クォンタムラン

画像クレジット: クォンタムラン

初の汎用人工知能が社会をどう変えるか：人工知能の未来 P2

David Tal、出版社、未来派
@DavidTalWrites
LinkedIn

火、09 / 15 / 2020 - 13：08

私たちはピラミッドを作りました。私たちは電気を利用することを学びました。私たちは、ビッグバンの後に宇宙がどのように形成されたかを理解しています (ほとんど)。そしてもちろん、ありきたりな例ですが、月に人を送り込みました。しかし、これらすべての成果にもかかわらず、人間の脳は現代科学の理解のはるか外側にあり、デフォルトでは、既知の宇宙で最も複雑なオブジェクトであり、少なくとも私たちの理解では.

この現実を考えると、人間と同等の人工知能 (AI) がまだ構築されていないことはまったく驚くべきことではありません。データ (スタートレック)、レイチェル (ブレードランナー)、デビッド (プロメテウス) のような AI、またはサマンサ (彼女) や TARS (インターステラー) のような非人型 AI はすべて、AI 開発における次の大きなマイルストーンの例です。汎用人工知能（AGI、 HLMI またはヒューマンレベルマシンインテリジェンスと呼ばれることもあります。).

言い換えれば、AI 研究者が直面している課題は、自分の心がどのように機能するかを完全に理解していない場合に、どうすれば自分自身に匹敵する人工の心を構築できるかということです。

私たちはこの問題を、将来の AGI に対して人間がどのように立ち向かうか、そして最後に、最初の AGI が世界に発表された翌日に社会がどのように変化するかについて考察します。

汎用人工知能とは？

チェス、ジェパディ、囲碁でトップランクのプレイヤーに勝てる AI を簡単に設計 (Deep Blue, ワトソン, AlphaGO それぞれ）。あらゆる質問への回答を提供したり、購入したい商品を提案したり、ライドシェアタクシーを管理したりできる AI を設計します。数十億ドル規模の企業全体が AI を中心に構築されています (Google、Amazon、Uber)。国の片側から反対側にあなたを運転できる AI でさえ...まあ、私たちはそれに取り組んでいます。

しかし、AI に児童書を読んで教えようとしている内容、意味、または道徳を理解するように頼んだり、AI に猫の絵とシマウマの絵の違いを教えてもらったりすると、最終的にいくつかの失敗を引き起こすことになります。短絡。

自然は何百万年もかけて、処理、理解、学習、そして新しい状況や新しい環境での行動に優れたコンピューティングデバイス (脳) を進化させてきました。それを、設計された特異なタスクに合わせて調整されたコンピューティングデバイスの作成に焦点を当てたコンピューターサイエンスの過去半世紀と比較してください。

言い換えれば、人間コンピューターはゼネラリストであり、人工コンピューターは専門家です。

AGI を作成する目的は、直接プログラミングではなく経験を通じて、より人間のように考えて学習できる AI を作成することです。

現実の世界では、これは将来の AGI が読み書き、冗談を言う方法、または歩いたり、走ったり、自転車に乗ったりする方法を、世界での独自の経験を通じて (体や私たちが与える感覚器官/デバイス)、およびそれ自体の相互作用を通じて、他の AI および他の人間。

汎用人工知能を構築するために必要なこと

技術的には難しいですが、AGI を作成できる必要があります。実際、物理法則の奥深くに保持されている特性 (計算の普遍性) が存在する場合、基本的に物理オブジェクトが実行できるすべてのことを示しており、十分に強力な汎用コンピューターは、原則として、コピー/シミュレートできる必要があります。

それでも、それはトリッキーです。

ありがたいことに、この件には多くの賢明な AI 研究者がいて (彼らを支援する多くの企業、政府、軍の資金は言うまでもありません)、彼らはこれまでのところ、解決する必要があると思われる XNUMX つの重要な要素を特定しました。私たちの世界へのAGI。

ビッグデータ. AI 開発への最も一般的なアプローチには、ディープラーニングと呼ばれる手法が含まれます。これは、膨大な量のデータを丸呑みし、シミュレートされたニューロン (人間の脳をモデルにしたもの) のネットワークでそのデータをクランチすることによって機能する特定のタイプの機械学習システムです。調査結果を使用して、独自の洞察をプログラムします。 ディープラーニングの詳細については、 これを読んで.

たとえば、 in 2017、Google はその AI に何千もの猫の画像を与え、そのディープラーニングシステムは猫を識別する方法だけでなく、さまざまな猫の品種を区別する方法を学習するために使用されました。その後まもなく、彼らは次のリリースを発表しました Googleレンズ、ユーザーが何かの写真を撮ることができる新しい検索アプリで、Googleはそれが何であるかを教えてくれるだけでなく、それを説明する便利なコンテキストコンテンツを提供します.旅行中に便利で、特定の観光名所についてもっと知りたい. しかし、ここでも、Google レンズは、現在その画像検索エンジンにリストされている数十億の画像なしでは実現できません。

それでも、このビッグデータとディープラーニングの組み合わせだけでは、AGI を実現するにはまだ不十分です。

より良いアルゴリズム. 過去 XNUMX 年間、Google の子会社であり AI 分野のリーダーである DeepMind は、ディープラーニングの強みと強化学習を組み合わせることで注目を集めました。これは、AI に新しい環境でアクションを実行する方法を教えることを目的とした補完的な機械学習アプローチであり、達成することを目的としています。設定された目標。

このハイブリッド戦術のおかげで、DeepMind のプレミア AI である AlphaGo は、ルールをダウンロードして熟練した人間のプレーヤーの戦略を研究することで AlphaGo の遊び方を学習しただけでなく、自分自身と何百万回も対戦した後、最高の AlphaGo プレーヤーを打ち負かすことができました。ゲームでこれまで見たことのない動きと戦略を使用します。

同様に、DeepMind の Atari ソフトウェアの実験では、AI に典型的なゲーム画面を表示するカメラを与え、ゲーム命令 (ジョイスティックボタンなど) を入力する機能を AI にプログラミングし、スコアを上げるという唯一の目標を与えました。結果？数日のうちに、何十もの古典的なアーケードゲームのプレイ方法とマスター方法を学習しました。

しかし、これらの初期の成功は刺激的ですが、解決すべき重要な課題がいくつか残っています。

たとえば、AI 研究者は、人間や動物の脳が非常に得意とする「チャンキング」と呼ばれるトリックを AI に教えようと取り組んでいます。簡単に言えば、食料品を買いに行くと決めたとき、最終目標 (アボカドを買う) とそれをどのように行うか (家を出る、食料品店に行く、買い物をする) の大まかな計画を視覚化することができます。アボカド、家に帰る）。あなたがしないのは、そこに向かう途中のすべての呼吸、すべてのステップ、すべての可能な偶発的な計画です. 代わりに、どこに行きたいかというコンセプト (チャンク) を心の中に持ち、どんな状況でも旅行を適応させます。

当たり前のように感じるかもしれませんが、この能力は、人間の脳がまだ AI よりも優れている重要な利点の XNUMX つです。それは、目標を設定し、事前にすべての詳細を知らなくても、障害や環境の変化にもかかわらず、それを追求できる順応性です。遭遇するかもしれません。このスキルにより、前述のビッグデータを必要とせずに、AGI がより効率的に学習できるようになります。

もう XNUMX つの課題は、本を読むだけでなく、意味を理解するまたはその背後にあるコンテキスト。ここでの長期的な目標は、AI が新聞記事を読み、読んだ内容に関するさまざまな質問に正確に答えられるようにすることです。これは本のレポートを書くようなものです。この能力は、AI を単に数字を計算する電卓から、意味を計算するエンティティに変換します。

全体として、人間の脳を模倣できる自己学習アルゴリズムのさらなる進歩は、最終的に AGI を作成する上で重要な役割を果たしますが、この作業と並行して、AI コミュニティはより優れたハードウェアも必要としています。

より良いハードウェア. 上記で説明した現在のアプローチを使用すると、AGI は、それを実行するために利用できる計算能力を真剣に高めた後にのみ可能になります。

文脈上、人間の脳の思考能力を計算用語に変換すると、平均的な人間の精神的能力の概算は 1,000 エクサフロップであり、これは XNUMX ペタフロップに相当します (「フロップ」は浮動小数点演算を表します。計算速度を測定します)。

対照的に、2018 年末までに、世界で最も強力なスーパーコンピューターである日本の AI ブリッジングクラウド 130エクサフロップには遠く及ばないXNUMXペタフロップスでハミングします。

私たちに概説されているようにスパコン私たちの章コンピュータの未来米国と中国の両方が、2022 年までに独自のエクサフロップスーパーコンピューターの構築に取り組んでいますが、成功したとしても、まだ十分ではない可能性があります。

これらのスーパーコンピューターは、数十メガワットの電力で動作し、数百平方メートルのスペースを占有し、構築に数億の費用がかかります。人間の脳はわずか 20 ワットの電力しか消費せず、周囲約 50 cm の頭蓋骨の内側に収まり、2018 億人がいます (XNUMX 年)。つまり、AGI を人間と同じようにありふれたものにしたいのであれば、より経済的に AGI を作成する方法を学ぶ必要があります。

そのために、AI 研究者は、量子コンピューターで将来の AI を強化することを検討し始めています。で詳しく説明量子コンピュータコンピューターの未来シリーズの章で説明したように、これらのコンピューターは、過去半世紀にわたって私たちが構築してきたコンピューターとは根本的に異なる方法で動作します。 2030 年代までに完成された単一の量子コンピューターは、現在 2018 年に稼働しているすべてのスーパーコンピューターを合わせた計算よりも優れています。それらはまた、現在のスーパーコンピューターよりもはるかに小さくなり、消費するエネルギーもはるかに少なくなります。

汎用人工知能はどのようにして人間よりも優れているのでしょうか?

上記のすべての課題が解決され、AI 研究者が最初の AGI の作成に成功したと仮定しましょう。 AGI の心は私たちの心とどう違うのでしょうか?

この種の質問に答えるには、AGI の心を XNUMX つのカテゴリに分類する必要があります。 Star Trek)、物理的な形をしていますが、インターネット/クラウドにワイヤレスで接続されているもの (エージェントスミスから マトリックス) と完全にコンピューターまたはオンラインに住んでいる物理的な形を持たないもの (Samantha from 彼女).

まず、ウェブから隔離されたロボット本体内の AGI は、人間の心と同等に競争しますが、いくつかの利点があります。

記憶: AGI のロボット形態の設計に応じて、短期記憶と重要な情報の記憶は間違いなく人間よりも優れています。しかし、結局のところ、人間のように見えるように設計されていると仮定すると、ロボットに搭載できるハードドライブ容量には物理的な制限があります。このため、AGI の長期記憶は人間の長期記憶と非常によく似た働きをし、将来の機能に不要と見なされる情報や記憶を積極的に忘れます (「ディスク領域」を解放するため)。
速度: 人間の脳内のニューロンのパフォーマンスは、約 200 ヘルツで最大になりますが、最新のマイクロプロセッサはギガヘルツレベルで実行されるため、ニューロンよりも数百万倍高速です。これは、人間と比較して、将来の AGI が情報を処理し、人間よりも速く意思決定を行うことを意味します。これは必ずしも、この AGI が人間よりも賢明で正しい決定を下すことを意味するわけではなく、より迅速に結論に達することができるということです。
パフォーマンス: 簡単に言えば、人間の脳は、休息や睡眠なしで長時間働きすぎると疲れ、記憶や学習能力、理性が損なわれます。一方、AGI の場合、定期的に充電 (電気) が行われると仮定すると、その弱点はありません。
アップグレード可能性: 人間の場合、新しい習慣の習得には数週間の練習、新しいスキルの習得には数か月、新しい職業の習得には数年かかる場合があります。 AGI の場合、コンピューターの OS を定期的に更新する方法と同様に、経験 (人間のように) と直接のデータアップロードの両方によって学習することができます。これらの更新は、知識のアップグレード (新しいスキル) または AGI の物理的なフォームへのパフォーマンスのアップグレードに適用できます。

次に、物理的な形を持ちながら、インターネット/クラウドにワイヤレスで接続されている AGI を見てみましょう。接続されていない AGI と比較した場合、このレベルで確認できる違いは次のとおりです。

メモリ: これらの AGI には、以前の AGI クラスが持っていたすべての短期的な利点がありますが、必要に応じてそれらのメモリをクラウドにアップロードしてアクセスできるため、完全な長期メモリの恩恵を受けることもできます。明らかに、このメモリは接続性の低い地域ではアクセスできませんが、2020 年代から 2030 年代にかけて世界の多くがオンラインになると、その懸念は少なくなります。続きを読む第一章私たちのインターネットの未来シリーズ。
速度: この AGI が直面する障害の種類に応じて、クラウドのより大きなコンピューティングパワーにアクセスして問題を解決できます。
パフォーマンス: 接続されていない AGI と比較しても違いはありません。
アップグレード可能性: アップグレード可能性に関するこの AGI との唯一の違いは、アップグレードデポにアクセスしてプラグインする代わりに、ワイヤレスでリアルタイムにアップグレードにアクセスできることです。
集団: 人間が地球の支配的な種になったのは、私たちが最大または最強の動物だったからではなく、ケナガマンモスの追跡から国際宇宙ステーションの建設まで、集団の目標を達成するためにさまざまな方法でコミュニケーションを取り、協力する方法を学んだためです。 AGI のチームは、このコラボレーションを次のレベルに引き上げます。上に挙げたすべての認知的利点を考慮し、それをワイヤレスで通信する能力と組み合わせることで、対面でも長距離でも、将来の AGI チーム / 集団精神は、理論的には人間のチームよりもはるかに効率的にプロジェクトに取り組むことができます。

最後に、AGI の最後のタイプは、物理的な形式を持たないバージョンで、コンピューター内で動作し、作成者が提供する完全な計算能力とオンラインリソースにアクセスできます。 SF 番組や本では、これらの AGI は通常、エキスパートの仮想アシスタント/友人、または宇宙船の精巧なオペレーティングシステムの形をとっています。しかし、AGI の他の XNUMX つのカテゴリと比較すると、この AI は次の点で異なります。

速度: 無制限 (または、少なくともアクセスできるハードウェアの制限まで)。
メモリ: 無制限
パフォーマンス: スーパーコンピューティングセンターへのアクセスにより、意思決定の質が向上します。
アップグレード可能性: 絶対的で、リアルタイムで、コグニティブアップグレードを無制限に選択できます。もちろん、この AGI カテゴリには物理的なロボットの形態がないため、動作するスーパーコンピューターに対するアップグレードでない限り、物理的なアップグレードは必要ありません。
集団: 前の AGI カテゴリと同様に、この身体のない AGI は、AGI の同僚と効果的に協力します。ただし、無制限のコンピューティング能力とオンラインリソースへのアクセスへのより直接的なアクセスを考えると、これらの AGI は通常、AGI 集団全体でリーダーシップの役割を果たします。

人類が最初の汎用人工知能を作成するのはいつですか?

AI研究コミュニティが正当なAGIを発明すると信じる時期については、決まった日付はありません。ただし、 2013調査 AI 研究の第一人者である Nick Bostrom と Vincent C. Müller が実施した、世界のトップ AI 研究者 550 人のうち、意見の範囲を平均して XNUMX 年間にまとめました。

楽観的な年の中央値 (可能性 10%): 2022 年
現実的な年の中央値 (50% の可能性): 2040
悲観的な年の中央値 (90% の可能性): 2075

これらの予測がどれほど正確であるかは問題ではありません。重要なのは、AI 研究コミュニティの大多数が、私たちが生きているうちに、今世紀の比較的早い時期に AGI を発明すると信じていることです。

汎用人工知能の作成が人類をどのように変えるか

このシリーズの最終章では、これらの新しい AI の影響について詳しく説明します。とはいえ、この章では、AGI の作成は、人間が火星で生命を見つけた場合に経験する社会的反応と非常によく似ていると言います。

一方の陣営はその重要性を理解せず、科学者がさらに強力なコンピューターをもう XNUMX つ作成することについて大々的に考えていると考え続けるでしょう。

別の陣営はおそらくラッダイトと宗教に関心のある個人で構成されており、この AGI を恐れるだろう. この陣営は、あらゆる形態の AGI を削除/破壊することを積極的に提唱します。

反対に、第 XNUMX 陣営は、この創造を現代のスピリチュアルな出来事と見なします。あらゆる点で、この AGI は新しい形の生命であり、私たちとは異なる考え方をし、私たち自身とは異なる目標を持っています。 AGI の作成が発表されると、人間は地球を動物だけと共有することはなくなり、知性が人間と同等またはそれ以上の新しいクラスの人工生物と共存することになります。

XNUMX番目のキャンプには、労働市場のギャップを埋めたり、新しい商品やサービスの開発を加速するなど、さまざまなビジネスニーズにAGIを使用する方法を調査するビジネス上の関心が含まれます。

次に、政府のあらゆるレベルの代表者が、AGI を規制する方法を理解しようとしてつまずきます。これは、すべての道徳的および哲学的議論が頭に浮かぶレベルであり、特にこれらのAGIを財産として扱うか、人として扱うかについてです。

そして最後に、最後の陣営は軍事および国家安全保障機関になります。実際、最初の AGI の公式発表は、このキャンプだけのために数か月から数年遅れる可能性が十分にあります。なんで？ AGI の発明は、人工超知能 (ASI) の創造にすぐにつながるため、大規模な地政学的脅威と、核爆弾の発明をはるかに超える機会となるでしょう。

このため、次のいくつかの章では、ASI のトピックと、その発明後に人類が生き残るかどうかに完全に焦点を当てます。

(チャプターをあまりにも劇的に終わらせる方法はありますか? 当然でしょう。)