ստեղծման գործում, բայց այս աշխատանքին զուգահեռ, AI համայնքը նաև ավելի լավ սարքավորման կարիք ունի:

Ավելի լավ սարքավորում. Օգտագործելով վերը նկարագրված ընթացիկ մոտեցումները, AGI-ն հնարավոր կդառնա միայն այն բանից հետո, երբ մենք լրջորեն կբարձրացնենք այն գործարկելու համար հասանելի հաշվողական հզորությունը:

Համատեքստի համար, եթե մենք վերցնում ենք մարդու ուղեղի մտածելու ունակությունը և այն վերածում հաշվողական տերմինների, ապա միջին մարդու մտավոր կարողությունների մոտավոր գնահատականը կազմում է մեկ էքսաֆլոպ, որը համարժեք է 1,000 պետաֆլոպսի («Flop» նշանակում է լողացող կետով գործողություններ մեկ երկրորդը և չափում է հաշվարկի արագությունը):

Համեմատության համար՝ 2018 թվականի վերջում աշխարհի ամենահզոր սուպերհամակարգիչը՝ Ճապոնիան AI Bridging Cloud կհնչի 130 պետաֆլոպով, որը շատ քիչ է մեկ էկզաֆլոպից:

Ինչպես նշված է մեր supercomputers գլուխ մեր Համակարգիչների ապագան ԱՄՆ-ը և Չինաստանը աշխատում են մինչև 2022 թվականը սեփական exaflop սուպերհամակարգիչները ստեղծելու ուղղությամբ, բայց նույնիսկ եթե դրանք հաջող լինեն, դա դեռ կարող է բավարար չլինել:

Այս սուպերհամակարգիչները աշխատում են մի քանի տասնյակ մեգավատ հզորությամբ, զբաղեցնում են մի քանի հարյուր քառակուսի մետր տարածք, իսկ կառուցման արժեքը մի քանի հարյուր միլիոն է: Մարդու ուղեղն օգտագործում է ընդամենը 20 վտ հզորություն, տեղավորվում է մոտավորապես 50 սմ շրջագծով գանգի մեջ, և մենք յոթ միլիարդ ենք (2018): Այլ կերպ ասած, եթե մենք ցանկանում ենք AGI-ները դարձնել այնքան սովորական, որքան մարդիկ, մենք պետք է սովորենք, թե ինչպես դրանք ստեղծել ավելի տնտեսապես:

Այդ նպատակով, AI հետազոտողները սկսում են մտածել ապագա AI-ները քվանտային համակարգիչներով հզորացնելու մասին: Ավելի մանրամասն նկարագրված է քվանտային համակարգիչներ Մեր «Համակարգիչների ապագան» շարքի գլխում այս համակարգիչները սկզբունքորեն այլ կերպ են աշխատում, քան այն համակարգիչները, որոնք մենք կառուցել ենք վերջին կես դարում: 2030-ական թվականներին կատարելագործվելուց հետո մեկ քվանտային համակարգիչը կգերազանցի 2018 թվականին գործող բոլոր գերհամակարգիչները, գլոբալ առումով, միասին վերցրած: Դրանք նաև շատ ավելի փոքր կլինեն և շատ ավելի քիչ էներգիա կօգտագործեն, քան ներկայիս սուպերհամակարգիչները: 

Ինչպե՞ս կարող է արհեստական ​​ընդհանուր ինտելեկտը գերազանցել մարդուն:

Ենթադրենք, որ վերը թվարկված յուրաքանչյուր մարտահրավեր պարզվում է, որ AI հետազոտողները հաջողություն են գտնում առաջին AGI-ի ստեղծման գործում: Ինչպե՞ս է AGI-ի միտքը տարբերվելու մեր սեփականից:

Այս տեսակի հարցին պատասխանելու համար մենք պետք է դասակարգենք AGI մտքերը երեք կատեգորիաների, որոնք ապրում են ռոբոտի մարմնում (Տվյալներ. Star Trek), նրանք, որոնք ունեն ֆիզիկական ձև, բայց անլար միացված են ինտերնետին/ամպին (գործակալ Սմիթ The Matrix) և նրանք, ովքեր չունեն ֆիզիկական ձև, որոնք ամբողջությամբ ապրում են համակարգչում կամ առցանց (Samantha from Նրան).

Սկսելու համար, ցանցից մեկուսացված ռոբոտային մարմնի ներսում AGI-ները կմրցակցեն մարդկային մտքերի հետ հավասար, բայց ընտրված առավելություններով.

• Հիշողություն. Կախված AGI-ի ռոբոտային ձևի ձևավորումից, նրանց կարճաժամկետ հիշողությունը և հիմնական տեղեկատվության հիշողությունը միանշանակ գերազանցում են մարդկանց: Բայց վերջիվերջո, կա ֆիզիկական սահմանափակում, թե որքան տարածք կարող եք հավաքել կոշտ սկավառակի վրա ռոբոտի մեջ, ենթադրելով, որ մենք նախագծել ենք դրանք մարդկանց նմանեցնելու համար: Այդ իսկ պատճառով AGI-ների երկարաժամկետ հիշողությունը կգործի շատ նման մարդկանց հիշողությունը՝ ակտիվորեն մոռանալով տեղեկատվությունն ու հիշողությունները, որոնք անհարկի են համարվում իր ապագա գործունեության համար («սկավառակի տարածք» ազատելու համար):
• Արագություն. Մարդու ուղեղի ներսում նեյրոնների աշխատանքը գերազանցում է մոտավորապես 200 հերց, մինչդեռ ժամանակակից միկրոպրոցեսորներն աշխատում են գիգահերց մակարդակով, ինչը միլիոնավոր անգամ ավելի արագ է, քան նեյրոնները: Սա նշանակում է, որ համեմատած մարդկանց հետ, ապագա AGI-ները կմշակեն տեղեկատվությունը և որոշումներ կկայացնեն ավելի արագ, քան մարդիկ: Նկատի ունեցեք, սա չի նշանակում, որ այս AGI-ն ավելի խելացի կամ ճիշտ որոշումներ կկայացնի, քան մարդիկ, պարզապես նրանք կարող են ավելի արագ եզրակացությունների գալ:
• Արդյունավետություն. Պարզ ասած, մարդու ուղեղը հոգնում է, եթե այն շատ երկար է աշխատում առանց հանգստի կամ քնի, և երբ դա անում է, նրա հիշողությունը և սովորելու և տրամաբանելու կարողությունը թուլանում են: Մինչդեռ AGI-ների համար, ենթադրելով, որ դրանք պարբերաբար լիցքավորվում են (էլեկտրաէներգիա), նրանք այդ թուլությունը չեն ունենա:
• Բարելավելիություն. մարդու համար նոր սովորություն սովորելը կարող է շաբաթներ պրակտիկա պահանջել, նոր հմտություն սովորելը կարող է ամիսներ տևել, իսկ նոր մասնագիտություն սովորելը կարող է տարիներ տևել: AGI-ի համար նրանք հնարավորություն կունենան սովորել ինչպես փորձով (ինչպես մարդիկ), այնպես էլ տվյալների ուղղակի վերբեռնմամբ, ինչպես դուք պարբերաբար թարմացնում եք ձեր համակարգչի ՕՀ-ն: Այս թարմացումները կարող են կիրառվել գիտելիքների արդիականացման (նոր հմտություններ) կամ AGI-ների ֆիզիկական ձևի կատարողականի բարելավման համար: 

Հաջորդը, եկեք նայենք AGI-ներին, որոնք ունեն ֆիզիկական ձև, բայց նաև միացված են անլար ինտերնետին/ամպին: Տարբերությունները, որոնք մենք կարող ենք տեսնել այս մակարդակի հետ, համեմատած ոչ միացված AGI-ների հետ, ներառում են.

• Հիշողություն. այս AGI-ները կունենան բոլոր կարճաժամկետ առավելությունները, որոնք ունի նախորդ AGI դասը, բացառությամբ, որ նրանք նաև կօգտվեն կատարյալ երկարաժամկետ հիշողությունից, քանի որ նրանք կարող են վերբեռնել այդ հիշողությունները ամպի մեջ՝ անհրաժեշտության դեպքում մուտք գործելու համար: Ակնհայտ է, որ այս հիշողությունը հասանելի չի լինի ցածր կապի վայրերում, բայց դա ավելի քիչ մտահոգիչ կդառնա 2020-ական և 2030-ական թվականներին, երբ աշխարհի մեծ մասը հայտնվի առցանց: Կարդալ ավելին գլուխ առաջին մեր Ինտերնետի ապագան նյութեր. 
• Արագություն. Կախված խոչընդոտների տեսակից, որոնց բախվում է այս AGI-ն, նրանք կարող են մուտք գործել ամպի ավելի մեծ հաշվողական հզորություն՝ օգնելու նրանց լուծել այն:
• Կատարում. տարբերություն չկա, երբ համեմատվում են չկապակցված AGI-ների հետ:
• Թարմացում. Միակ տարբերությունն այս AGI-ի միջև, քանի որ այն կապված է արդիականացման հետ, այն է, որ նրանք կարող են մուտք գործել թարմացումներ իրական ժամանակում, անլար, փոխանակ այցելելու և արդիականացման պահեստին միացնելու:
• Կոլեկտիվ. մարդիկ դարձան Երկրի վրա գերիշխող տեսակը ոչ թե այն պատճառով, որ մենք ամենամեծ կամ ամենաուժեղ կենդանին էինք, այլ որովհետև մենք սովորեցինք, թե ինչպես շփվել և համագործակցել տարբեր ձևերով՝ հասնելու հավաքական նպատակներին՝ Բրդյա մամոնտի որսից մինչև Միջազգային տիեզերակայանի կառուցում: AGI-ների թիմը այս համագործակցությունը կհասցնի հաջորդ մակարդակ: Հաշվի առնելով վերը թվարկված բոլոր ճանաչողական առավելությունները, այնուհետև դրանք համատեղելով անլար հաղորդակցվելու ունակության հետ, ինչպես անձամբ, այնպես էլ երկար հեռավորությունների վրա, ապագա AGI թիմը/փեթակային միտքը տեսականորեն կարող է շատ ավելի արդյունավետ լուծել նախագծերը, քան մարդկանց թիմը: 

Վերջապես, AGI-ի վերջին տեսակն այն տարբերակն է, որն առանց ֆիզիկական ձևի, որը գործում է համակարգչի ներսում և հասանելի է ամբողջ հաշվողական հզորությանը և առցանց ռեսուրսներին, որոնք տրամադրում են դրա ստեղծողները: Գիտաֆանտաստիկ շոուներում և գրքերում այս AGI-ները սովորաբար ունենում են փորձառու վիրտուալ օգնականների/ընկերների կամ տիեզերանավերի խենթ օպերացիոն համակարգի ձևը: Բայց համեմատած AGI-ի մյուս երկու կատեգորիաների հետ, այս AI-ն կտարբերվի հետևյալ կերպ.

• Արագություն՝ անսահմանափակ (կամ գոնե այն սարքաշարի սահմաններին, որոնց հասանելի է):
• Հիշողություն՝ անսահմանափակ  
• Արդյունավետություն. որոշումների կայացման որակի բարձրացում՝ շնորհիվ գերհաշվարկային կենտրոնների հասանելիության:
• Բարելավելիություն. Բացարձակ, իրական ժամանակում և ճանաչողական բարելավումների անսահմանափակ ընտրությամբ: Իհարկե, քանի որ այս AGI կատեգորիան չունի ֆիզիկական ռոբոտի ձև, այն ֆիզիկական արդիականացման կարիք չի ունենա, քանի դեռ այդ արդիականացումները չեն վերաբերվում այն ​​գերհամակարգիչներին, որոնցում գործում է:
• Կոլեկտիվ. Նախորդ AGI կատեգորիայի նման, այս անմարմին AGI-ն արդյունավետորեն կհամագործակցի իր AGI գործընկերների հետ: Այնուամենայնիվ, հաշվի առնելով անսահմանափակ հաշվողական հզորության և առցանց ռեսուրսների հասանելիության ավելի անմիջական հասանելիությունը, այս AGI-ները սովորաբար ղեկավար դերեր են ստանձնում ընդհանուր AGI հավաքականում: 

Ե՞րբ է մարդկությունը ստեղծելու առաջին արհեստական ​​ընդհանուր բանականությունը:

Չկա հստակ ամսաթիվ, երբ AI հետազոտական ​​համայնքը հավատում է, որ իրենք կհորինեն օրինական AGI: Այնուամենայնիվ, Ա 2013 հետազոտություն Աշխարհի արհեստական ​​ինտելեկտի լավագույն հետազոտողներից 550-ը, որն անցկացրել են AI առաջատար հետազոտողներ Նիկ Բոստրոմը և Վինսենթ Ք. Մյուլերը, գնահատել են կարծիքների շրջանակը մինչև երեք հնարավոր տարի.

• Միջին լավատեսական տարի (10% հավանականություն). 2022թ
• Միջին իրատեսական տարի (50% հավանականություն)՝ 2040թ
• Միջին հոռետեսական տարի (90% հավանականություն)՝ 2075 

Թե որքանով են ճշգրիտ այս կանխատեսումները, իրականում նշանակություն չունի: Կարևորն այն է, որ AI հետազոտական ​​համայնքի ճնշող մեծամասնությունը կարծում է, որ մենք կհայտնենք AGI մեր կյանքի ընթացքում և համեմատաբար վաղ այս դարում: 

Ինչպես կփոխի մարդկությանը արհեստական ​​ընդհանուր ինտելեկտի ստեղծումը

Մենք մանրամասնորեն ուսումնասիրում ենք այս նոր AI-ի ազդեցությունը այս շարքի ամենավերջին գլխում: Այսպիսով, այս գլխի համար մենք կասենք, որ AGI-ի ստեղծումը շատ նման կլինի հասարակության արձագանքին, որը մենք կզգանք, եթե մարդիկ կյանք գտնեն Մարսի վրա: 

Մի ճամբար չի հասկանա դրա նշանակությունը և կշարունակի մտածել, որ գիտնականները մեծ գործ են անում ևս մեկ ավելի հզոր համակարգիչ ստեղծելու համար:

Մեկ այլ ճամբար, որը հավանաբար բաղկացած է լյուդիտներից և կրոնական մտածողությամբ անհատներից, կվախենա այս AGI-ից՝ մտածելով, որ դա զզվելի է, որ կփորձի ոչնչացնել մարդկությանը SkyNet-ի ոճով: Այս ճամբարը ակտիվորեն կպաշտպանի AGI-ները ջնջելու/ոչնչացնելու իրենց բոլոր ձևերով:

Մյուս կողմից, երրորդ ճամբարը այս ստեղծագործությունը կդիտի որպես ժամանակակից հոգևոր իրադարձություն: Կարևոր բոլոր ձևերով այս AGI-ն կյանքի նոր ձև կլինի, որը մտածում է այլ կերպ, քան մենք և որի նպատակները տարբերվում են մեր նպատակներից: Հենց AGI-ի ստեղծման մասին հայտարարվի, մարդիկ այլևս չեն կիսի Երկիրը միայն կենդանիների հետ, այլ նաև արհեստական ​​էակների նոր դասի կողքին, որոնց ինտելեկտը հավասար է կամ գերազանցում է մերին:

Չորրորդ ճամբարը կներառի բիզնես շահեր, ովքեր կուսումնասիրեն, թե ինչպես կարող են օգտագործել AGI-ները տարբեր բիզնես կարիքների համար, ինչպիսիք են աշխատաշուկայում բացերը լրացնելը և նոր ապրանքների և ծառայությունների զարգացումը արագացնելը:

Հաջորդը, մենք ունենք ներկայացուցիչներ իշխանության բոլոր մակարդակներից, ովքեր կսայթաքեն իրենց վրա՝ փորձելով հասկանալ, թե ինչպես կարգավորել AGI-ները: Սա այն մակարդակն է, որտեղ բոլոր բարոյախոսական և փիլիսոփայական բանավեճերը կհանգեցնեն գագաթնակետին, մասնավորապես այն մասին, թե արդյոք այդ AGI-ներին վերաբերվել որպես սեփականություն, թե որպես անձ: 

Եվ վերջապես, վերջին ճամբարը լինելու են ռազմական և ազգային անվտանգության մարմինները։ Իրականում, մեծ հավանականություն կա, որ առաջին AGI-ի հրապարակային հայտարարությունը կարող է հետաձգվել ամիսներով կամ տարիներով միայն այս ճամբարի պատճառով: Ինչո՞ւ։ Քանի որ AGI-ի գյուտը կարճ ժամանակում կհանգեցնի արհեստական ​​գերհետախուզության (ASI) ստեղծմանը, որը կներկայացնի հսկայական աշխարհաքաղաքական վտանգ և միջուկային ռումբի գյուտը շատ գերազանցող հնարավորություն: 

Այդ իսկ պատճառով, հաջորդ մի քանի գլուխները ամբողջությամբ կկենտրոնանան ASI-ների թեմայի վրա և արդյոք մարդկությունը գոյատևելու է իր գյուտից հետո:

(Չափազանց դրամատիկ միջոց գլուխն ավարտելու համար: Դուք բեչա):

Արհեստական ​​ինտելեկտի ապագան

Արհեստական ​​ինտելեկտը վաղվա էլեկտրականությունն է. Արհեստական ​​ինտելեկտի ապագան P1

Ինչպես ենք մենք ստեղծելու առաջին Արհեստական ​​Գերհետախուզությունը. Արհեստական ​​ինտելեկտի ապագան P3 

Արդյո՞ք արհեստական ​​գերհետախուզությունը կկործանի մարդկությանը: Արհեստական ​​ինտելեկտի ապագան P4

Ինչպես են մարդիկ պաշտպանվելու արհեստական ​​գերինտելեկտից. Արհեստական ​​ինտելեկտի ապագան P5

Արդյո՞ք մարդիկ խաղաղ կապրեն արհեստական ​​ինտելեկտի գերիշխող ապագայում: Արհեստական ​​ինտելեկտի ապագան P6