पहिली आर्टिफिशियल जनरल इंटेलिजन्स समाजाला कशी बदलेल: कृत्रिम बुद्धिमत्तेचे भविष्य P2

आम्ही पिरॅमिड बांधले आहेत. आम्ही वीज वापरायला शिकलो. बिग बँग (बहुतेक) नंतर आपले विश्व कसे निर्माण झाले हे आपल्याला समजते. आणि अर्थातच, क्लिच उदाहरण, आम्ही चंद्रावर एक माणूस ठेवला आहे. तरीही, या सर्व सिद्धी असूनही, मानवी मेंदू हा आधुनिक विज्ञानाच्या आकलनाच्या बाहेर आहे आणि डीफॉल्टनुसार, ज्ञात विश्वातील सर्वात क्लिष्ट वस्तू आहे-किंवा किमान त्याबद्दलची आपली समज आहे.

ही वस्तुस्थिती लक्षात घेता, आपण अद्याप मानवांच्या बरोबरीने कृत्रिम बुद्धिमत्ता (AI) तयार केलेली नाही हे पूर्णपणे धक्कादायक ठरू नये. डेटा (स्टार ट्रेक), रॅचेल (ब्लेड रनर), आणि डेव्हिड (प्रोमेथियस), किंवा सामंथा (तिच्या) आणि TARS (इंटरस्टेलर) सारखे नॉन-ह्युमनॉइड एआय, ही सर्व AI विकासातील पुढील महान मैलाच्या दगडाची उदाहरणे आहेत: कृत्रिम सामान्य बुद्धिमत्ता (AGI, कधीकधी HLMI किंवा मानवी स्तरावरील मशीन इंटेलिजन्स म्हणून देखील संबोधले जाते). 

दुसऱ्या शब्दांत, एआय संशोधकांसमोरील आव्हान हे आहे की: आपले स्वतःचे मन कसे कार्य करते याची पूर्ण माहिती नसताना आपण आपल्या स्वतःच्या तुलनेत कृत्रिम मन कसे तयार करू शकतो?

भविष्यातील AGI विरुद्ध मानव कसे उभे राहतील आणि शेवटी, पहिल्या AGI जगासमोर जाहीर झाल्यानंतर समाज कसा बदलेल यासह आम्ही या प्रश्नाचे अन्वेषण करू. 

कृत्रिम सामान्य बुद्धिमत्ता म्हणजे काय?

बुद्धिबळ, धोक्यात आणि गो मधील टॉप-रँकिंग खेळाडूंना पराभूत करू शकणारे एआय डिझाइन करा, सोपे (गडद निळा, वॉटसनआणि अल्फागो अनुक्रमे). एआय डिझाइन करा जे तुम्हाला कोणत्याही प्रश्नाची उत्तरे देऊ शकेल, तुम्हाला खरेदी करू इच्छित असलेल्या वस्तू सुचवू शकतील किंवा राइडशेअर टॅक्सींचा ताफा व्यवस्थापित करू शकेल—संपूर्ण अब्जावधी डॉलर्सच्या कंपन्या त्यांच्या आसपास बांधल्या आहेत (Google, Amazon, Uber). अगदी एक AI जे तुम्हाला देशाच्या एका बाजूपासून दुसरीकडे नेऊ शकते... बरं, आम्ही त्यावर काम करत आहोत.

पण एआय ला लहान मुलांचे पुस्तक वाचायला सांगा आणि तो शिकवण्याचा प्रयत्न करत असलेला आशय, अर्थ किंवा नैतिकता समजून घ्यायला सांगा किंवा एआय ला मांजर आणि झेब्राचे चित्र यातील फरक सांगा आणि तुम्हाला काही पेक्षा जास्त परिणाम होतील. शॉर्ट सर्किट. 

निसर्गाने एक संगणकीय उपकरण (मेंदू) विकसित करण्यात लाखो वर्षे घालवली जी प्रक्रिया करणे, समजून घेणे, शिकणे आणि नंतर नवीन परिस्थितींवर आणि नवीन वातावरणात कार्य करणे यात उत्कृष्ट आहे. संगणक विज्ञानाच्या गेल्या अर्ध्या शतकाशी तुलना करा ज्याने संगणकीय उपकरणे तयार करण्यावर लक्ष केंद्रित केले जे ते ज्या एकल कार्यांसाठी डिझाइन केले गेले होते त्यानुसार तयार केले गेले. 

दुसऱ्या शब्दांत, मानव-संगणक एक सामान्यवादी आहे, तर कृत्रिम संगणक एक विशेषज्ञ आहे.

AGI तयार करण्याचे उद्दिष्ट एक AI तयार करणे आहे जे थेट प्रोग्रामिंगच्या ऐवजी अनुभवाद्वारे एखाद्या माणसासारखे विचार करू शकते आणि शिकू शकते.

वास्तविक जगात, याचा अर्थ असा आहे की भविष्यातील एजीआय वाचणे, लिहिणे आणि विनोद कसा सांगायचा किंवा चालणे, चालवणे आणि बाइक चालवणे हे स्वतःच, जगातील स्वतःच्या अनुभवानुसार (कोणत्याही शरीराचा वापर करून किंवा संवेदी अवयव/डिव्हाइस आम्ही ते देतो), आणि त्याच्या स्वत: च्या परस्परसंवादाद्वारे इतर AI आणि इतर मानव.

कृत्रिम सामान्य बुद्धिमत्ता तयार करण्यासाठी काय करावे लागेल

तांत्रिकदृष्ट्या कठीण असताना, एजीआय तयार करणे शक्य असले पाहिजे. वस्तुस्थिती असल्यास, भौतिकशास्त्राच्या नियमांमध्ये सखोलपणे धारण केलेली मालमत्ता आहे-गणनेची सार्वत्रिकता-जे मुळात असे म्हणतात की भौतिक वस्तू जे काही करू शकते, एक पुरेसा शक्तिशाली, सामान्य हेतू असलेला संगणक तत्त्वतः कॉपी/सिम्युलेट करण्यास सक्षम असावा.

आणि तरीही, ते अवघड आहे.

कृतज्ञतापूर्वक, या प्रकरणात बरेच हुशार AI संशोधक आहेत (त्यांना पाठिंबा देणारे बरेच कॉर्पोरेट, सरकारी आणि लष्करी निधीचा उल्लेख करू नका), आणि आतापर्यंत, त्यांनी तीन प्रमुख घटक ओळखले आहेत जे त्यांना सोडवण्यासाठी आवश्यक वाटतात. आमच्या जगात AGI.

मोठी माहिती. एआय डेव्हलपमेंटच्या सर्वात सामान्य दृष्टिकोनामध्ये डीप लर्निंग नावाच्या तंत्राचा समावेश होतो—एक विशिष्ट प्रकारची मशीन लर्निंग सिस्टीम जी मोठ्या प्रमाणावर डेटा कमी करून, सिम्युलेटेड न्यूरॉन्सच्या नेटवर्कमध्ये डेटा क्रंच करून (मानवी मेंदूच्या अनुषंगाने तयार केलेली) आणि नंतर कार्य करते. त्याचे स्वतःचे अंतर्दृष्टी प्रोग्राम करण्यासाठी निष्कर्ष वापरा. सखोल शिक्षणाबद्दल अधिक माहितीसाठी, हे वाच.

उदाहरणार्थ, 2017 मध्ये, Google ने त्याच्या AI मांजरींच्या हजारो प्रतिमा फीड केल्या आहेत ज्याचा वापर त्याच्या सखोल शिक्षण प्रणालीने मांजर कसे ओळखायचे हे शिकण्यासाठीच नाही तर विविध मांजरींच्या जातींमध्ये फरक करणे देखील शिकले आहे. काही काळानंतर, त्यांनी येऊ घातलेल्या प्रकाशनाची घोषणा केली Google Lens, एक नवीन शोध अॅप जे वापरकर्त्यांना कोणत्याही गोष्टीचे चित्र काढू देते आणि Google केवळ ते काय आहे ते सांगणार नाही, तर त्याचे वर्णन करणारी काही उपयुक्त संदर्भ सामग्री ऑफर करते—प्रवास करताना सुलभ आणि तुम्हाला विशिष्ट पर्यटक आकर्षणाबद्दल अधिक जाणून घ्यायचे आहे. परंतु येथे देखील, Google लेन्स सध्या त्याच्या इमेज सर्च इंजिनमध्ये सूचीबद्ध केलेल्या अब्जावधी प्रतिमांशिवाय शक्य होणार नाही.

आणि तरीही, हा मोठा डेटा आणि सखोल शिक्षण कॉम्बो अजूनही एजीआय आणण्यासाठी पुरेसे नाही.

उत्तम अल्गोरिदम. गेल्या दशकात, Google ची उपकंपनी आणि AI स्पेसमधील लीडर, DeepMind ने रीइन्फोर्समेंट लर्निंगसह सखोल शिक्षणाची ताकद एकत्र करून एक स्प्लॅश निर्माण केला—एक प्रशंसापर मशीन लर्निंग दृष्टीकोन ज्याचा उद्देश AI ला नवीन वातावरणात कृती कशी करायची हे शिकवण्याचा आहे. एक निश्चित ध्येय.

या संकरित युक्तीबद्दल धन्यवाद, DeepMind च्या प्रीमियर AI, AlphaGo ने नियम डाउनलोड करून आणि मास्टर मानवी खेळाडूंच्या रणनीतींचा अभ्यास करून अल्फागो कसे खेळायचे हे शिकवलेच नाही, तर लाखो वेळा स्वत: विरुद्ध खेळल्यानंतर सर्वोत्तम अल्फागो खेळाडूंना पराभूत करण्यात सक्षम झाले. गेममध्ये यापूर्वी कधीही न पाहिलेल्या चाली आणि रणनीती वापरणे. 

त्याचप्रमाणे, डीपमाइंडच्या अटारी सॉफ्टवेअर प्रयोगात एआयला सामान्य गेम स्क्रीन पाहण्यासाठी कॅमेरा देणे, गेम ऑर्डर (जॉयस्टिक बटणांसारखे) इनपुट करण्याच्या क्षमतेसह प्रोग्रामिंग करणे आणि त्याचा स्कोअर वाढविण्यासाठी एकवचनी लक्ष्य देणे समाविष्ट होते. निकाल? काही दिवसांत, त्याने स्वतःला कसे खेळायचे आणि डझनभर क्लासिक आर्केड गेम कसे शिकायचे ते शिकवले. 

परंतु ही सुरुवातीची यशे जितकी रोमांचक आहेत तितकीच काही प्रमुख आव्हाने सोडवायची आहेत.

एक तर, AI संशोधक AI ला 'चंकिंग' नावाची युक्ती शिकवण्यावर काम करत आहेत ज्यामध्ये मानवी आणि प्राण्यांचे मेंदू अपवादात्मकपणे चांगले आहेत. सोप्या भाषेत सांगायचे तर, जेव्हा तुम्ही किराणा सामान खरेदी करण्यासाठी बाहेर जाण्याचे ठरवता तेव्हा तुम्ही तुमचे अंतिम ध्येय (एव्होकॅडो खरेदी करणे) आणि ते कसे कराल याची एक ढोबळ योजना कल्पना करू शकता (घर सोडा, किराणा दुकानाला भेट द्या, खरेदी करा. avocado, घरी परत). तुम्ही काय करत नाही ते म्हणजे तुमच्या मार्गावरील प्रत्येक श्वास, प्रत्येक पाऊल, प्रत्येक संभाव्य आकस्मिकतेची योजना करा. त्याऐवजी, तुम्हाला कोठे जायचे आहे याविषयी तुमच्या मनात एक संकल्पना (खंड) आहे आणि तुमच्या सहलीला कोणत्याही परिस्थितीशी जुळवून घ्या.

तुम्हाला वाटेल तितके सामान्य, ही क्षमता मानवी मेंदूला AI पेक्षा अजूनही महत्त्वाच्या फायद्यांपैकी एक आहे - प्रत्येक तपशील आधीपासून जाणून न घेता आणि कोणताही अडथळा किंवा पर्यावरणीय बदल असूनही आम्ही ध्येय निश्चित करणे आणि त्याचा पाठपुरावा करणे ही अनुकूलता आहे. भेटू शकते. हे कौशल्य AGI ला वर नमूद केलेल्या मोठ्या डेटाची आवश्यकता न ठेवता अधिक कार्यक्षमतेने शिकण्यास सक्षम करेल.

आणखी एक आव्हान म्हणजे केवळ पुस्तक वाचण्याची क्षमता नाही अर्थ समजून घ्या किंवा त्यामागील संदर्भ. दीर्घकालीन, AI चे वृत्तपत्रातील लेख वाचणे आणि ते काय वाचले याविषयीच्या अनेक प्रश्नांची अचूक उत्तरे देण्यास सक्षम असणे हे आहे, जसे की पुस्तकाचा अहवाल लिहिणे. ही क्षमता AI चे रूपांतर फक्त एका कॅल्क्युलेटरमधून करेल जे संख्या क्रंच करणार्‍या एंटिटीमध्ये बदलेल जे अर्थ कमी करेल.

एकूणच, मानवी मेंदूची नक्कल करू शकणार्‍या सेल्फ-लर्निंग अल्गोरिदमची पुढील प्रगती एजीआयच्या अंतिम निर्मितीमध्ये महत्त्वाची भूमिका बजावेल, परंतु या कार्यासोबतच, एआय समुदायाला चांगल्या हार्डवेअरचीही गरज आहे.

चांगले हार्डवेअर. वर वर्णन केलेल्या सद्य पद्धतींचा वापर करून, AGI तेव्हाच शक्य होईल जेव्हा आम्ही ते चालवण्यासाठी उपलब्ध संगणकीय शक्तीला गांभीर्याने चालना देऊ.

संदर्भासाठी, जर आपण मानवी मेंदूची विचार करण्याची क्षमता घेतली आणि त्याचे संगणकीय अटींमध्ये रूपांतर केले, तर सरासरी माणसाच्या मानसिक क्षमतेचा अंदाजे अंदाज एक एक्साफ्लॉप आहे, जो 1,000 पेटाफ्लॉप्सच्या समतुल्य आहे ('फ्लॉप' म्हणजे फ्लोटिंग पॉइंट ऑपरेशन्स दुसरा आणि गणनेचा वेग मोजतो).

त्या तुलनेत 2018 च्या अखेरीस जगातील सर्वात शक्तिशाली सुपर कॉम्प्युटर जपानच्या एआय ब्रिजिंग क्लाउड 130 पेटाफ्लॉपवर गुंजेल, एका एक्झाफ्लॉपपेक्षा खूपच कमी.

आमच्या मध्ये वर्णन केल्याप्रमाणे सुपर संगणक आमच्या मध्ये धडा संगणकांचे भविष्य मालिका, यूएस आणि चीन दोघेही 2022 पर्यंत त्यांचे स्वतःचे एक्सफ्लॉप सुपर कॉम्प्युटर तयार करण्यासाठी काम करत आहेत, परंतु जरी ते यशस्वी झाले तरीही ते पुरेसे नसतील.

हे सुपरकॉम्प्युटर अनेक डझन मेगावॅट पॉवरवर चालतात, अनेक शंभर चौरस मीटर जागा घेतात आणि तयार करण्यासाठी अनेक कोटी खर्च येतो. मानवी मेंदू फक्त 20 वॅट पॉवर वापरतो, कवटीच्या आत सुमारे 50 सेमी परिघात बसतो आणि आपल्यापैकी सात अब्ज लोक आहेत (2018). दुसऱ्या शब्दांत सांगायचे तर, जर आम्हाला एजीआय माणसांसारखे सामान्य बनवायचे असेल, तर आम्हाला ते अधिक आर्थिकदृष्ट्या कसे तयार करावे हे शिकण्याची आवश्यकता आहे.

त्यासाठी, AI संशोधक क्वांटम कॉम्प्युटरच्या सहाय्याने भविष्यातील AI ला सक्षम करण्याचा विचार करू लागले आहेत. मध्ये अधिक तपशीलवार वर्णन केले आहे क्वांटम संगणक आमच्या फ्यूचर ऑफ कॉम्प्युटर्स मालिकेतील धडा, हे संगणक आपण गेल्या अर्धशतकापासून तयार करत असलेल्या संगणकांपेक्षा मूलभूतपणे वेगळ्या पद्धतीने कार्य करतात. 2030 पर्यंत परिपूर्ण झाल्यानंतर, एकच क्वांटम संगणक सध्या 2018 मध्ये कार्यरत असलेल्या प्रत्येक सुपरकॉम्प्युटरची, जागतिक पातळीवर एकत्रितपणे गणना करेल. ते खूप लहान असतील आणि सध्याच्या सुपरकॉम्प्युटरपेक्षा खूपच कमी ऊर्जा वापरतील. 

कृत्रिम सामान्य बुद्धिमत्ता माणसापेक्षा श्रेष्ठ कशी असेल?

चला असे गृहीत धरू की वर सूचीबद्ध केलेले प्रत्येक आव्हान शोधून काढले जाते, की AI संशोधकांना प्रथम AGI तयार करण्यात यश मिळते. एजीआय मन आपल्या स्वतःपेक्षा वेगळे कसे असेल?

या प्रकारच्या प्रश्नाचे उत्तर देण्यासाठी, आम्हाला AGI मनांचे तीन श्रेणींमध्ये वर्गीकरण करणे आवश्यक आहे, जे रोबोट बॉडीमध्ये राहतात (वरील डेटा स्टार ट्रेक), ज्यांचे भौतिक स्वरूप आहे परंतु ते इंटरनेट/क्लाउडशी वायरलेस पद्धतीने कनेक्ट केलेले आहेत (एजंट स्मिथ कडून मॅट्रिक्स) आणि भौतिक स्वरूप नसलेले जे संपूर्णपणे संगणकावर किंवा ऑनलाइन राहतात (समंथा पासून खेळ).

प्रारंभ करण्यासाठी, वेबपासून विलग केलेल्या रोबोटिक बॉडीमधील AGI मानवी मनाच्या बरोबरीने स्पर्धा करतील, परंतु निवडक फायद्यांसह:

• मेमरी: एजीआयच्या रोबोटिक स्वरूपाच्या डिझाइनवर अवलंबून, त्यांची अल्पकालीन स्मृती आणि महत्त्वाच्या माहितीची स्मृती निश्चितपणे मानवांपेक्षा श्रेष्ठ असेल. परंतु दिवसाच्या शेवटी, आपण रोबोटमध्ये किती हार्ड ड्राइव्ह जागा पॅक करू शकता याची एक भौतिक मर्यादा आहे, असे गृहीत धरून की आम्ही ते मानवांसारखे दिसण्यासाठी डिझाइन केले आहे. या कारणास्तव, AGIs ची दीर्घकालीन स्मृती मानवांसारखीच कार्य करेल, माहिती आणि आठवणींना सक्रियपणे विसरेल जी त्याच्या भविष्यातील कार्यासाठी अनावश्यक मानली जाते ('डिस्क स्पेस' मोकळी करण्यासाठी).
• वेग: मानवी मेंदूतील न्यूरॉन्सची कार्यक्षमता अंदाजे 200 हर्ट्झ इतकी असते, तर आधुनिक मायक्रोप्रोसेसर गिगाहर्ट्झ पातळीवर चालतात, त्यामुळे न्यूरॉन्सपेक्षा लाखो पटीने वेगवान असतात. याचा अर्थ मानवांच्या तुलनेत, भविष्यातील AGI माहितीवर प्रक्रिया करतील आणि मानवांपेक्षा जलद निर्णय घेतील. लक्षात ठेवा, याचा अर्थ असा नाही की ही AGI मानवांपेक्षा हुशार किंवा अधिक योग्य निर्णय घेईल, फक्त ते लवकर निष्कर्षापर्यंत पोहोचू शकतील.
• कार्यप्रदर्शन: सोप्या भाषेत सांगायचे तर, मानवी मेंदू जर जास्त वेळ विश्रांती किंवा झोप न घेता काम करत असेल तर तो थकतो आणि जेव्हा तो असे करतो तेव्हा त्याची स्मरणशक्ती आणि शिकण्याची आणि तर्क करण्याची क्षमता बिघडते. दरम्यान, AGI साठी, ते नियमितपणे रिचार्ज (वीज) होतात असे गृहीत धरल्यास, त्यांच्यात ती कमजोरी असणार नाही.
• अपग्रेडेबिलिटी: एखाद्या माणसासाठी, नवीन सवय शिकण्यासाठी काही आठवडे सराव लागू शकतात, नवीन कौशल्य शिकण्यासाठी काही महिने लागू शकतात आणि नवीन व्यवसाय शिकण्यासाठी अनेक वर्षे लागू शकतात. AGI साठी, तुम्ही तुमच्या कॉम्प्युटरचे OS नियमितपणे कसे अपडेट करता याप्रमाणे त्यांच्याकडे अनुभवाने (माणसाप्रमाणे) आणि थेट डेटा अपलोड करून शिकण्याची क्षमता असेल. ही अद्यतने ज्ञान सुधारणा (नवीन कौशल्ये) किंवा AGI च्या भौतिक स्वरूपातील कार्यप्रदर्शन सुधारणांना लागू होऊ शकतात. 

पुढे, AGI पाहू या ज्यांचे भौतिक स्वरूप आहे, परंतु ते इंटरनेट/क्लाउडशी वायरलेस पद्धतीने कनेक्ट केलेले आहेत. नॉन-कनेक्टेड एजीआयच्या तुलनेत या पातळीसह आपण जे फरक पाहू शकतो त्यात हे समाविष्ट आहे:

• मेमरी: या AGI मध्ये पूर्वीच्या AGI वर्गाचे सर्व अल्प-मुदतीचे फायदे असतील, त्याशिवाय त्यांना परिपूर्ण दीर्घकालीन स्मृतीचाही फायदा होईल कारण ते आवश्यकतेनुसार प्रवेश करण्यासाठी त्या मेमरी क्लाउडवर अपलोड करू शकतात. साहजिकच, ही मेमरी कमी कनेक्टिव्हिटी असलेल्या भागात प्रवेश करण्यायोग्य होणार नाही, परंतु 2020 आणि 2030 च्या दशकात जेव्हा अधिक जग ऑनलाइन येईल तेव्हा ते कमी चिंतेचे होईल. मध्ये अधिक वाचा धडा पहिला, पहिला धडा आमचे इंटरनेटचे भविष्य मालिका. 
• वेग: या AGI ला कोणत्या प्रकारच्या अडथळ्याचा सामना करावा लागतो यावर अवलंबून, ते क्लाउडच्या मोठ्या संगणकीय शक्तीमध्ये प्रवेश करू शकतात आणि ते सोडवण्यास मदत करू शकतात.
• कार्यप्रदर्शन: अनकनेक्टेड AGI च्या तुलनेत कोणताही फरक नाही.
• अपग्रेडेबिलिटी: या एजीआयमधील फरक एवढाच आहे की ते अपग्रेडेबिलिटीशी संबंधित आहे की ते अपग्रेड डेपोला भेट देण्याऐवजी आणि वायरलेस पद्धतीने रिअल टाइममध्ये अपग्रेड ऍक्सेस करू शकतात.
• सामूहिक: मानव ही पृथ्वीची प्रबळ प्रजाती बनली कारण आम्ही सर्वात मोठा किंवा सर्वात बलवान प्राणी आहोत म्हणून नाही, तर वूली मॅमथची शिकार करण्यापासून ते आंतरराष्ट्रीय अंतराळ स्थानक तयार करण्यापर्यंत सामूहिक उद्दिष्टे साध्य करण्यासाठी विविध मार्गांनी संवाद कसा साधायचा आणि सहयोग कसा करायचा हे आम्ही शिकलो. AGI ची एक टीम हे सहकार्य पुढील स्तरावर नेईल. वर सूचीबद्ध केलेले सर्व संज्ञानात्मक फायदे दिलेले आहेत आणि नंतर वायरलेसरित्या संप्रेषण करण्याच्या क्षमतेसह, वैयक्तिकरित्या आणि लांब अंतरावर, भविष्यातील AGI टीम/हाइव्ह माइंड सैद्धांतिकदृष्ट्या मानवांच्या टीमपेक्षा कितीतरी अधिक कार्यक्षमतेने प्रकल्प हाताळू शकते. 

शेवटी, एजीआयचा शेवटचा प्रकार म्हणजे भौतिक स्वरूप नसलेली आवृत्ती, जी संगणकाच्या आत चालते आणि तिच्या निर्मात्यांनी प्रदान केलेल्या संपूर्ण संगणकीय शक्ती आणि ऑनलाइन संसाधनांमध्ये प्रवेश असतो. साय-फाय शो आणि पुस्तकांमध्ये, हे AGI सहसा तज्ञ आभासी सहाय्यक/मित्र किंवा स्पेसशिपच्या स्पंकी ऑपरेटिंग सिस्टमचे रूप घेतात. परंतु AGI च्या इतर दोन श्रेणींच्या तुलनेत, हे AI खालील प्रकारे भिन्न असेल;

• गती: अमर्यादित (किंवा, कमीतकमी हार्डवेअरच्या मर्यादेपर्यंत त्याला प्रवेश आहे).
• मेमरी: अमर्यादित  
• कार्यप्रदर्शन: सुपरकंप्युटिंग केंद्रांमध्ये प्रवेश मिळाल्यामुळे निर्णय घेण्याच्या गुणवत्तेत वाढ.
• अपग्रेडेबिलिटी: परिपूर्ण, रिअल टाइममध्ये आणि संज्ञानात्मक अपग्रेडच्या अमर्याद निवडीसह. अर्थात, या AGI श्रेणीमध्ये फिजिकल रोबोट फॉर्म नसल्यामुळे, ते अपग्रेड ज्या सुपर कॉम्प्युटरमध्ये कार्यरत आहेत तोपर्यंत उपलब्ध भौतिक अपग्रेड्सची गरज भासणार नाही.
• सामूहिक: मागील AGI श्रेणी प्रमाणेच, हे शरीरविरहित AGI त्याच्या AGI सहकार्‍यांसह प्रभावीपणे सहयोग करेल. तथापि, अमर्यादित संगणकीय सामर्थ्य आणि ऑनलाइन संसाधनांमध्ये अधिक थेट प्रवेश दिल्यास, हे AGI सामान्यतः एकंदर AGI सामूहिक मध्ये नेतृत्व भूमिका घेतात. 

मानवता प्रथम कृत्रिम सामान्य बुद्धिमत्ता कधी तयार करेल?

एआय संशोधन समुदायाला विश्वास आहे की ते कायदेशीर एजीआय शोधतील तेव्हा कोणतीही निश्चित तारीख नाही. मात्र, ए 2013 सर्वेक्षण अग्रगण्य AI संशोधन विचारवंत निक बोस्ट्रॉम आणि व्हिन्सेंट सी. मुलर यांनी आयोजित केलेल्या जगातील शीर्ष AI संशोधकांपैकी 550 पैकी, तीन संभाव्य वर्षांपर्यंत मतांची श्रेणी सरासरी काढली:

• मध्यम आशावादी वर्ष (10% शक्यता): 2022
• सरासरी वास्तववादी वर्ष (50% शक्यता): 2040
• मध्यम निराशावादी वर्ष (90% शक्यता): 2075 

हे अंदाज किती तंतोतंत आहेत हे महत्त्वाचे नाही. महत्त्वाचे म्हणजे एआय संशोधन समुदायातील बहुसंख्य लोकांचा असा विश्वास आहे की आम्ही आमच्या आयुष्यात आणि तुलनेने या शतकाच्या सुरुवातीच्या काळात एजीआय शोधू. 

आर्टिफिशियल जनरल इंटेलिजन्स तयार केल्याने मानवता कशी बदलेल

या मालिकेच्या शेवटच्या अध्यायात आम्ही या नवीन AI चा प्रभाव तपशीलवार शोधतो. असे म्हटले आहे की, या प्रकरणासाठी, आम्ही म्हणू की एजीआयची निर्मिती ही सामाजिक प्रतिक्रियेसारखीच असेल जी मानवांना मंगळावर जीवन सापडल्यास आम्ही अनुभवू. 

एका शिबिराचे महत्त्व समजणार नाही आणि शास्त्रज्ञ आणखी एक शक्तिशाली संगणक तयार करण्याबाबत खूप मोठे प्रयत्न करत आहेत असा विचार करत राहतील.

आणखी एक शिबिर, ज्यामध्ये कदाचित लुडाइट्स आणि धार्मिक विचारसरणी असलेल्या व्यक्तींचा समावेश असेल, या AGI ची भीती वाटेल, असे वाटते की ते स्कायनेट-शैलीतील मानवतेचा नाश करण्याचा प्रयत्न करेल. हे शिबिर त्यांच्या सर्व स्वरूपातील AGI नष्ट/नष्ट करण्यासाठी सक्रियपणे समर्थन करेल.

उलटपक्षी, तिसरा शिबिर ही निर्मिती आधुनिक आध्यात्मिक घटना म्हणून पाहील. महत्त्वाच्या सर्व मार्गांनी, हे AGI जीवनाचे एक नवीन स्वरूप असेल, जो आपल्यापेक्षा वेगळा विचार करतो आणि ज्याची ध्येये आपल्यापेक्षा वेगळी आहेत. एकदा AGI ची निर्मिती जाहीर झाल्यानंतर, मानव यापुढे पृथ्वी केवळ प्राण्यांसोबत शेअर करणार नाही, तर कृत्रिम प्राण्यांच्या एका नवीन वर्गासोबत ज्यांची बुद्धिमत्ता आपल्या स्वतःच्या बरोबरीची किंवा श्रेष्ठ आहे.

चौथ्या शिबिरात व्यावसायिक हितसंबंधांचा समावेश असेल जे श्रमिक बाजारपेठेतील अंतर भरून काढणे आणि नवीन वस्तू आणि सेवांच्या विकासाला गती देणे यासारख्या विविध व्यावसायिक गरजा पूर्ण करण्यासाठी AGI चा वापर कसा करू शकतात ते तपासतील.

पुढे, आमच्याकडे सरकारच्या सर्व स्तरावरील प्रतिनिधी आहेत जे AGI चे नियमन कसे करावे हे समजून घेण्याचा प्रयत्न करतील. ही अशी पातळी आहे जिथे सर्व नैतिक आणि तात्विक वादविवाद डोक्यात येतील, विशेषत: या AGI ला मालमत्ता म्हणून किंवा व्यक्ती म्हणून मानायचे की नाही याबद्दल. 

आणि शेवटी, शेवटचा छावणी लष्करी आणि राष्ट्रीय सुरक्षा संस्था असेल. खरे तर, या शिबिरामुळे पहिल्या AGI ची सार्वजनिक घोषणा काही महिन्यांपासून अनेक वर्षांनी लांबण्याची शक्यता आहे. का? कारण AGI च्या शोधामुळे, थोड्याच वेळात कृत्रिम सुपरइंटिलिजन्स (ASI) ची निर्मिती होईल, जी मोठ्या भू-राजकीय धोक्याचे प्रतिनिधित्व करेल आणि अणुबॉम्बच्या शोधापेक्षा खूप पुढे जाण्याची संधी असेल. 

या कारणास्तव, पुढील काही प्रकरणे संपूर्णपणे ASI च्या विषयावर आणि त्याच्या शोधानंतर मानवता टिकेल की नाही यावर लक्ष केंद्रित करेल.

(एक धडा संपवण्याचा अत्याधिक नाट्यमय मार्ग आहे का?)

कृत्रिम बुद्धिमत्ता मालिकेचे भविष्य

आर्टिफिशियल इंटेलिजन्स ही उद्याची वीज आहे: कृत्रिम बुद्धिमत्तेचे भविष्य P1

आम्ही प्रथम आर्टिफिशियल सुपरइंटिलिजन्स कसे तयार करू: कृत्रिम बुद्धिमत्तेचे भविष्य P3 

कृत्रिम सुपरइंटिलिजन्स मानवतेचा नाश करेल का? कृत्रिम बुद्धिमत्तेचे भविष्य P4

कृत्रिम बुद्धिमत्तेपासून मानव कसे बचाव करेल: कृत्रिम बुद्धिमत्तेचे भविष्य P5

कृत्रिम बुद्धिमत्तेचे वर्चस्व असलेल्या भविष्यात मानव शांततेने जगतील का? कृत्रिम बुद्धिमत्तेचे भविष्य P6