ആദ്യത്തെ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് സമൂഹത്തെ എങ്ങനെ മാറ്റും: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P2

ഞങ്ങൾ പിരമിഡുകൾ നിർമ്മിച്ചു. വൈദ്യുതി ഉപയോഗിക്കാൻ ഞങ്ങൾ പഠിച്ചു. മഹാവിസ്ഫോടനത്തിന് ശേഷം (മിക്കവാറും) നമ്മുടെ പ്രപഞ്ചം എങ്ങനെ രൂപപ്പെട്ടുവെന്ന് ഞങ്ങൾ മനസ്സിലാക്കുന്നു. തീർച്ചയായും, ക്ലീഷേ ഉദാഹരണം, ഞങ്ങൾ ഒരു മനുഷ്യനെ ചന്ദ്രനിൽ കയറ്റി. എന്നിരുന്നാലും, ഈ നേട്ടങ്ങളെല്ലാം ഉണ്ടായിരുന്നിട്ടും, മനുഷ്യ മസ്തിഷ്കം ആധുനിക ശാസ്ത്രത്തിന്റെ ഗ്രാഹ്യത്തിന് പുറത്താണ്, സ്ഥിരസ്ഥിതിയായി, അറിയപ്പെടുന്ന പ്രപഞ്ചത്തിലെ ഏറ്റവും സങ്കീർണ്ണമായ വസ്തുവാണ്-അല്ലെങ്കിൽ അതിനെക്കുറിച്ചുള്ള നമ്മുടെ ധാരണയെങ്കിലും.

ഈ യാഥാർത്ഥ്യം കണക്കിലെടുക്കുമ്പോൾ, മനുഷ്യർക്ക് തുല്യമായ ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) നമ്മൾ ഇതുവരെ നിർമ്മിച്ചിട്ടില്ല എന്നത് ഞെട്ടിക്കുന്ന കാര്യമല്ല. ഡാറ്റ (സ്റ്റാർ ട്രെക്ക്), റേച്ചൽ (ബ്ലേഡ് റണ്ണർ), ഡേവിഡ് (പ്രൊമിത്യൂസ്), അല്ലെങ്കിൽ സാമന്ത (അവളുടെ), TARS (ഇന്റർസ്റ്റെല്ലാർ) പോലെയുള്ള മനുഷ്യത്വമില്ലാത്ത AI, ഇവയെല്ലാം AI വികസനത്തിലെ അടുത്ത വലിയ നാഴികക്കല്ലിന്റെ ഉദാഹരണങ്ങളാണ്: ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് (എജിഐ, ചിലപ്പോൾ HLMI അല്ലെങ്കിൽ ഹ്യൂമൻ ലെവൽ മെഷീൻ ഇന്റലിജൻസ് എന്നും അറിയപ്പെടുന്നു). 

മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, AI ഗവേഷകർ നേരിടുന്ന വെല്ലുവിളി ഇതാണ്: നമ്മുടെ സ്വന്തം മനസ്സ് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിനെക്കുറിച്ച് പൂർണ്ണമായ ധാരണ പോലുമില്ലാത്തപ്പോൾ നമ്മുടേതുമായി താരതമ്യപ്പെടുത്താവുന്ന ഒരു കൃത്രിമ മനസ്സ് എങ്ങനെ നിർമ്മിക്കാനാകും?

ഭാവിയിലെ AGI-കൾക്കെതിരെ മനുഷ്യർ എങ്ങനെ അണിനിരക്കും എന്നതിനോടൊപ്പം ഈ ചോദ്യവും ഞങ്ങൾ പര്യവേക്ഷണം ചെയ്യും, അവസാനം, ആദ്യത്തെ AGI ലോകത്തിന് മുന്നിൽ പ്രഖ്യാപിക്കപ്പെട്ടതിന്റെ പിറ്റേന്ന് സമൂഹം എങ്ങനെ മാറും. 

എന്താണ് ഒരു ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ്?

ചെസ്സ്, ജിയോപാർഡി, ഗോ എന്നിവയിൽ മികച്ച റാങ്കിലുള്ള കളിക്കാരെ തോൽപ്പിക്കാൻ കഴിയുന്ന ഒരു AI രൂപകൽപ്പന ചെയ്യുക, എളുപ്പത്തിൽ (ആഴമുള്ള നീല, വാട്സൺ, ഒപ്പം ആൽഫാഗോ യഥാക്രമം). ഏത് ചോദ്യത്തിനും നിങ്ങൾക്ക് ഉത്തരം നൽകാൻ കഴിയുന്ന ഒരു AI രൂപകൽപന ചെയ്യുക, നിങ്ങൾ വാങ്ങാൻ ആഗ്രഹിക്കുന്ന ഇനങ്ങൾ നിർദ്ദേശിക്കുക, അല്ലെങ്കിൽ റൈഡ് ഷെയർ ടാക്സികളുടെ ഒരു കൂട്ടം നിയന്ത്രിക്കുക-മുഴുവൻ ബില്ല്യൺ ഡോളർ കമ്പനികളും അവയ്ക്ക് ചുറ്റുമാണ് നിർമ്മിച്ചിരിക്കുന്നത് (Google, Amazon, Uber). രാജ്യത്തിന്റെ ഒരു വശത്ത് നിന്ന് മറുവശത്തേക്ക് നിങ്ങളെ നയിക്കാൻ കഴിയുന്ന ഒരു AI പോലും... നന്നായി, ഞങ്ങൾ അതിനായി പ്രവർത്തിക്കുകയാണ്.

എന്നാൽ കുട്ടികളുടെ പുസ്തകം വായിച്ച് അത് പഠിപ്പിക്കാൻ ശ്രമിക്കുന്ന ഉള്ളടക്കം, അർത്ഥം അല്ലെങ്കിൽ ധാർമ്മികത എന്നിവ മനസ്സിലാക്കാൻ AI-യോട് ആവശ്യപ്പെടുക, അല്ലെങ്കിൽ പൂച്ചയുടെയും സീബ്രയുടെയും ചിത്രം തമ്മിലുള്ള വ്യത്യാസം പറയാൻ AI-യോട് ആവശ്യപ്പെടുക, നിങ്ങൾ ചിലതിൽ കൂടുതൽ ഉണ്ടാക്കും. ഷോർട്ട് സർക്യൂട്ടുകൾ. 

പ്രകൃതി ദശലക്ഷക്കണക്കിന് വർഷങ്ങൾ ചിലവഴിച്ച ഒരു കമ്പ്യൂട്ടിംഗ് ഉപകരണം (മസ്തിഷ്കം) വികസിപ്പിച്ചെടുത്തു, അത് പ്രോസസ്സിംഗ്, മനസ്സിലാക്കൽ, പഠിക്കൽ, തുടർന്ന് പുതിയ സാഹചര്യങ്ങളിലും പുതിയ പരിതസ്ഥിതികളിലും പ്രവർത്തിക്കുന്നു. കമ്പ്യൂട്ടർ സയൻസിന്റെ കഴിഞ്ഞ അരനൂറ്റാണ്ടുമായി താരതമ്യം ചെയ്യുക, അവർ രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്ന ഏകവചന ജോലികൾക്ക് അനുയോജ്യമായ കമ്പ്യൂട്ടിംഗ് ഉപകരണങ്ങൾ സൃഷ്ടിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു. 

മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, മനുഷ്യ-കമ്പ്യൂട്ടർ ഒരു സാമാന്യവാദിയാണ്, അതേസമയം കൃത്രിമ കമ്പ്യൂട്ടർ ഒരു സ്പെഷ്യലിസ്റ്റാണ്.

നേരിട്ടുള്ള പ്രോഗ്രാമിംഗിലൂടെയല്ല, അനുഭവത്തിലൂടെ ഒരു മനുഷ്യനെപ്പോലെ കൂടുതൽ ചിന്തിക്കാനും പഠിക്കാനും കഴിയുന്ന ഒരു AI സൃഷ്ടിക്കുക എന്നതാണ് ഒരു എജിഐ സൃഷ്ടിക്കുന്നതിന്റെ ലക്ഷ്യം.

യഥാർത്ഥ ലോകത്ത്, ഇത് ഭാവിയിൽ AGI എങ്ങനെ വായിക്കാം, എഴുതാം, തമാശ പറയുക, അല്ലെങ്കിൽ നടക്കുക, ഓടുക, ഓടിക്കുക എന്നിവ പഠിക്കുക, ലോകത്തിലെ സ്വന്തം അനുഭവത്തിലൂടെ (ഏത് ശരീരം ഉപയോഗിച്ച് അല്ലെങ്കിൽ നാം അതിന് നൽകുന്ന സെൻസറി അവയവങ്ങൾ/ഉപകരണങ്ങൾ), കൂടാതെ സ്വന്തം ഇടപെടലിലൂടെ മറ്റ് AI-യും മറ്റ് മനുഷ്യരും.

ഒരു ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് നിർമ്മിക്കാൻ എന്ത് എടുക്കും

സാങ്കേതികമായി ബുദ്ധിമുട്ടാണെങ്കിലും, ഒരു എജിഐ സൃഷ്ടിക്കുന്നത് സാധ്യമായിരിക്കണം. വസ്തുതയാണെങ്കിൽ, ഭൗതികശാസ്ത്ര നിയമങ്ങൾക്കുള്ളിൽ ആഴത്തിലുള്ള ഒരു സ്വത്ത് ഉണ്ട്-കമ്പ്യൂട്ടേഷന്റെ സാർവത്രികത-അത് അടിസ്ഥാനപരമായി ഒരു ഭൗതിക വസ്തുവിന് ചെയ്യാൻ കഴിയുന്ന എല്ലാ കാര്യങ്ങളും പറയുന്നു, മതിയായ ശക്തമായ, പൊതു-ഉദ്ദേശ്യ കമ്പ്യൂട്ടറിന് തത്വത്തിൽ, പകർത്താൻ/അനുകരിക്കാൻ കഴിയണം.

എന്നിട്ടും, ഇത് തന്ത്രപരമാണ്.

ഭാഗ്യവശാൽ, ഈ കേസിൽ ധാരാളം ബുദ്ധിമാനായ AI ഗവേഷകർ ഉണ്ട് (അവരെ പിന്തുണയ്ക്കുന്ന ധാരാളം കോർപ്പറേറ്റ്, സർക്കാർ, സൈനിക ഫണ്ടിംഗ് പരാമർശിക്കേണ്ടതില്ല), ഇതുവരെ, അവർ പരിഹരിക്കുന്നതിന് ആവശ്യമായ മൂന്ന് പ്രധാന ചേരുവകൾ തിരിച്ചറിഞ്ഞിട്ടുണ്ട്. നമ്മുടെ ലോകത്തേക്ക് എജിഐ.

വലിയ ഡാറ്റ. AI വികസനത്തിനായുള്ള ഏറ്റവും സാധാരണമായ സമീപനം ഡീപ് ലേണിംഗ് എന്ന് വിളിക്കുന്ന ഒരു സാങ്കേതികത ഉൾക്കൊള്ളുന്നു - ഭീമാകാരമായ അളവിലുള്ള ഡാറ്റ വർദ്ധിപ്പിച്ച് പ്രവർത്തിക്കുന്ന ഒരു പ്രത്യേക തരം മെഷീൻ ലേണിംഗ് സിസ്റ്റം, സിമുലേറ്റഡ് ന്യൂറോണുകളുടെ ഒരു ശൃംഖലയിൽ (മനുഷ്യ മസ്തിഷ്കത്തിന്റെ മാതൃകയിൽ) പറഞ്ഞ ഡാറ്റ ക്രഞ്ചിംഗ് ചെയ്തുകൊണ്ട് പ്രവർത്തിക്കുന്നു. സ്വന്തം സ്ഥിതിവിവരക്കണക്കുകൾ പ്രോഗ്രാം ചെയ്യാൻ കണ്ടെത്തലുകൾ ഉപയോഗിക്കുക. ആഴത്തിലുള്ള പഠനത്തെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ഇത് വായിക്കുക.

ഉദാഹരണത്തിന്, 2017 ലെ, ഗൂഗിൾ അതിന്റെ AI- യ്ക്ക് പൂച്ചകളുടെ ആയിരക്കണക്കിന് ചിത്രങ്ങൾ നൽകി, അതിന്റെ ആഴത്തിലുള്ള പഠന സംവിധാനം ഒരു പൂച്ചയെ എങ്ങനെ തിരിച്ചറിയാമെന്ന് മാത്രമല്ല, വ്യത്യസ്ത പൂച്ചകളെ വേർതിരിച്ചറിയാൻ ഉപയോഗിച്ചു. അധികം താമസിയാതെ, വരാനിരിക്കുന്ന റിലീസ് അവർ പ്രഖ്യാപിച്ചു Google ലെൻസ്, ഏതൊരു കാര്യത്തിന്റെയും ചിത്രമെടുക്കാൻ ഉപയോക്താക്കളെ അനുവദിക്കുന്ന ഒരു പുതിയ തിരയൽ ആപ്പ്, അത് എന്താണെന്ന് Google നിങ്ങളോട് പറയുക മാത്രമല്ല, അത് വിവരിക്കുന്ന ഉപയോഗപ്രദമായ ചില സന്ദർഭോചിതമായ ഉള്ളടക്കം വാഗ്ദാനം ചെയ്യുകയും ചെയ്യും—യാത്രയ്‌ക്ക് സൗകര്യപ്രദമാണ്, കൂടാതെ ഒരു പ്രത്യേക വിനോദസഞ്ചാര ആകർഷണത്തെക്കുറിച്ച് കൂടുതലറിയാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നു. എന്നാൽ ഇവിടെയും ഗൂഗിൾ ലെൻസ് അതിന്റെ ഇമേജ് സെർച്ച് എഞ്ചിനിൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന കോടിക്കണക്കിന് ചിത്രങ്ങൾ ഇല്ലാതെ സാധ്യമല്ല.

എന്നിട്ടും, ഈ വലിയ ഡാറ്റയും ആഴത്തിലുള്ള പഠന കോമ്പോയും ഒരു എജിഐ കൊണ്ടുവരാൻ പര്യാപ്തമല്ല.

മികച്ച അൽഗോരിതങ്ങൾ. കഴിഞ്ഞ ദശകത്തിൽ, ഗൂഗിൾ സബ്‌സിഡിയറിയും AI സ്‌പെയ്‌സിലെ ലീഡറുമായ DeepMind, ആഴത്തിലുള്ള പഠനത്തിന്റെ ശക്തിയും റൈൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗും സംയോജിപ്പിച്ച് ഒരു സ്‌പ്ലഷ് സൃഷ്‌ടിച്ചു-ഒരു കോംപ്ലിമെന്ററി മെഷീൻ ലേണിംഗ് സമീപനം പുതിയ പരിതസ്ഥിതികളിൽ എങ്ങനെ പ്രവർത്തിക്കണമെന്ന് AI-യെ പഠിപ്പിക്കാൻ ലക്ഷ്യമിടുന്നു. ഒരു നിശ്ചിത ലക്ഷ്യം.

ഈ ഹൈബ്രിഡ് തന്ത്രത്തിന് നന്ദി, DeepMind-ന്റെ പ്രീമിയർ AI, AlphaGo, നിയമങ്ങൾ ഡൗൺലോഡ് ചെയ്തും മാസ്റ്റർ ഹ്യൂമൻ കളിക്കാരുടെ തന്ത്രങ്ങൾ പഠിച്ചും ആൽഫാഗോ കളിക്കുന്നത് എങ്ങനെയെന്ന് സ്വയം പഠിപ്പിക്കുക മാത്രമല്ല, ദശലക്ഷക്കണക്കിന് തവണ തനിക്കെതിരെ കളിച്ചതിന് ശേഷം മികച്ച ആൽഫാഗോ കളിക്കാരെ പരാജയപ്പെടുത്താനും കഴിഞ്ഞു. ഗെയിമിൽ ഇതുവരെ കണ്ടിട്ടില്ലാത്ത നീക്കങ്ങളും തന്ത്രങ്ങളും ഉപയോഗിച്ച്. 

അതുപോലെ, DeepMind-ന്റെ Atari സോഫ്‌റ്റ്‌വെയർ പരീക്ഷണത്തിൽ AI-ക്ക് ഒരു സാധാരണ ഗെയിം സ്‌ക്രീൻ കാണാൻ ക്യാമറ നൽകുകയും ഗെയിം ഓർഡറുകൾ ഇൻപുട്ട് ചെയ്യാനുള്ള (ജോയ്‌സ്റ്റിക്ക് ബട്ടണുകൾ പോലെ) അത് പ്രോഗ്രാമിംഗ് ചെയ്യുകയും അതിന്റെ സ്‌കോർ വർദ്ധിപ്പിക്കുന്നതിനുള്ള ഏക ലക്ഷ്യം നൽകുകയും ചെയ്തു. ഫലം? ദിവസങ്ങൾക്കുള്ളിൽ, എങ്ങനെ കളിക്കാമെന്നും ഡസൻ കണക്കിന് ക്ലാസിക് ആർക്കേഡ് ഗെയിമുകൾ എങ്ങനെ കൈകാര്യം ചെയ്യാമെന്നും അത് സ്വയം പഠിപ്പിച്ചു. 

എന്നാൽ ഈ ആദ്യകാല വിജയങ്ങൾ ആവേശകരമാണെങ്കിലും, പരിഹരിക്കാൻ ചില പ്രധാന വെല്ലുവിളികൾ അവശേഷിക്കുന്നു.

ഒന്ന്, AI ഗവേഷകർ മനുഷ്യരുടെയും മൃഗങ്ങളുടെയും മസ്തിഷ്കത്തിന് അസാധാരണമായ കഴിവുള്ള 'ചങ്കിംഗ്' എന്ന തന്ത്രം AI-യെ പഠിപ്പിക്കാൻ ശ്രമിക്കുന്നു. ലളിതമായി പറഞ്ഞാൽ, പലചരക്ക് സാധനങ്ങൾ വാങ്ങാൻ നിങ്ങൾ പുറത്തുപോകാൻ തീരുമാനിക്കുമ്പോൾ, നിങ്ങളുടെ അന്തിമ ലക്ഷ്യവും (ഒരു അവോക്കാഡോ വാങ്ങൽ) നിങ്ങൾ അത് എങ്ങനെ ചെയ്യുമെന്നതിന്റെ ഒരു ഏകദേശ പദ്ധതിയും (വീട് വിടുക, പലചരക്ക് കട സന്ദർശിക്കുക, വാങ്ങുക) എന്നിവ ദൃശ്യവൽക്കരിക്കാൻ കഴിയും. അവോക്കാഡോ, വീട്ടിലേക്ക് മടങ്ങുക). നിങ്ങൾ ചെയ്യാത്തത് ഓരോ ശ്വാസവും ഓരോ ചുവടും നിങ്ങളുടെ വഴിയിൽ സാധ്യമായ എല്ലാ ആകസ്മികതയും ആസൂത്രണം ചെയ്യുക എന്നതാണ്. പകരം, നിങ്ങൾ എവിടേക്കാണ് പോകേണ്ടത് എന്നതിനെക്കുറിച്ചുള്ള ഒരു ആശയം (ചങ്ക്) നിങ്ങളുടെ മനസ്സിലുണ്ട്, ഒപ്പം നിങ്ങളുടെ യാത്രയെ ഏത് സാഹചര്യത്തിലും പൊരുത്തപ്പെടുത്തുക.

നിങ്ങൾക്ക് പൊതുവായി തോന്നിയേക്കാവുന്നതുപോലെ, ഈ കഴിവ് AI-യെക്കാൾ മനുഷ്യ മസ്തിഷ്കത്തിന് ഇപ്പോഴും ഉള്ള ഒരു പ്രധാന നേട്ടമാണ് - ഇത് മുൻ‌കൂട്ടി എല്ലാ വിശദാംശങ്ങളും അറിയാതെ ഒരു ലക്ഷ്യം സജ്ജീകരിക്കാനും അത് പിന്തുടരാനുമുള്ള അനുയോജ്യതയാണ്. കണ്ടുമുട്ടിയേക്കാം. ഈ വൈദഗ്ദ്ധ്യം മുകളിൽ സൂചിപ്പിച്ച വലിയ ഡാറ്റയുടെ ആവശ്യമില്ലാതെ, കൂടുതൽ കാര്യക്ഷമമായി പഠിക്കാൻ AGI-കളെ പ്രാപ്തമാക്കും.

ഒരു പുസ്തകം വായിക്കുക മാത്രമല്ല, വായിക്കാനുള്ള കഴിവാണ് മറ്റൊരു വെല്ലുവിളി അർത്ഥം മനസ്സിലാക്കുക അല്ലെങ്കിൽ അതിന്റെ പിന്നിലെ സന്ദർഭം. ദീർഘകാലാടിസ്ഥാനത്തിൽ, ഒരു AI-ന് ഒരു പത്ര ലേഖനം വായിക്കുകയും അത് വായിക്കുന്നതിനെക്കുറിച്ചുള്ള ഒരു പുസ്തക റിപ്പോർട്ട് എഴുതുന്നത് പോലെയുള്ള ചോദ്യങ്ങൾക്ക് കൃത്യമായി ഉത്തരം നൽകുകയും ചെയ്യുക എന്നതാണ് ഇവിടെ ലക്ഷ്യം. ഈ കഴിവ് ഒരു AI-യെ അക്കങ്ങളെ തകർക്കുന്ന ഒരു കാൽക്കുലേറ്ററിൽ നിന്ന് അർത്ഥത്തെ തകർക്കുന്ന ഒരു എന്റിറ്റിയിലേക്ക് മാറ്റും.

മൊത്തത്തിൽ, മനുഷ്യ മസ്തിഷ്കത്തെ അനുകരിക്കാൻ കഴിയുന്ന ഒരു സ്വയം-പഠന അൽഗോരിതത്തിലേക്കുള്ള കൂടുതൽ മുന്നേറ്റങ്ങൾ ഒരു എജിഐയുടെ അന്തിമ രൂപീകരണത്തിൽ ഒരു പ്രധാന പങ്ക് വഹിക്കും, എന്നാൽ ഈ പ്രവർത്തനത്തോടൊപ്പം, AI കമ്മ്യൂണിറ്റിക്ക് മികച്ച ഹാർഡ്‌വെയറും ആവശ്യമാണ്.

മികച്ച ഹാർഡ്‌വെയർ. മുകളിൽ വിശദീകരിച്ചിരിക്കുന്ന നിലവിലെ സമീപനങ്ങൾ ഉപയോഗിച്ച്, ഒരു എജിഐ പ്രവർത്തിപ്പിക്കുന്നതിന് ലഭ്യമായ കമ്പ്യൂട്ടിംഗ് പവർ ഞങ്ങൾ ഗൗരവമായി വർദ്ധിപ്പിച്ചതിനുശേഷം മാത്രമേ സാധ്യമാകൂ.

സന്ദർഭത്തിന്, നമ്മൾ മനുഷ്യ മസ്തിഷ്കത്തിന്റെ ചിന്തിക്കാനുള്ള കഴിവ് എടുത്ത് അതിനെ കമ്പ്യൂട്ടേഷണൽ പദങ്ങളാക്കി മാറ്റുകയാണെങ്കിൽ, ഒരു ശരാശരി മനുഷ്യന്റെ മാനസിക ശേഷിയുടെ ഏകദേശ കണക്ക് ഒരു എക്സാഫ്ലോപ്പ് ആണ്, ഇത് 1,000 പെറ്റാഫ്ലോപ്പുകൾക്ക് തുല്യമാണ് ('Flop' എന്നാൽ ഫ്ലോട്ടിംഗ് പോയിന്റ് പ്രവർത്തനങ്ങളെ പ്രതിനിധീകരിക്കുന്നു. രണ്ടാമത്തേത്, കണക്കുകൂട്ടലിന്റെ വേഗത അളക്കുന്നു).

താരതമ്യപ്പെടുത്തുമ്പോൾ, 2018 അവസാനത്തോടെ, ലോകത്തിലെ ഏറ്റവും ശക്തമായ സൂപ്പർ കമ്പ്യൂട്ടർ, ജപ്പാന്റെ AI ബ്രിഡ്ജിംഗ് ക്ലൗഡ് 130 പെറ്റാഫ്ലോപ്പുകളിൽ മുഴങ്ങും, ഒരു എക്സാഫ്ലോപ്പിൽ നിന്ന് വളരെ കുറവാണ്.

ഞങ്ങളുടെ വിവരിച്ചതുപോലെ സൂപ്പർ കമ്പ്യൂട്ടറുകൾ നമ്മുടെ അധ്യായം കമ്പ്യൂട്ടറുകളുടെ ഭാവി സീരീസിൽ, യുഎസും ചൈനയും 2022-ഓടെ സ്വന്തം എക്സാഫ്ലോപ്പ് സൂപ്പർ കമ്പ്യൂട്ടറുകൾ നിർമ്മിക്കാൻ ശ്രമിക്കുന്നു, പക്ഷേ അവ വിജയിച്ചാലും അത് മതിയാകില്ല.

ഈ സൂപ്പർ കമ്പ്യൂട്ടറുകൾ നിരവധി ഡസൻ മെഗാവാട്ട് വൈദ്യുതിയിൽ പ്രവർത്തിക്കുന്നു, നൂറുകണക്കിന് ചതുരശ്ര മീറ്റർ സ്ഥലമെടുക്കുന്നു, കൂടാതെ നിർമ്മിക്കാൻ നൂറുകണക്കിന് ദശലക്ഷം ചിലവാകും. ഒരു മനുഷ്യ മസ്തിഷ്കം ഉപയോഗിക്കുന്നത് വെറും 20 വാട്ട് ശക്തിയാണ്, ഏകദേശം 50 സെന്റീമീറ്റർ ചുറ്റളവിൽ ഒരു തലയോട്ടിയിൽ ഉൾക്കൊള്ളുന്നു, കൂടാതെ നമ്മിൽ ഏഴ് ബില്യൺ ഉണ്ട് (2018). മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, എജിഐകളെ മനുഷ്യരെപ്പോലെ സാധാരണമാക്കണമെങ്കിൽ, കൂടുതൽ സാമ്പത്തികമായി അവയെ എങ്ങനെ സൃഷ്ടിക്കാമെന്ന് നമ്മൾ പഠിക്കേണ്ടതുണ്ട്.

അതിനായി, AI ഗവേഷകർ ഭാവി AI-കളെ ക്വാണ്ടം കമ്പ്യൂട്ടറുകൾ ഉപയോഗിച്ച് പവർ ചെയ്യുന്നത് പരിഗണിക്കാൻ തുടങ്ങിയിരിക്കുന്നു. എന്നതിൽ കൂടുതൽ വിശദമായി വിവരിച്ചിരിക്കുന്നു ക്വാണ്ടം കമ്പ്യൂട്ടറുകൾ ഞങ്ങളുടെ ഫ്യൂച്ചർ ഓഫ് കമ്പ്യൂട്ടർ സീരീസിലെ അധ്യായം, ഈ കമ്പ്യൂട്ടറുകൾ കഴിഞ്ഞ അരനൂറ്റാണ്ടായി ഞങ്ങൾ നിർമ്മിച്ചുകൊണ്ടിരിക്കുന്ന കമ്പ്യൂട്ടറുകളിൽ നിന്ന് അടിസ്ഥാനപരമായി വ്യത്യസ്തമായ രീതിയിലാണ് പ്രവർത്തിക്കുന്നത്. 2030-കളോടെ പൂർണമായിക്കഴിഞ്ഞാൽ, ഒരൊറ്റ ക്വാണ്ടം കമ്പ്യൂട്ടർ 2018-ൽ നിലവിൽ പ്രവർത്തിക്കുന്ന എല്ലാ സൂപ്പർ കമ്പ്യൂട്ടറുകളെയും ആഗോളതലത്തിൽ ഒരുമിച്ച് കണക്കാക്കും. അവ വളരെ ചെറുതും നിലവിലുള്ള സൂപ്പർ കമ്പ്യൂട്ടറുകളേക്കാൾ വളരെ കുറഞ്ഞ ഊർജ്ജം ഉപയോഗിക്കുന്നതുമാണ്. 

ഒരു ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് എങ്ങനെയാണ് മനുഷ്യനെക്കാൾ മികച്ചത്?

മുകളിൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന എല്ലാ വെല്ലുവിളികളും കണ്ടുപിടിക്കപ്പെടുമെന്ന് നമുക്ക് അനുമാനിക്കാം, ആദ്യത്തെ AGI സൃഷ്ടിക്കുന്നതിൽ AI ഗവേഷകർ വിജയം കണ്ടെത്തുന്നു. ഒരു എജിഐ മനസ്സ് നമ്മുടേതിൽ നിന്ന് എങ്ങനെ വ്യത്യസ്തമായിരിക്കും?

ഇത്തരത്തിലുള്ള ചോദ്യത്തിന് ഉത്തരം നൽകാൻ, ഞങ്ങൾ AGI മനസ്സുകളെ മൂന്ന് വിഭാഗങ്ങളായി തരംതിരിക്കേണ്ടതുണ്ട്, ഒരു റോബോട്ട് ബോഡിക്കുള്ളിൽ ജീവിക്കുന്നവ (ഡാറ്റയിൽ നിന്ന് സ്റ്റാർ ട്രെക്), ഒരു ഫിസിക്കൽ ഫോം ഉള്ളവയും എന്നാൽ ഇന്റർനെറ്റ്/ക്ലൗഡുമായി വയർലെസ് ആയി കണക്ട് ചെയ്തിട്ടുള്ളവയും (ഏജൻറ് സ്മിത്ത് നിന്ന് മാട്രിക്സ്) കൂടാതെ പൂർണ്ണമായും കമ്പ്യൂട്ടറിലോ ഓൺലൈനിലോ ജീവിക്കുന്ന ശാരീരിക രൂപം ഇല്ലാത്തവരും (സാമന്തയിൽ നിന്ന് ഗെയിമുകൾ).

ആരംഭിക്കുന്നതിന്, വെബിൽ നിന്ന് ഒറ്റപ്പെട്ട ഒരു റോബോട്ടിക് ബോഡിക്കുള്ളിലെ AGI-കൾ മനുഷ്യ മനസ്സുകളുമായി തുല്യമായി മത്സരിക്കും, എന്നാൽ തിരഞ്ഞെടുത്ത ഗുണങ്ങളോടെ:

• മെമ്മറി: എജിഐയുടെ റോബോട്ടിക് രൂപത്തിന്റെ രൂപകൽപ്പനയെ ആശ്രയിച്ച്, അവയുടെ ഹ്രസ്വകാല മെമ്മറിയും പ്രധാന വിവരങ്ങളുടെ മെമ്മറിയും തീർച്ചയായും മനുഷ്യനെക്കാൾ മികച്ചതായിരിക്കും. എന്നാൽ ദിവസാവസാനം, റോബോട്ടിലേക്ക് എത്ര ഹാർഡ് ഡ്രൈവ് സ്‌പേസ് പാക്ക് ചെയ്യാം എന്നതിന് ഭൗതികമായ ഒരു പരിധിയുണ്ട്, ഞങ്ങൾ അവയെ മനുഷ്യരെപ്പോലെ തോന്നിക്കുന്ന തരത്തിലാണ് രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നത്. ഇക്കാരണത്താൽ, AGI-കളുടെ ദീർഘകാല മെമ്മറി മനുഷ്യനെപ്പോലെ തന്നെ പ്രവർത്തിക്കും, അതിന്റെ ഭാവി പ്രവർത്തനത്തിന് ആവശ്യമില്ലെന്ന് കരുതുന്ന വിവരങ്ങളും ഓർമ്മകളും സജീവമായി മറക്കുന്നു ('ഡിസ്ക് സ്പേസ്' സ്വതന്ത്രമാക്കുന്നതിന്).
• വേഗത: മനുഷ്യ മസ്തിഷ്കത്തിനുള്ളിലെ ന്യൂറോണുകളുടെ പ്രകടനം ഏകദേശം 200 ഹെർട്സ് ആണ്, അതേസമയം ആധുനിക മൈക്രോപ്രൊസസ്സറുകൾ ഗിഗാഹെർട്സ് തലത്തിൽ പ്രവർത്തിക്കുന്നു, അതിനാൽ ന്യൂറോണുകളേക്കാൾ ദശലക്ഷക്കണക്കിന് മടങ്ങ് വേഗതയുണ്ട്. ഇതിനർത്ഥം മനുഷ്യരുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, ഭാവിയിലെ എജിഐകൾ മനുഷ്യരേക്കാൾ വേഗത്തിൽ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുകയും തീരുമാനങ്ങൾ എടുക്കുകയും ചെയ്യും. ശ്രദ്ധിക്കുക, ഈ എജിഐ മനുഷ്യരെക്കാൾ മികച്ചതോ കൂടുതൽ ശരിയായതോ ആയ തീരുമാനങ്ങൾ എടുക്കുമെന്ന് ഇതിനർത്ഥമില്ല, അവർക്ക് വേഗത്തിൽ നിഗമനങ്ങളിൽ എത്തിച്ചേരാനാകും.
• പ്രകടനം: ലളിതമായി പറഞ്ഞാൽ, വിശ്രമമോ ഉറക്കമോ ഇല്ലാതെ ദീർഘനേരം പ്രവർത്തിച്ചാൽ മനുഷ്യ മസ്തിഷ്കം തളർന്നുപോകുന്നു, അങ്ങനെ ചെയ്യുമ്പോൾ, അതിന്റെ മെമ്മറിയും പഠിക്കാനും യുക്തിസഹമാക്കാനുമുള്ള അതിന്റെ കഴിവ് തകരാറിലാകുന്നു. അതേസമയം, എജിഐകൾക്ക്, അവർ പതിവായി റീചാർജ് (വൈദ്യുതി) ലഭിക്കുമെന്ന് കരുതിയാൽ, അവർക്ക് ആ ബലഹീനത ഉണ്ടാകില്ല.
• അപ്‌ഗ്രേഡബിലിറ്റി: ഒരു മനുഷ്യനെ സംബന്ധിച്ചിടത്തോളം, ഒരു പുതിയ ശീലം പഠിക്കാൻ ആഴ്ചകളോളം പരിശീലനം വേണ്ടിവന്നേക്കാം, ഒരു പുതിയ വൈദഗ്ദ്ധ്യം പഠിക്കാൻ മാസങ്ങൾ എടുത്തേക്കാം, ഒരു പുതിയ തൊഴിൽ പഠിക്കാൻ വർഷങ്ങൾ എടുത്തേക്കാം. ഒരു AGI-യെ സംബന്ധിച്ചിടത്തോളം, നിങ്ങളുടെ കമ്പ്യൂട്ടറിന്റെ OS പതിവായി അപ്‌ഡേറ്റ് ചെയ്യുന്നതുപോലെ, അനുഭവത്തിലൂടെയും (മനുഷ്യരെപ്പോലെ) നേരിട്ടുള്ള ഡാറ്റ അപ്‌ലോഡിലൂടെയും പഠിക്കാനുള്ള കഴിവ് അവർക്ക് ഉണ്ടായിരിക്കും. ഈ അപ്‌ഡേറ്റുകൾ വിജ്ഞാന അപ്‌ഗ്രേഡുകൾക്ക് (പുതിയ കഴിവുകൾ) അല്ലെങ്കിൽ AGI-യുടെ ഭൗതിക രൂപത്തിലേക്കുള്ള പ്രകടന അപ്‌ഗ്രേഡുകൾക്ക് ബാധകമാകും. 

അടുത്തതായി, ഫിസിക്കൽ ഫോം ഉള്ളതും എന്നാൽ ഇന്റർനെറ്റ്/ക്ലൗഡുമായി വയർലെസ് ആയി കണക്ട് ചെയ്തിരിക്കുന്നതുമായ AGI-കൾ നോക്കാം. നോൺ-കണക്‌റ്റഡ് എജിഐകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഈ ലെവലിൽ നമുക്ക് കാണാൻ കഴിയുന്ന വ്യത്യാസങ്ങളിൽ ഇവ ഉൾപ്പെടുന്നു:

• മെമ്മറി: ഈ എജിഐകൾക്ക് മുമ്പത്തെ എജിഐ ക്ലാസിന് ഉള്ള എല്ലാ ഹ്രസ്വകാല ഗുണങ്ങളും ഉണ്ടായിരിക്കും, അല്ലാതെ ആവശ്യമുള്ളപ്പോൾ ആക്‌സസ്സുചെയ്യുന്നതിന് ആ ഓർമ്മകൾ ക്ലൗഡിലേക്ക് അപ്‌ലോഡ് ചെയ്യാൻ കഴിയുന്നതിനാൽ അവർക്ക് തികഞ്ഞ ദീർഘകാല മെമ്മറിയിൽ നിന്ന് പ്രയോജനം ലഭിക്കും. വ്യക്തമായും, കുറഞ്ഞ കണക്റ്റിവിറ്റിയുള്ള മേഖലകളിൽ ഈ മെമ്മറി ആക്‌സസ് ചെയ്യാനാകില്ല, എന്നാൽ 2020-കളിലും 2030-കളിലും ലോകമെമ്പാടും കൂടുതൽ ആളുകൾ ഓൺലൈനിൽ വരുമ്പോൾ അത് ആശങ്കാജനകമാകും. കൂടുതൽ വായിക്കുക അധ്യായം ഒന്ന് നമ്മുടെ ഇന്റർനെറ്റിന്റെ ഭാവി പരമ്പര. 
• വേഗത: ഈ എജിഐ നേരിടുന്ന തടസ്സത്തിന്റെ തരത്തെ ആശ്രയിച്ച്, അത് പരിഹരിക്കാൻ സഹായിക്കുന്നതിന് ക്ലൗഡിന്റെ വലിയ കമ്പ്യൂട്ടിംഗ് പവർ ആക്‌സസ് ചെയ്യാൻ അവർക്ക് കഴിയും.
• പ്രകടനം: ബന്ധമില്ലാത്ത എജിഐകളുമായി താരതമ്യം ചെയ്യുമ്പോൾ വ്യത്യാസമില്ല.
• അപ്‌ഗ്രേഡബിലിറ്റി: അപ്‌ഗ്രേഡബിലിറ്റിയുമായി ബന്ധപ്പെട്ട ഈ എജിഐ തമ്മിലുള്ള ഒരേയൊരു വ്യത്യാസം, അപ്‌ഗ്രേഡ് ഡിപ്പോ സന്ദർശിച്ച് പ്ലഗ് ചെയ്യുന്നതിനുപകരം അവർക്ക് തത്സമയം, വയർലെസ് ആയി അപ്‌ഗ്രേഡുകൾ ആക്‌സസ് ചെയ്യാൻ കഴിയും എന്നതാണ്.
• കൂട്ടായത്: മനുഷ്യർ ഭൂമിയിലെ ആധിപത്യ ജീവികളായി മാറിയത് നമ്മൾ ഏറ്റവും വലുതും ശക്തവുമായ മൃഗമായതുകൊണ്ടല്ല, മറിച്ച് ഒരു വൂളി മാമോത്തിനെ വേട്ടയാടുന്നത് മുതൽ അന്താരാഷ്ട്ര ബഹിരാകാശ നിലയം നിർമ്മിക്കുന്നത് വരെ, കൂട്ടായ ലക്ഷ്യങ്ങൾ കൈവരിക്കുന്നതിന് വിവിധ മാർഗങ്ങളിൽ ആശയവിനിമയം നടത്താനും സഹകരിക്കാനും ഞങ്ങൾ പഠിച്ചതുകൊണ്ടാണ്. എജിഐകളുടെ ഒരു സംഘം ഈ സഹകരണം അടുത്ത ഘട്ടത്തിലേക്ക് കൊണ്ടുപോകും. മുകളിൽ ലിസ്റ്റുചെയ്‌തിരിക്കുന്ന എല്ലാ വൈജ്ഞാനിക നേട്ടങ്ങളും കണക്കിലെടുക്കുമ്പോൾ, വ്യക്തിയിലും ദീർഘദൂരങ്ങളിലും വയർലെസ് ആയി ആശയവിനിമയം നടത്താനുള്ള കഴിവുമായി സംയോജിപ്പിച്ചാൽ, ഭാവിയിലെ ഒരു AGI ടീമിന്/ഹൈവ് മനസ്സിന് മനുഷ്യരുടെ ഒരു ടീമിനെക്കാൾ വളരെ കാര്യക്ഷമമായി പ്രോജക്ടുകളെ സൈദ്ധാന്തികമായി നേരിടാൻ കഴിയും. 

അവസാനമായി, AGI യുടെ അവസാന തരം ഫിസിക്കൽ ഫോം ഇല്ലാത്ത പതിപ്പാണ്, ഒരു കമ്പ്യൂട്ടറിനുള്ളിൽ പ്രവർത്തിക്കുന്ന ഒന്ന്, കൂടാതെ അതിന്റെ സ്രഷ്‌ടാക്കൾ നൽകുന്ന പൂർണ്ണ കമ്പ്യൂട്ടിംഗ് പവറിലേക്കും ഓൺലൈൻ ഉറവിടങ്ങളിലേക്കും ആക്‌സസ് ഉണ്ട്. സയൻസ് ഫിക്ഷൻ ഷോകളിലും പുസ്‌തകങ്ങളിലും, ഈ എജിഐകൾ സാധാരണയായി വിദഗ്‌ദ്ധരായ വെർച്വൽ അസിസ്റ്റന്റുമാരുടെ/സുഹൃത്തുക്കളുടെയോ സ്‌പങ്കി ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തിന്റെയോ രൂപമെടുക്കും. എന്നാൽ AGI-യുടെ മറ്റ് രണ്ട് വിഭാഗങ്ങളുമായി താരതമ്യം ചെയ്യുമ്പോൾ, ഈ AI ഇനിപ്പറയുന്ന രീതികളിൽ വ്യത്യാസപ്പെട്ടിരിക്കും;

• വേഗത: അൺലിമിറ്റഡ് (അല്ലെങ്കിൽ, ഹാർഡ്‌വെയറിന്റെ പരിധി വരെയെങ്കിലും ആക്‌സസ് ഉണ്ട്).
• മെമ്മറി: അൺലിമിറ്റഡ്  
• പ്രകടനം: സൂപ്പർകമ്പ്യൂട്ടിംഗ് സെന്ററുകളിലേക്കുള്ള പ്രവേശനത്തിന് നന്ദി, തീരുമാനമെടുക്കൽ ഗുണനിലവാരത്തിൽ വർദ്ധനവ്.
• അപ്‌ഗ്രേഡബിലിറ്റി: സമ്പൂർണ്ണവും, തത്സമയം, കൂടാതെ കോഗ്നിറ്റീവ് അപ്‌ഗ്രേഡുകളുടെ പരിധിയില്ലാത്ത തിരഞ്ഞെടുപ്പും. തീർച്ചയായും, ഈ എജിഐ വിഭാഗത്തിന് ഫിസിക്കൽ റോബോട്ട് ഫോം ഇല്ലാത്തതിനാൽ, അത് പ്രവർത്തിക്കുന്ന സൂപ്പർ കംപ്യൂട്ടറുകളിലേക്കാണ് അപ്‌ഗ്രേഡ് ചെയ്യുന്നതല്ലാതെ അതിന് ലഭ്യമായ ഫിസിക്കൽ അപ്‌ഗ്രേഡുകളുടെ ആവശ്യമില്ല.
• കൂട്ടായത്: മുമ്പത്തെ എജിഐ വിഭാഗത്തിന് സമാനമായി, ശരീരമില്ലാത്ത ഈ എജിഐ അതിന്റെ എജിഐ സഹപ്രവർത്തകരുമായി ഫലപ്രദമായി സഹകരിക്കും. എന്നിരുന്നാലും, അൺലിമിറ്റഡ് കമ്പ്യൂട്ടിംഗ് പവറിലേക്കും ഓൺലൈൻ റിസോഴ്സുകളിലേക്കുള്ള പ്രവേശനത്തിലേക്കും കൂടുതൽ നേരിട്ടുള്ള പ്രവേശനം നൽകുമ്പോൾ, ഈ എജിഐകൾ സാധാരണയായി മൊത്തത്തിലുള്ള എജിഐ കൂട്ടായ്‌മയിൽ നേതൃത്വപരമായ റോളുകൾ ഏറ്റെടുക്കും. 

മനുഷ്യരാശി എപ്പോഴാണ് ആദ്യത്തെ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് സൃഷ്ടിക്കുക?

നിയമാനുസൃതമായ AGI കണ്ടുപിടിക്കുമെന്ന് AI ഗവേഷണ സമൂഹം വിശ്വസിക്കുന്ന തീയതിക്ക് ഒരു നിശ്ചിത തീയതിയും ഇല്ല. എന്നിരുന്നാലും, എ 2013 സർവ്വേ പ്രമുഖ AI ഗവേഷണ ചിന്തകരായ നിക്ക് ബോസ്‌ട്രോമും വിൻസെന്റ് സി മുള്ളറും ചേർന്ന് നടത്തിയ ലോകത്തിലെ ഏറ്റവും മികച്ച AI ഗവേഷകരിൽ 550, സാധ്യമായ മൂന്ന് വർഷങ്ങളിലെ അഭിപ്രായങ്ങളുടെ പരിധി ശരാശരി കണക്കാക്കി:

• ശരാശരി ശുഭപ്രതീക്ഷയുള്ള വർഷം (10% സാധ്യത): 2022
• ശരാശരി റിയലിസ്റ്റിക് വർഷം (50% സാധ്യത): 2040
• മീഡിയൻ പെസിമിസ്റ്റിക് വർഷം (90% സാധ്യത): 2075 

ഈ പ്രവചനങ്ങൾ എത്ര കൃത്യമാണെന്നത് പ്രശ്നമല്ല. നമ്മുടെ ജീവിതകാലത്തും താരതമ്യേന ഈ നൂറ്റാണ്ടിന്റെ തുടക്കത്തിലും ഞങ്ങൾ ഒരു എജിഐ കണ്ടുപിടിക്കുമെന്ന് AI ഗവേഷണ സമൂഹത്തിലെ ബഹുഭൂരിപക്ഷവും വിശ്വസിക്കുന്നു എന്നതാണ് പ്രധാന കാര്യം. 

ഒരു ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് സൃഷ്ടിക്കുന്നത് എങ്ങനെ മനുഷ്യത്വത്തെ മാറ്റും

ഈ പരമ്പരയുടെ അവസാന അധ്യായത്തിലുടനീളം ഈ പുതിയ AI-യുടെ സ്വാധീനം ഞങ്ങൾ വിശദമായി പര്യവേക്ഷണം ചെയ്യുന്നു. അതായത്, ഈ അധ്യായത്തിൽ, ഒരു എജിഐയുടെ സൃഷ്ടി മനുഷ്യൻ ചൊവ്വയിൽ ജീവൻ കണ്ടെത്തിയാൽ നമ്മൾ അനുഭവിക്കുന്ന സാമൂഹിക പ്രതികരണത്തിന് സമാനമായിരിക്കും എന്ന് ഞങ്ങൾ പറയും. 

ഒരു ക്യാമ്പിന് പ്രാധാന്യം മനസ്സിലാകില്ല, കൂടുതൽ ശക്തമായ മറ്റൊരു കമ്പ്യൂട്ടർ സൃഷ്ടിക്കുന്നതിനെക്കുറിച്ച് ശാസ്ത്രജ്ഞർ വലിയ ഇടപാട് നടത്തുകയാണെന്ന് ചിന്തിക്കുകയും ചെയ്യും.

ലുദ്ദിറ്റുകളും മത ചിന്താഗതിക്കാരായ വ്യക്തികളും ഉൾപ്പെടുന്ന മറ്റൊരു ക്യാമ്പ്, ഈ എജിഐയെ ഭയപ്പെടും, ഇത് മനുഷ്യരാശിയെ സ്കൈനെറ്റ് ശൈലിയിൽ ഉന്മൂലനം ചെയ്യാൻ ശ്രമിക്കുന്ന ഒരു മ്ലേച്ഛതയാണെന്ന് കരുതി. ഈ ക്യാമ്പ് എജിഐകളെ അവയുടെ എല്ലാ രൂപത്തിലും ഇല്ലാതാക്കാൻ/നശിപ്പിക്കാൻ സജീവമായി വാദിക്കും.

മറുവശത്ത്, മൂന്നാമത്തെ ക്യാമ്പ് ഈ സൃഷ്ടിയെ ഒരു ആധുനിക ആത്മീയ സംഭവമായി കാണും. പ്രാധാന്യമുള്ള എല്ലാ വഴികളിലും, ഈ AGI ഒരു പുതിയ ജീവിത രൂപമായിരിക്കും, അത് നമ്മളെക്കാൾ വ്യത്യസ്തമായി ചിന്തിക്കുകയും നമ്മുടെ ലക്ഷ്യങ്ങളേക്കാൾ വ്യത്യസ്തമായ ലക്ഷ്യങ്ങളുള്ളവരുമായിരിക്കും. ഒരു AGI യുടെ സൃഷ്ടി പ്രഖ്യാപിക്കപ്പെട്ടുകഴിഞ്ഞാൽ, മനുഷ്യർ ഇനി ഭൂമിയെ വെറും മൃഗങ്ങളുമായി പങ്കിടില്ല, മാത്രമല്ല ബുദ്ധിശക്തി നമ്മുടേതിന് തുല്യമോ ഉയർന്നതോ ആയ ഒരു പുതിയ തരം കൃത്രിമ ജീവികൾക്കൊപ്പം.

തൊഴിൽ വിപണിയിലെ വിടവുകൾ നികത്തുക, പുതിയ ചരക്കുകളുടെയും സേവനങ്ങളുടെയും വികസനം ത്വരിതപ്പെടുത്തൽ തുടങ്ങിയ വിവിധ ബിസിനസ് ആവശ്യങ്ങൾ പരിഹരിക്കാൻ എജിഐകൾ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് അന്വേഷിക്കുന്ന ബിസിനസ്സ് താൽപ്പര്യങ്ങൾ നാലാമത്തെ ക്യാമ്പിൽ ഉൾപ്പെടും.

അടുത്തതായി, എജിഐകളെ എങ്ങനെ നിയന്ത്രിക്കാമെന്ന് മനസിലാക്കാൻ ശ്രമിക്കുന്ന ഗവൺമെന്റിന്റെ എല്ലാ തലങ്ങളിൽ നിന്നുമുള്ള പ്രതിനിധികൾ ഞങ്ങൾക്ക് ഉണ്ട്. എല്ലാ ധാർമ്മികവും ദാർശനികവുമായ സംവാദങ്ങൾ തലപൊക്കുന്ന തലമാണിത്, പ്രത്യേകിച്ചും ഈ എജിഐകളെ സ്വത്തായി കണക്കാക്കണോ അതോ വ്യക്തികളായി കണക്കാക്കണോ എന്നതിനെ ചുറ്റിപ്പറ്റിയാണ്. 

അവസാനമായി, സൈനിക, ദേശീയ സുരക്ഷാ ഏജൻസികളായിരിക്കും അവസാന ക്യാമ്പ്. സത്യത്തിൽ, ഈ ക്യാമ്പ് കാരണം മാത്രം ആദ്യത്തെ എജിഐയുടെ പൊതു പ്രഖ്യാപനം മാസങ്ങളും വർഷങ്ങളും വൈകിയേക്കാം. എന്തുകൊണ്ട്? കാരണം, ഒരു എജിഐയുടെ കണ്ടുപിടുത്തം, ഒരു കൃത്രിമ സൂപ്പർ ഇന്റലിജൻസ് (എഎസ്ഐ) സൃഷ്ടിക്കുന്നതിലേക്ക് നയിക്കും, അത് വൻ ഭൗമരാഷ്ട്രീയ ഭീഷണിയെയും അണുബോംബിന്റെ കണ്ടുപിടുത്തത്തെ മറികടക്കുന്ന അവസരത്തെയും പ്രതിനിധീകരിക്കും. 

ഇക്കാരണത്താൽ, അടുത്ത കുറച്ച് അധ്യായങ്ങൾ എഎസ്‌ഐകളുടെ വിഷയത്തിലും അതിന്റെ കണ്ടുപിടുത്തത്തിന് ശേഷം മനുഷ്യത്വം നിലനിൽക്കുമോ എന്നതിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കും.

(ഒരു അധ്യായം അവസാനിപ്പിക്കാനുള്ള അമിത നാടകീയമായ വഴിയോ? നിങ്ങൾ വാതുവെയ്ക്കുക.)

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പരമ്പരയുടെ ഭാവി

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് നാളത്തെ വൈദ്യുതിയാണ്: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P1

ഞങ്ങൾ എങ്ങനെ ആദ്യത്തെ കൃത്രിമ സൂപ്പർ ഇന്റലിജൻസ് സൃഷ്ടിക്കും: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P3 

ഒരു കൃത്രിമ സൂപ്പർ ഇന്റലിജൻസ് മനുഷ്യരാശിയെ ഉന്മൂലനം ചെയ്യുമോ? ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P4

ഒരു ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇന്റലിജൻസിനെതിരെ മനുഷ്യർ എങ്ങനെ പ്രതിരോധിക്കും: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P5

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ആധിപത്യമുള്ള ഭാവിയിൽ മനുഷ്യർ സമാധാനത്തോടെ ജീവിക്കുമോ? ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഭാവി P6