முதல் செயற்கை பொது நுண்ணறிவு எவ்வாறு சமூகத்தை மாற்றும்: செயற்கை நுண்ணறிவு P2 எதிர்காலம்

நாங்கள் பிரமிடுகளை கட்டியுள்ளோம். மின்சாரத்தைப் பயன்படுத்தக் கற்றுக்கொண்டோம். பெருவெடிப்புக்குப் பிறகு (பெரும்பாலும்) நமது பிரபஞ்சம் எவ்வாறு உருவானது என்பதை நாம் புரிந்துகொள்கிறோம். மற்றும் நிச்சயமாக, கிளிஷே உதாரணம், நாம் சந்திரனில் ஒரு மனிதன் வைத்து. ஆயினும்கூட, இந்த அனைத்து சாதனைகள் இருந்தபோதிலும், மனித மூளை நவீன அறிவியலின் புரிதலுக்கு வெளியே உள்ளது மற்றும் இயல்பாக, அறியப்பட்ட பிரபஞ்சத்தில் மிகவும் சிக்கலான பொருளாக உள்ளது - அல்லது குறைந்தபட்சம் அதைப் பற்றிய நமது புரிதல்.

இந்த யதார்த்தத்தைப் பொறுத்தவரை, மனிதர்களுக்கு இணையான ஒரு செயற்கை நுண்ணறிவை (AI) நாம் இன்னும் உருவாக்கவில்லை என்பது முற்றிலும் அதிர்ச்சியாக இருக்கக்கூடாது. டேட்டா (ஸ்டார் ட்ரெக்), ரேச்சல் (பிளேட் ரன்னர்) மற்றும் டேவிட் (ப்ரோமிதியஸ்) போன்ற AI அல்லது சமந்தா (அவள்) மற்றும் TARS (இன்டர்ஸ்டெல்லர்) போன்ற மனிதாபிமானமற்ற AI, இவை அனைத்தும் AI வளர்ச்சியில் அடுத்த பெரிய மைல்கல்லுக்கு எடுத்துக்காட்டுகள்: செயற்கை பொது நுண்ணறிவு (AGI, சில நேரங்களில் HLMI அல்லது மனித நிலை இயந்திர நுண்ணறிவு என்றும் குறிப்பிடப்படுகிறது). 

வேறு வார்த்தைகளில் கூறுவதானால், AI ஆராய்ச்சியாளர்கள் எதிர்கொள்ளும் சவால்: நமது சொந்த மனம் எவ்வாறு செயல்படுகிறது என்பதைப் பற்றிய முழுமையான புரிதல் கூட இல்லாதபோது, ​​​​நம்முடையதை ஒப்பிடக்கூடிய ஒரு செயற்கை மனதை எவ்வாறு உருவாக்குவது?

எதிர்கால AGI களுக்கு எதிராக மனிதர்கள் எவ்வாறு திரள்வார்கள் என்பதையும், இறுதியாக, முதல் AGI உலகிற்கு அறிவிக்கப்பட்ட மறுநாளே சமூகம் எவ்வாறு மாறும் என்பதையும் சேர்த்து இந்தக் கேள்வியை ஆராய்வோம். 

செயற்கை பொது நுண்ணறிவு என்றால் என்ன?

செஸ், ஜியோபார்டி மற்றும் கோ ஆகியவற்றில் முதல் தரவரிசை வீரர்களை வெல்லக்கூடிய AI ஐ வடிவமைக்கவும், எளிதாக (கருநீலம், வாட்சன், மற்றும் ஆல்பாகோ முறையே). எந்தவொரு கேள்விக்கும் உங்களுக்கு பதில்களை வழங்கக்கூடிய, நீங்கள் வாங்க விரும்பும் பொருட்களைப் பரிந்துரைக்கும் அல்லது ரைட்ஷேர் டாக்சிகளை நிர்வகிக்கக்கூடிய ஒரு AI-ஐ வடிவமைக்கவும் - முழு பல பில்லியன் டாலர் நிறுவனங்களும் அவற்றைச் சுற்றியே (கூகுள், அமேசான், உபெர்) கட்டமைக்கப்பட்டுள்ளன. நாட்டின் ஒரு பக்கத்திலிருந்து மறுபுறம் உங்களை இயக்கக்கூடிய ஒரு AI கூட... சரி, நாங்கள் அதைச் செய்து வருகிறோம்.

ஆனால் குழந்தைகளுக்கான புத்தகத்தைப் படித்து, அது கற்பிக்க முயற்சிக்கும் உள்ளடக்கம், பொருள் அல்லது ஒழுக்கத்தைப் புரிந்துகொள்ள AI ஐக் கேளுங்கள் அல்லது பூனைக்கும் வரிக்குதிரைக்கும் உள்ள வித்தியாசத்தை AIயிடம் கேளுங்கள் குறுகிய சுற்றுகள். 

இயற்கையானது மில்லியன்கணக்கான வருடங்களாக ஒரு கணினி சாதனத்தை (மூளை) உருவாக்கியது, இது செயலாக்கம், புரிந்துகொள்வது, கற்றல், பின்னர் புதிய சூழ்நிலைகள் மற்றும் புதிய சூழல்களுக்குள் செயல்படுவதில் சிறந்து விளங்குகிறது. கடந்த அரை நூற்றாண்டு கணினி அறிவியலுடன் ஒப்பிட்டுப் பாருங்கள், அவை வடிவமைக்கப்பட்ட ஒருமைப் பணிகளுக்கு ஏற்றவாறு கணினி சாதனங்களை உருவாக்குவதில் கவனம் செலுத்துகின்றன. 

வேறு வார்த்தைகளில் கூறுவதானால், மனித-கணினி ஒரு பொதுவானது, அதே நேரத்தில் செயற்கை கணினி ஒரு சிறப்பு.

AGI ஐ உருவாக்குவதன் குறிக்கோள், நேரடி நிரலாக்கத்தின் மூலம் இல்லாமல் அனுபவத்தின் மூலம் ஒரு மனிதனைப் போல சிந்திக்கவும் கற்றுக்கொள்ளவும் கூடிய AI ஐ உருவாக்குவதாகும்.

நிஜ உலகில், இது எதிர்கால AGI, உலகில் தனது சொந்த அனுபவத்தின் மூலம் (உடலைப் பயன்படுத்தி அல்லது எதைப் பயன்படுத்தினாலும்) ஒரு ஜோக்கைப் படிப்பது, எழுதுவது மற்றும் நகைச்சுவையாகச் சொல்வது அல்லது நடப்பது, ஓடுவது மற்றும் பைக்கை ஓட்டுவது ஆகியவற்றைக் கற்றுக்கொள்வதைக் குறிக்கும். உணர்திறன் உறுப்புகள்/சாதனங்கள் நாம் கொடுக்கிறோம்), மற்றும் அதன் சொந்த தொடர்பு மூலம் மற்ற AI மற்றும் பிற மனிதர்கள்.

ஒரு செயற்கை பொது நுண்ணறிவை உருவாக்க என்ன எடுக்கும்

தொழில்நுட்ப ரீதியாக கடினமாக இருந்தாலும், AGI ஐ உருவாக்குவது சாத்தியமாக இருக்க வேண்டும். உண்மையில், இயற்பியல் விதிகளுக்குள் ஒரு ஆழமான சொத்து உள்ளது - கணக்கீட்டின் உலகளாவிய தன்மை - இது அடிப்படையில் ஒரு இயற்பியல் பொருள் செய்யக்கூடிய அனைத்தையும் கூறுகிறது, போதுமான சக்திவாய்ந்த, பொது நோக்கம் கொண்ட கணினி, கொள்கையளவில், நகலெடுக்க/உருவகப்படுத்த முடியும்.

இன்னும், இது தந்திரமானது.

அதிர்ஷ்டவசமாக, இந்த வழக்கில் புத்திசாலித்தனமான AI ஆராய்ச்சியாளர்கள் நிறைய பேர் உள்ளனர் (அவர்களுக்கு ஆதரவளிக்கும் கார்ப்பரேட், அரசு மற்றும் இராணுவ நிதியுதவி பற்றி குறிப்பிட தேவையில்லை), இதுவரை, அவர்கள் மூன்று முக்கிய பொருட்களைக் கண்டறிந்துள்ளனர். நம் உலகில் ஏஜிஐ.

பெரிய தரவு. AI மேம்பாட்டிற்கான மிகவும் பொதுவான அணுகுமுறை ஆழமான கற்றல் எனப்படும் ஒரு நுட்பத்தை உள்ளடக்கியது - இது ஒரு குறிப்பிட்ட வகை இயந்திர கற்றல் அமைப்பு, இது மாபெரும் அளவிலான தரவுகளை உறிஞ்சி, உருவகப்படுத்தப்பட்ட நியூரான்களின் நெட்வொர்க்கில் (மனித மூளையின் மாதிரி) தரவுகளை நசுக்குவதன் மூலம் செயல்படுகிறது. அதன் சொந்த நுண்ணறிவுகளை நிரல் செய்ய கண்டுபிடிப்புகளைப் பயன்படுத்தவும். ஆழ்ந்த கற்றல் பற்றிய கூடுதல் விவரங்களுக்கு, இதை படிக்கவும்.

உதாரணமாக, 2017 உள்ள, கூகிள் தனது AI க்கு பூனைகளின் ஆயிரக்கணக்கான படங்களை அளித்தது, அதன் ஆழமான கற்றல் அமைப்பு பூனையை எவ்வாறு அடையாளம் காண்பது என்பதை மட்டும் அறியாமல், வெவ்வேறு பூனை இனங்களை வேறுபடுத்துகிறது. சிறிது நேரம் கழித்து, அவர்கள் வரவிருக்கும் வெளியீட்டை அறிவித்தனர் Google லென்ஸ், பயனர்கள் எதையும் படம் எடுக்க அனுமதிக்கும் ஒரு புதிய தேடல் பயன்பாடானது, அது என்ன என்பதை Google உங்களுக்குச் சொல்வதோடு மட்டுமல்லாமல், அதைப் பற்றி விவரிக்கும் சில பயனுள்ள சூழ்நிலை உள்ளடக்கத்தை வழங்குகிறது-பயணத்தின் போது வசதியானது மற்றும் நீங்கள் ஒரு குறிப்பிட்ட சுற்றுலாத்தலத்தைப் பற்றி மேலும் அறிய விரும்புகிறீர்கள். ஆனால் இங்கேயும், கூகிள் லென்ஸ் தற்போது அதன் படத் தேடுபொறியில் பட்டியலிடப்பட்டுள்ள பில்லியன் கணக்கான படங்கள் இல்லாமல் சாத்தியமில்லை.

இன்னும், இந்த பெரிய தரவு மற்றும் ஆழமான கற்றல் சேர்க்கை இன்னும் ஒரு AGI கொண்டு வர போதுமானதாக இல்லை.

சிறந்த அல்காரிதம்கள். கடந்த தசாப்தத்தில், Google துணை நிறுவனமும், AI விண்வெளியில் தலைவருமான DeepMind, ஆழமான கற்றலின் வலிமையை வலுவூட்டல் கற்றலுடன் இணைத்து, புதிய சூழல்களில் எவ்வாறு செயல்களைச் செய்ய வேண்டும் என்பதை AIக்குக் கற்பிப்பதை நோக்கமாகக் கொண்ட ஒரு பாராட்டு இயந்திரக் கற்றல் அணுகுமுறையை உருவாக்கியது. ஒரு நிர்ணயிக்கப்பட்ட இலக்கு.

இந்தக் கலப்பின யுக்திக்கு நன்றி, DeepMind இன் பிரீமியர் AI, AlphaGo, விதிகளைப் பதிவிறக்கம் செய்து, மாஸ்டர் ஹ்யூமன் பிளேயர்களின் உத்திகளைப் படிப்பதன் மூலம் AlphaGo விளையாடுவது எப்படி என்பதைத் தனக்குத்தானே கற்றுக் கொடுத்தது மட்டுமல்லாமல், மில்லியன் கணக்கான முறை தனக்கு எதிராக விளையாடிய பிறகு சிறந்த AlphaGo பிளேயர்களை வெல்ல முடிந்தது. விளையாட்டில் இதுவரை கண்டிராத நகர்வுகள் மற்றும் உத்திகளைப் பயன்படுத்துதல். 

அதேபோல, DeepMind இன் அடாரி மென்பொருள் சோதனையானது, AI க்கு ஒரு வழக்கமான கேம் திரையைப் பார்க்க கேமராவை வழங்குவது, கேம் ஆர்டர்களை (ஜாய்ஸ்டிக் பொத்தான்கள் போன்றவை) உள்ளிடும் திறனுடன் அதை நிரலாக்குவது மற்றும் அதன் மதிப்பெண்ணை அதிகரிப்பதற்கான ஒரு இலக்கை வழங்குவது ஆகியவை அடங்கும். முடிவு? சில நாட்களில், அது எப்படி விளையாடுவது மற்றும் டஜன் கணக்கான கிளாசிக் ஆர்கேட் கேம்களில் தேர்ச்சி பெறுவது எப்படி என்று கற்றுக்கொண்டது. 

ஆனால் இந்த ஆரம்பகால வெற்றிகள் எவ்வளவு உற்சாகமாக இருந்தாலும், தீர்க்க சில முக்கிய சவால்கள் உள்ளன.

ஒன்று, AI ஆராய்ச்சியாளர்கள் AIக்கு மனித மற்றும் விலங்குகளின் மூளைகள் சிறப்பாக செயல்படும் 'சங்கிங்' என்ற தந்திரத்தை கற்பிப்பதில் ஈடுபட்டுள்ளனர். எளிமையாகச் சொன்னால், மளிகைப் பொருட்களை வாங்க நீங்கள் வெளியே செல்ல முடிவு செய்தால், உங்கள் இறுதி இலக்கையும் (வெண்ணெய் பழத்தை வாங்குவது) அதை எப்படிச் செய்வீர்கள் என்பதற்கான தோராயமான திட்டத்தையும் கற்பனை செய்து பார்க்க முடியும் (வீட்டை விட்டு வெளியேறுங்கள், மளிகைக் கடைக்குச் செல்லுங்கள், வாங்குங்கள். வெண்ணெய், வீட்டிற்குத் திரும்பு). நீங்கள் செய்யாதது, ஒவ்வொரு மூச்சையும், ஒவ்வொரு அடியையும், நீங்கள் செல்லும் வழியில் சாத்தியமான ஒவ்வொரு தற்செயலையும் திட்டமிடுவது. அதற்கு பதிலாக, நீங்கள் எங்கு செல்ல விரும்புகிறீர்கள் என்பது பற்றிய ஒரு கருத்து (துண்டு) உங்கள் மனதில் உள்ளது மற்றும் உங்கள் பயணத்தை வரும் சூழ்நிலைக்கு ஏற்ப மாற்றிக்கொள்ளுங்கள்.

உங்களுக்குப் பொதுவாகத் தோன்றுவது போல, இந்த திறன் மனித மூளைக்கு இன்னும் AI ஐ விட முக்கிய நன்மைகளில் ஒன்றாகும் - இது ஒரு இலக்கை நிர்ணயித்து, ஒவ்வொரு விவரத்தையும் முன்கூட்டியே அறியாமல் அதைத் தொடர்வது மற்றும் எந்த தடைகள் அல்லது சுற்றுச்சூழல் மாற்றங்களையும் மீறி அதைத் தொடர்வது. சந்திக்கலாம். இந்த திறன் மேலே குறிப்பிட்டுள்ள பெரிய தரவுகளின் தேவை இல்லாமல், AGI களை மிகவும் திறமையாகக் கற்றுக்கொள்ள உதவும்.

மற்றொரு சவால், ஒரு புத்தகத்தை மட்டும் படிக்கும் திறன் அர்த்தம் புரியும் அல்லது அதன் பின்னணியில் உள்ள சூழல். நீண்ட காலத்திற்கு, ஒரு AI செய்தித்தாள் கட்டுரையைப் படிப்பது மற்றும் புத்தக அறிக்கையை எழுதுவது போன்ற பல கேள்விகளுக்குத் துல்லியமாக பதிலளிக்க முடியும் என்பதே இங்குள்ள இலக்காகும். இந்த திறன் AI ஐ எண்களை நசுக்கும் ஒரு கால்குலேட்டரிலிருந்து அர்த்தத்தை நசுக்கும் ஒரு நிறுவனமாக மாற்றும்.

ஒட்டுமொத்தமாக, மனித மூளையைப் பிரதிபலிக்கக்கூடிய சுய-கற்றல் வழிமுறையின் மேலும் முன்னேற்றங்கள் இறுதியில் AGIயை உருவாக்குவதில் முக்கியப் பங்கு வகிக்கும், ஆனால் இந்த வேலையுடன், AI சமூகத்திற்கும் சிறந்த வன்பொருள் தேவைப்படுகிறது.

சிறந்த வன்பொருள். மேலே விவரிக்கப்பட்ட தற்போதைய அணுகுமுறைகளைப் பயன்படுத்தி, அதை இயக்குவதற்குக் கிடைக்கும் கணினி சக்தியை நாம் தீவிரமாக உயர்த்திய பின்னரே AGI சாத்தியமாகும்.

சூழலைப் பொறுத்தவரை, மனித மூளையின் சிந்திக்கும் திறனை எடுத்து, அதைக் கணக்கீட்டுச் சொற்களாக மாற்றினால், சராசரி மனிதனின் மனத் திறனின் தோராயமான மதிப்பீடு ஒரு எக்ஸாஃப்ளாப் ஆகும், இது 1,000 பெட்டாஃப்ளாப்புகளுக்குச் சமம் ('ஃப்ளாப்' என்பது மிதக்கும் புள்ளி செயல்பாடுகளை குறிக்கிறது. இரண்டாவது மற்றும் கணக்கீட்டின் வேகத்தை அளவிடுகிறது).

ஒப்பிடுகையில், 2018 ஆம் ஆண்டின் இறுதியில், உலகின் மிக சக்திவாய்ந்த சூப்பர் கம்ப்யூட்டர், ஜப்பானின் AI பிரிட்ஜிங் கிளவுட் 130 பெட்டாஃப்ளாப்களில் ஒலிக்கும், ஒரு எக்ஸாஃப்ளாப்பிற்கு மிகக் குறைவு.

எங்களில் கோடிட்டுக் காட்டப்பட்டுள்ளது சூப்பர் கம்ப்யூட்டர்கள் எங்களில் அத்தியாயம் கணினிகளின் எதிர்காலம் தொடரில், அமெரிக்காவும் சீனாவும் 2022 ஆம் ஆண்டிற்குள் தங்கள் சொந்த எக்ஸாஃப்ளாப் சூப்பர் கம்ப்யூட்டர்களை உருவாக்க வேலை செய்கின்றன, ஆனால் அவை வெற்றி பெற்றாலும், அது இன்னும் போதுமானதாக இருக்காது.

இந்த சூப்பர் கம்ப்யூட்டர்கள் பல டஜன் மெகாவாட் சக்தியில் இயங்குகின்றன, பல நூறு சதுர மீட்டர் இடத்தை எடுத்துக்கொள்கின்றன, மேலும் உருவாக்க பல நூறு மில்லியன்கள் செலவாகும். ஒரு மனித மூளை வெறும் 20 வாட்ஸ் ஆற்றலைப் பயன்படுத்துகிறது, சுமார் 50 செமீ சுற்றளவு உள்ள மண்டை ஓட்டின் உள்ளே பொருந்துகிறது, மேலும் நம்மில் ஏழு பில்லியன் (2018) உள்ளது. வேறு வார்த்தைகளில் கூறுவதானால், AGI களை மனிதர்களைப் போலவே பொதுவானதாக மாற்ற விரும்பினால், அவற்றை எவ்வாறு பொருளாதார ரீதியாக உருவாக்குவது என்பதை நாம் கற்றுக் கொள்ள வேண்டும்.

அந்த முடிவுக்கு, AI ஆராய்ச்சியாளர்கள் எதிர்கால AI களை குவாண்டம் கணினிகள் மூலம் இயக்குவதை பரிசீலிக்கத் தொடங்கியுள்ளனர். இல் இன்னும் விரிவாக விவரிக்கப்பட்டுள்ளது குவாண்டம் கணினிகள் எங்களுடைய ஃபியூச்சர் ஆஃப் கம்ப்யூட்டர்ஸ் தொடரின் அத்தியாயத்தில், இந்த கணினிகள் கடந்த அரை நூற்றாண்டுகளாக நாங்கள் உருவாக்கி வரும் கணினிகளை விட அடிப்படையில் வேறுபட்ட முறையில் செயல்படுகின்றன. 2030 களில் முழுமையடைந்தவுடன், ஒரு குவாண்டம் கணினி தற்போது 2018 இல் இயங்கும் ஒவ்வொரு சூப்பர் கம்ப்யூட்டரையும் உலகளவில் ஒன்றாகக் கணக்கிடும். தற்போதைய சூப்பர் கம்ப்யூட்டர்களை விட அவை மிகவும் சிறியதாகவும், மிகக் குறைந்த ஆற்றலைப் பயன்படுத்தும். 

ஒரு செயற்கை பொது நுண்ணறிவு மனிதனை விட எப்படி உயர்ந்ததாக இருக்கும்?

மேலே பட்டியலிடப்பட்டுள்ள ஒவ்வொரு சவாலும் கண்டுபிடிக்கப்பட்டது என்று வைத்துக்கொள்வோம், AI ஆராய்ச்சியாளர்கள் முதல் AGI ஐ உருவாக்குவதில் வெற்றியைக் கண்டனர். AGI மனம் எப்படி நம்முடையதை விட வித்தியாசமாக இருக்கும்?

இந்த வகையான கேள்விக்கு பதிலளிக்க, நாம் AGI மனங்களை மூன்று வகைகளாக வகைப்படுத்த வேண்டும், ஒரு ரோபோ உடலில் வாழும் (தரவு ஸ்டார் ட்ரெக்), உடல் வடிவம் கொண்டவை ஆனால் இணையம்/கிளவுடுடன் கம்பியில்லாமல் இணைக்கப்பட்டவை (ஏஜென்ட் ஸ்மித் இருந்து மேட்ரிக்ஸ்) மற்றும் முற்றிலும் கணினி அல்லது ஆன்லைனில் வாழும் உடல் வடிவம் இல்லாதவர்கள் (சமந்தாவிலிருந்து விளையாட்டுகள்).

தொடங்குவதற்கு, வலையில் இருந்து தனிமைப்படுத்தப்பட்ட ஒரு ரோபோ உடலில் உள்ள AGI கள் மனித மனங்களுக்கு இணையாக போட்டியிடும், ஆனால் தேர்ந்தெடுக்கப்பட்ட நன்மைகளுடன்:

• நினைவகம்: AGI இன் ரோபோ வடிவத்தின் வடிவமைப்பைப் பொறுத்து, அவற்றின் குறுகிய கால நினைவாற்றல் மற்றும் முக்கிய தகவல்களின் நினைவகம் நிச்சயமாக மனிதர்களை விட உயர்ந்ததாக இருக்கும். ஆனால் நாளின் முடிவில், ரோபோவில் எவ்வளவு ஹார்ட் டிரைவ் இடத்தைப் பேக் செய்யலாம் என்பதற்கு ஒரு உடல் வரம்பு உள்ளது, நாங்கள் அவற்றை மனிதர்களைப் போல வடிவமைக்கிறோம் என்று வைத்துக்கொள்வோம். இந்த காரணத்திற்காக, AGI களின் நீண்டகால நினைவகம் மனிதர்களைப் போலவே செயல்படும், அதன் எதிர்கால செயல்பாட்டிற்கு ('வட்டு இடத்தை' விடுவிக்கும் பொருட்டு) தேவையற்றதாகக் கருதப்படும் தகவல் மற்றும் நினைவுகளை தீவிரமாக மறந்துவிடும்.
• வேகம்: மனித மூளைக்குள் இருக்கும் நியூரான்களின் செயல்திறன் தோராயமாக 200 ஹெர்ட்ஸ் ஆகும், அதேசமயம் நவீன நுண்செயலிகள் ஜிகாஹெர்ட்ஸ் அளவில் இயங்குகின்றன, அதனால் நியூரான்களை விட மில்லியன் மடங்கு வேகமாக இயங்குகிறது. இதன் பொருள் மனிதர்களுடன் ஒப்பிடும்போது, ​​எதிர்கால AGI கள் தகவல்களைச் செயலாக்கும் மற்றும் மனிதர்களை விட வேகமாக முடிவுகளை எடுக்கும். நினைவில் கொள்ளுங்கள், இந்த AGI மனிதர்களை விட புத்திசாலித்தனமான அல்லது சரியான முடிவுகளை எடுக்கும் என்று அர்த்தமல்ல, அவர்கள் விரைவாக முடிவுகளை எடுக்க முடியும்.
• செயல்திறன்: எளிமையாகச் சொன்னால், மனித மூளை ஓய்வு அல்லது தூக்கம் இல்லாமல் அதிக நேரம் செயல்பட்டால் சோர்வடைகிறது. இதற்கிடையில், AGI களுக்கு, அவர்கள் வழக்கமாக ரீசார்ஜ் (மின்சாரம்) பெறுவதாகக் கருதினால், அவர்களுக்கு அந்த பலவீனம் இருக்காது.
• மேம்படுத்துதல்: ஒரு மனிதனுக்கு, ஒரு புதிய பழக்கத்தைக் கற்றுக்கொள்வதற்கு பல வாரங்கள் பயிற்சி எடுக்கலாம், ஒரு புதிய திறமையைக் கற்றுக்கொள்வதற்கு மாதங்கள் ஆகலாம், மேலும் ஒரு புதிய தொழிலைக் கற்றுக்கொள்வதற்கு பல ஆண்டுகள் ஆகலாம். AGIஐப் பொறுத்தவரை, உங்கள் கணினியின் OS-ஐ நீங்கள் எப்படித் தொடர்ந்து புதுப்பிக்கிறீர்களோ அதைப் போன்றே அனுபவத்தின் மூலமாகவும் (மனிதர்களைப் போல) நேரடித் தரவுப் பதிவேற்றம் மூலமாகவும் கற்றுக் கொள்ளும் திறன் அவர்களுக்கு இருக்கும். இந்த புதுப்பிப்புகள் அறிவு மேம்பாடுகள் (புதிய திறன்கள்) அல்லது AGIகளின் இயற்பியல் வடிவத்திற்கு செயல்திறன் மேம்படுத்தல்களுக்குப் பொருந்தும். 

அடுத்து, இயற்பியல் வடிவத்தைக் கொண்ட, ஆனால் இணையம்/கிளவுடுடன் கம்பியில்லாமல் இணைக்கப்பட்ட AGIகளைப் பார்ப்போம். இணைக்கப்படாத AGIகளுடன் ஒப்பிடும் போது இந்த மட்டத்தில் நாம் காணக்கூடிய வேறுபாடுகள்:

• நினைவகம்: இந்த AGIகள் முந்தைய AGI வகுப்பில் உள்ள அனைத்து குறுகிய கால நன்மைகளையும் கொண்டிருக்கும், தவிர அவை சரியான நீண்ட கால நினைவகத்திலிருந்து பயனடைகின்றன, ஏனெனில் அவை தேவைப்படும் போது அணுகுவதற்கு அந்த நினைவுகளை கிளவுட்டில் பதிவேற்ற முடியும். வெளிப்படையாக, குறைந்த இணைப்பு உள்ள பகுதிகளில் இந்த நினைவகத்தை அணுக முடியாது, ஆனால் 2020கள் மற்றும் 2030களில் உலகில் அதிகமானோர் ஆன்லைனில் வரும்போது அது கவலையை குறைக்கும். மேலும் படிக்கவும் அத்தியாயம் ஒன்று எங்களுடைய இணையத்தின் எதிர்காலம் தொடர். 
• வேகம்: இந்த AGI எதிர்கொள்ளும் தடையின் வகையைப் பொறுத்து, கிளவுட்டின் பெரிய கம்ப்யூட்டிங் சக்தியை அவர்கள் அணுகி அதைத் தீர்க்க உதவலாம்.
• செயல்திறன்: இணைக்கப்படாத AGIகளுடன் ஒப்பிடும்போது எந்த வித்தியாசமும் இல்லை.
• மேம்படுத்துதல்: மேம்படுத்துதல் தொடர்பான இந்த AGIக்கு இடையே உள்ள ஒரே வித்தியாசம் என்னவென்றால், மேம்படுத்தல் டிப்போவிற்குச் சென்று செருகுவதற்குப் பதிலாக, வயர்லெஸ் முறையில், நிகழ்நேரத்தில் மேம்படுத்தல்களை அணுக முடியும்.
• கூட்டு: மனிதர்கள் பூமியின் மேலாதிக்க இனமாக மாறியது நாம் மிகப்பெரிய அல்லது வலிமையான விலங்காக இருந்ததால் அல்ல, ஆனால் கம்பளி மாமத்தை வேட்டையாடுவது முதல் சர்வதேச விண்வெளி நிலையத்தை உருவாக்குவது வரை கூட்டு இலக்குகளை அடைய பல்வேறு வழிகளில் தொடர்புகொள்வது மற்றும் ஒத்துழைப்பது எப்படி என்பதை நாங்கள் கற்றுக்கொண்டதால். AGIகளின் குழு இந்த ஒத்துழைப்பை அடுத்த கட்டத்திற்கு கொண்டு செல்லும். மேலே பட்டியலிடப்பட்டுள்ள அனைத்து அறிவாற்றல் நன்மைகளையும் கருத்தில் கொண்டு, நேரிலும் நீண்ட தூரத்திலும் கம்பியில்லாத் தொடர்பு கொள்ளும் திறனுடன் இணைந்தால், எதிர்கால AGI குழு/ஹைவ் மனம், மனிதர்களின் குழுவை விட மிகவும் திறமையாக திட்டங்களைச் சமாளிக்க முடியும். 

இறுதியாக, AGI இன் கடைசி வகையானது, இயற்பியல் வடிவம் இல்லாத பதிப்பாகும், இது ஒரு கணினியின் உள்ளே செயல்படும், மேலும் அதன் படைப்பாளிகள் வழங்கும் முழு கணினி ஆற்றல் மற்றும் ஆன்லைன் ஆதாரங்களுக்கான அணுகலைக் கொண்டுள்ளது. அறிவியல் புனைகதை நிகழ்ச்சிகள் மற்றும் புத்தகங்களில், இந்த AGIகள் பொதுவாக நிபுணத்துவ மெய்நிகர் உதவியாளர்கள்/நண்பர்கள் அல்லது ஒரு விண்கலத்தின் ஸ்பன்கி ஆப்பரேட்டிங் சிஸ்டத்தின் வடிவத்தை எடுக்கும். ஆனால் AGI இன் மற்ற இரண்டு வகைகளுடன் ஒப்பிடுகையில், இந்த AI பின்வரும் வழிகளில் வேறுபடும்;

• வேகம்: வரம்பற்றது (அல்லது, குறைந்தபட்சம் அது அணுகக்கூடிய வன்பொருளின் வரம்புகளுக்கு).
• நினைவகம்: வரம்பற்றது  
• செயல்திறன்: சூப்பர் கம்ப்யூட்டிங் மையங்களுக்கான அணுகல் காரணமாக முடிவெடுக்கும் தரத்தில் அதிகரிப்பு.
• மேம்படுத்துதல்: முழுமையானது, உண்மையான நேரத்தில், மற்றும் அறிவாற்றல் மேம்படுத்தல்களின் வரம்பற்ற தேர்வு. நிச்சயமாக, இந்த AGI வகைக்கு இயற்பியல் ரோபோ வடிவம் இல்லை என்பதால், அந்த மேம்படுத்தல்கள் சூப்பர் கம்ப்யூட்டர்களில் செயல்படும் வரை, அதற்கு இயற்பியல் மேம்படுத்தல்கள் தேவைப்படாது.
• கூட்டு: முந்தைய AGI வகையைப் போலவே, இந்த உடலற்ற AGI அதன் AGI சக ஊழியர்களுடன் திறம்பட ஒத்துழைக்கும். இருப்பினும், வரம்பற்ற கணினி ஆற்றலுக்கான நேரடி அணுகல் மற்றும் ஆன்லைன் ஆதாரங்களுக்கான அணுகல் ஆகியவற்றின் அடிப்படையில், இந்த AGI கள் பொதுவாக ஒட்டுமொத்த AGI கூட்டாக தலைமைப் பாத்திரங்களை வகிக்கும். 

மனிதகுலம் எப்போது முதல் செயற்கை பொது நுண்ணறிவை உருவாக்கும்?

AI ஆராய்ச்சி சமூகம் எப்போது முறையான AGI ஐ கண்டுபிடிப்பார்கள் என்று நம்பும் தேதிக்கு எந்த தேதியும் இல்லை. இருப்பினும், ஏ கணக்கெடுப்பு உலகின் தலைசிறந்த AI ஆராய்ச்சியாளர்களில் 550 பேர், முன்னணி AI ஆராய்ச்சி சிந்தனையாளர்களான நிக் போஸ்ட்ராம் மற்றும் வின்சென்ட் சி. முல்லர் ஆகியோரால் நடத்தப்பட்டது

• சராசரி நம்பிக்கையான ஆண்டு (10% சாத்தியம்): 2022
• சராசரி யதார்த்த ஆண்டு (50% சாத்தியம்): 2040
• சராசரி அவநம்பிக்கை ஆண்டு (90% சாத்தியம்): 2075 

இந்த கணிப்புகள் எவ்வளவு துல்லியமானவை என்பது முக்கியமல்ல. முக்கிய விஷயம் என்னவென்றால், AI ஆராய்ச்சி சமூகத்தின் பெரும்பான்மையானவர்கள் நமது வாழ்நாளில் மற்றும் ஒப்பீட்டளவில் இந்த நூற்றாண்டின் தொடக்கத்தில் AGI ஐ கண்டுபிடிப்போம் என்று நம்புகிறார்கள். 

ஒரு செயற்கை பொது நுண்ணறிவை எவ்வாறு உருவாக்குவது மனிதகுலத்தை மாற்றும்

இந்தத் தொடரின் கடைசி அத்தியாயம் முழுவதும் இந்த புதிய AI இன் தாக்கத்தை விரிவாக ஆராய்வோம். இந்த அத்தியாயத்தில், மனிதர்கள் செவ்வாய் கிரகத்தில் உயிரைக் கண்டால் நாம் அனுபவிக்கும் சமூக எதிர்வினைக்கு ஏஜிஐ உருவாக்கம் மிகவும் ஒத்ததாக இருக்கும் என்று கூறுவோம். 

ஒரு முகாம் முக்கியத்துவத்தைப் புரிந்து கொள்ளாது, மேலும் சக்திவாய்ந்த மற்றொரு கணினியை உருவாக்குவது பற்றி விஞ்ஞானிகள் பெரிய ஒப்பந்தம் செய்கிறார்கள் என்று நினைத்துக் கொண்டிருக்கும்.

லுடிட்டுகள் மற்றும் மத எண்ணம் கொண்ட நபர்களைக் கொண்ட மற்றொரு முகாம், இந்த AGI ஐ பயப்படும், இது மனிதகுலத்தை SkyNet-பாணியை அழிக்க முயற்சிக்கும் ஒரு அருவருப்பானது என்று நினைத்துக்கொள்வார்கள். இந்த முகாம் AGIகளை அவற்றின் அனைத்து வடிவங்களிலும் நீக்க/அழிக்க தீவிரமாக பரிந்துரைக்கும்.

மறுபுறம், மூன்றாவது முகாம் இந்த படைப்பை ஒரு நவீன ஆன்மீக நிகழ்வாக பார்க்கும். முக்கியமான அனைத்து வழிகளிலும், இந்த AGI ஒரு புதிய வாழ்க்கை வடிவமாக இருக்கும், அது நம்மை விட வித்தியாசமாக சிந்திக்கும் மற்றும் நமது இலக்குகளை விட வித்தியாசமாக இருக்கும். ஒரு AGI உருவாக்கம் அறிவிக்கப்பட்டதும், மனிதர்கள் பூமியை வெறும் விலங்குகளுடன் பகிர்ந்து கொள்வதில்லை, ஆனால் ஒரு புதிய வகை செயற்கை உயிரினங்களுடன் சேர்ந்து, அதன் புத்திசாலித்தனம் நம்முடையதை விட சமமாகவோ அல்லது உயர்ந்ததாகவோ இருக்கும்.

நான்காவது முகாமில், தொழிலாளர் சந்தையில் உள்ள இடைவெளிகளை நிரப்புதல் மற்றும் புதிய பொருட்கள் மற்றும் சேவைகளின் வளர்ச்சியை விரைவுபடுத்துதல் போன்ற பல்வேறு வணிகத் தேவைகளை நிவர்த்தி செய்ய AGI களை எவ்வாறு பயன்படுத்தலாம் என்பதை ஆராயும் வணிக நலன்களை உள்ளடக்கும்.

அடுத்து, எங்களிடம் அரசாங்கத்தின் அனைத்து மட்டங்களிலிருந்தும் பிரதிநிதிகள் உள்ளனர், அவர்கள் AGI களை எவ்வாறு ஒழுங்குபடுத்துவது என்பதைப் புரிந்துகொள்ள முயற்சிப்பார்கள். இந்த நிலையில்தான் அனைத்து அறநெறி மற்றும் தத்துவ விவாதங்களும் ஒரு தலைக்கு வரும், குறிப்பாக இந்த AGI களை சொத்தாக கருதுவதா அல்லது நபர்களாக கருதுவதா என்பது பற்றி. 

இறுதியாக, கடைசி முகாம் இராணுவம் மற்றும் தேசிய பாதுகாப்பு நிறுவனங்களாக இருக்கும். உண்மையில், இந்த முகாமின் காரணமாக முதல் AGI பற்றிய பொது அறிவிப்பு பல மாதங்கள் முதல் ஆண்டுகள் வரை தாமதமாகலாம். ஏன்? ஒரு AGI இன் கண்டுபிடிப்பு, குறுகிய காலத்தில் ஒரு செயற்கை நுண்ணறிவை (ASI) உருவாக்க வழிவகுக்கும், இது ஒரு பாரிய புவிசார் அரசியல் அச்சுறுத்தலைப் பிரதிநிதித்துவப்படுத்தும் மற்றும் அணுகுண்டு கண்டுபிடிப்பை மிஞ்சும் வாய்ப்பாகும். 

இந்த காரணத்திற்காக, அடுத்த சில அத்தியாயங்கள் ASI கள் மற்றும் அதன் கண்டுபிடிப்புக்குப் பிறகு மனிதகுலம் வாழுமா என்ற தலைப்பில் முழுமையாக கவனம் செலுத்தும்.

(ஒரு அத்தியாயத்தை முடிப்பதற்கான அதிகப்படியான வியத்தகு வழி? நீங்கள் பந்தயம் கட்டுகிறீர்கள்.)

செயற்கை நுண்ணறிவுத் தொடரின் எதிர்காலம்

செயற்கை நுண்ணறிவு என்பது நாளைய மின்சாரம்: செயற்கை நுண்ணறிவின் எதிர்காலம் பி1

முதல் செயற்கை நுண்ணறிவை எவ்வாறு உருவாக்குவோம்: செயற்கை நுண்ணறிவின் எதிர்காலம் P3 

ஒரு செயற்கை நுண்ணறிவு மனிதகுலத்தை அழித்துவிடுமா? செயற்கை நுண்ணறிவின் எதிர்காலம் P4

செயற்கை நுண்ணறிவுக்கு எதிராக மனிதர்கள் எவ்வாறு பாதுகாப்பார்கள்: செயற்கை நுண்ணறிவின் எதிர்காலம் P5

செயற்கை நுண்ணறிவு ஆதிக்கம் செலுத்தும் எதிர்காலத்தில் மனிதர்கள் நிம்மதியாக வாழ்வார்களா? செயற்கை நுண்ணறிவின் எதிர்காலம் P6