“For 15 år, da jeg første gang introducerede begrebet “kunstig Generel intelligens” (AGI), det område, AI har udviklet sig betydeligt. I dag har vi førerløse biler, automatiske ansigtsgenkendelse og billedoptagelse, maskinoversættelse og ekspert spillere i lyset af AI, og meget mere,” siger Ben Goertzel, CEO decentrale netværk SingularityNET. I det følgende i første person.
Men disse resultater i det væsentlige forbliver i den sfære af “smalle AI” — kunstig intelligens, som udfører de opgaver, der er baseret på data, der specifikt er udpeget eller regler, eller i omhyggeligt designet læring situationer. AI, der kan arbejde, Generelt, i tilfælde af en nødsituation, og til at konfrontere verden som Autonome agenter, fortsat være en del af fremtiden.
Generelt kunstig intelligens (AI): hvad er det?
Spørgsmålet er stadig: hvad har vi brug for at vende værktøjer inden for moderne smalle kunstig intelligens, som slutter sig til erhvervslivet og samfundet, i den samme Generelle kunstig intelligens, en drøm, som fremtidsforskere og science fiction-forfattere?
På trods af den enorme mangfoldighed af perspektiver og mangel på manglen på tekniske og konceptuelle ideer på den måde, at den INITIATIVUNDERSØGELSE, blandt de eksperter, der er intet som en aftale om dette emne.
Det varierede landskab proto-AIS
For eksempel, at det vigtigste grundlægger af Dybe Sind af Demis, Hassabis længe været en fan af relativt kraftigt hjernen inspirerede tilgange til AIS og fortsætter med at udgive arbejde i denne retning. På den anden side, OpenCog projekt-orienteret AIS, medstifter som jeg begyndte i 2008, bruger mindre hjerne-orienteret tilgang, der omfatter et neuralt netværk, således stærkt tegning på symbolsk og logisk repræsentation og probabilistisk indsigt, såvel som den evolutionære træningsprogram.
Hvad får jeg ved, det er det faktum, at når vi har flere, der arbejder tilgange til bemandede fly – fly, helikoptere, raketter osv., kan være lige så meget arbejde tilgange til AIS, hvoraf nogle er i høj grad inspireret af biologi end andre. Og ligesom Wright brothers, i dag er pionerer, de er i høj grad styret af eksperimenter og intuition, dels fordi vi ikke kender endnu nyttigt teoretisk tilnærmelse af Generel intelligens til at guide den tekniske tilgang til AIS bevægelse teorier, teorier, de udvikler sig organisk, som du praksis.
Fire (ikke helt) nemme trin til AIS
Jeg mener, at disse fire trin er i princippet opnåelige for resten af mit liv, måske endda i de næste 5-10 år. Over hvert af disse trin beskæftiger et team af de klogeste mennesker i verden, herunder men ikke begrænset til mit eget hold i SingularityNET, HansonRobotics og OpenCog.
Den gode nyhed er, at vi ikke har brug for radikalt nye, bedre hardware, og radikalt forskellige algoritmer eller sensorer eller aktuatorer. Vi skal bare bruge vores computere og algoritmer er mere rimeligt, at udføre følgende trin.
#1. For at gøre kognitive synergi praktiske
I dag har vi mange effektive algoritmer til AI, men vi kan ikke bruge dem sammen på en ganske kompliceret måde, så vi mister en masse synergi intelligens, der kunne opstå fra en samvittighedsfuld af deres brug. Omvendt, de forskellige komponenter i den menneskelige hjerne er konfigureret til at arbejde sammen med interessant feedback og mulighed for interaktion. Vi er nødt til at skabe et system, der vil give en rig og fuld koordination mellem de forskellige agenter AI på forskellige niveauer i en enkelt, komplekse, adaptive netværk af kunstig intelligens.
I OpenCog arkitektur, for eksempel, vi forsøger at gennemføre dette ved at skabe forskellige algoritmer til indlæring og argumentation, der arbejder sammen Atomspace Hypergraph, der giver dig mulighed for at skabe hybride netværk af symbolsk og podsolnyh segmenter. Vores motor probabilistisk logik, der behandler fakta og overbevisninger, vores motor af evolutionære learning-program, der håndterer den praktiske viden, vores dybe neurale netværk, at processen den opfattelse, at de alle arbejde sammen, for at opdatere et sæt af knuder og links af den hypergraph.
På et andet niveau, web-AI på blokkæden SingularityNET, vi arbejder på kognitiv synergi, som giver mulighed for forskellige agenter AI bruge forskellige interne algoritmer til at søge og udveksle informationer og resultater. Ideen er, at et netværk af agenter AI, ved hjælp af en særlig token, for udveksling af værdier, der kan skabe en fælles kognitiv økonomi i hovedet med intellekt på højeste niveau, som er hinsides det muligt for de enkelte agenter. Det er en moderne implementering af ideen om AI pioneer Marvin Minsky ‘ af intelligens som en “society of minds” på blokkæden.
#2. Til at forbinde karakter og positvely AI
Jeg tror, at de kan bedst opnås ved en kombination af algoritmer, der bruger lav-niveau intelligens, såsom perception og bevægelse (fx dybt neurale netværk), med algoritmer, der bruges til at abstrahere på højt niveau (logisk motor).
Dybt neurale netværk har opnået bemærkelsesværdig succes i de seneste år i behandling af forskellige typer af data, herunder billeder, video, lyd, og, i mindre omfang, tekst. Men, bliver det indlysende, at den umiddelbare og optimering af netværk er ikke meget godt, der er behandlet med abstrakt viden.
Min intuition fortæller mig, at den korteste måde at de vil være at bruge dybt neurale netværk, hvor de er mest egnet, og gøre dem til en hybrid, for at give mere som metoder i AI logiske systemer, så de kan håndtere de mere avancerede aspekter af den menneskelige bevidsthed.
#3. Arkitektur i hele organismen
Folk– ikke kun bevidstheden om sindet, men også kroppen, kroppen, derfor opfyldelsen af menneskelige niveau AIS vil kræve inddragelse af AI-system i et fysisk system, der kan interagere med den daglige menneskelige verden i diskrete øjeblikke.
“Arkitekturen i hele organismen” (WHOA!) – en dejlig sætning, repræsenteret af min kollega inden for robotteknologi David Hanson. I øjeblikket arbejder vi med den vidunderlige robot skabelse, “Sofia”, software, som jeg har oversat til en platform for eksperimenter med kunstig intelligens, Åbne Tandhjul og SingularityNET.
Generel intelligens kræver en menneskelignende krop, og kroppen ikke har brug for. Men hvis vi ønsker at skabe AIS, som især viser en menneske-lignende viden og kan forstå folk, at de ville nødt til at have en unik kombination af kognition, emotion, socialisering, perception og bevægelse, som kendetegner den menneskelige virkelighed. Klart den bedste måde for de at opnå denne form for følelser bor i kroppen, som mindst groft ligne et menneske.
Behovet for arkitektur hele kroppen er forbundet med betydningen af erfaringsbaseret læring for AIS. På baggrund af et menneskes barn, at alle typer af data, der er blandet på komplekse måder, og de mål og målsætninger, skal passe ind i den kategori struktur og dynamik af verden. Selv forskellen mellem mig selv og andre har brug for at forstå. I sidste ende, de vil have til at holde denne form for træning for mig selv.
Selv om det giver AIS-data fra de tekster og databaser er ikke så galt, du har brug for til at skabe et system, der vil interagere med den verden, til at opfatte det, og udforske på egen hånd og skabe sin egen model af sig selv og verden. Semantik af alt det, hun lærer, vil derfor være baseret på hendes egne observationer. Hvis det er for at lære noget abstrakt, som et sprog eller matematik, hun bliver nødt til at retfærdiggøre semantik af disse discipliner i dit eget liv og abstraktion.
Erfaringsbaseret læring kræver ikke robotteknologi. Men robotics ét stykke giver en meget naturlig måde uden for den moderne pædagogiske processer, for eksempel, erfaringsbaseret læring AI.
#4. Skalerbar meta-læring
De skal ikke blot lære, men også “lære at lære”. OOI bliver nødt til at anvende deres egne algoritmer til at argumentation og læring rekursivt til sig selv, til automatisk at forbedre deres egen funktionalitet.
I sidste ende evnen til at anvende læring for at forbedre læring skal give AIS til at bevæge sig langt ud over den menneskelige formåen. I øjeblikket, meta-læring er fortsat vanskelige, men nødvendige opgave. I SingularityNET, for eksempel, begynder vi at bruge OpenCog kunstig intelligens til mønstergenkendelse i personlig effektivitet tid til at forbedre deres egen præstation.
I retning af AIS-venligt
Hvis det er min opfattelse at de hold, som kun én af disse fire aspekter vil bevæge sig ud over den nuværende tilstand, får vi det — AIS menneskelige plan og videre.
Jeg finder dette perspektiv er yderst spændende og lidt skræmmende. Jeg ved også, at nogle observatører, herunder store mænd, som Stephen Hawking og Elon Musk, udtrykt præcis den modsatte vej: mere frygt end beundring. Jeg tror, at næsten alle, der er seriøse omkring udviklingen af AIS, lægger en stor indsats for at mindske den dermed forbundne risici.
En af de konklusioner, som jeg kom i forbindelse med mit arbejde på AI og robotteknologi, er følgende: hvis vi ønsker, at vores AIS kan optage og forstå den menneskelige kultur og værdi, er det den bedste fremgangsmåde vil være at inddrage disse AIS i sociale og følelsesmæssige sammenhænge med mennesker. Jeg føler, at vi gør de rigtige ting i vores arbejde med “Sofia” på Hanson Robotteknologi; i de seneste forsøg, vi brugte “Sophia”, som en guide til meditation.
I de sidste par år er jeg også blevet interesseret i arbejdet for at sikre, at AI har udviklet sig til at blive ligeværdigt og fordelt over hele økonomien i verden, og ikke bosatte sig i store virksomheder eller militære regeringer. Kort sagt, jeg ville foretrække, at supermind er blevet en venlig, kærlig AI, ikke en robot-killer reklame motor eller hedge Fond AI. Med denne motivation startede jeg projektet SilgularityNET— for at bruge AI, og blokkæden sammen og skabe et åbent marked, hvor alle og enhver på planeten kunne bruge verdens mest magtfulde AI i vilkårlig rækkefølge. Hvis de er født af “økonomi af bevidstheder” af denne art, han er mest tilbøjelige til at have passende etiske og inkluderende tankegang.
Vi går på ukendt territorium, ikke blot intellektuelt og teknologisk, men også socialt og filosofisk. Lad os gøre vores bedste for at den næste fase af vores kollektive rejse fortsatte med omtanke og i et samarbejde, og rimelig spændende.
Fire (ikke helt) nemme trin til Generelle kunstig intelligens (AI)
Ilya Hel