Hva er kunstig generell intelligens? Alt du trenger å vite

Kunstig generell intelligens gir plass for maskiner som kan oppføre seg, prestere og lære som vi gjør!

Kunstig intelligens har endret måten maskinen utfører arbeid på. I dag kan datamaskinen din utføre mange personlige og profesjonelle oppgaver hvis du trener den med AI-verktøy. Noen eksempler er å lage bilder, produsere stemme fra tekst, kontrollere verktøy osv.

Men disse er ikke virkelig intelligente. Det ligger mange måneder med trening bak slik automatisering.

Hva med en virkelig intelligent dataapplikasjon som kan lære på egen hånd? Det er kunstig generell intelligens sitt domene. Les videre for å lære denne banebrytende teknologien i dag!

Introduksjon

AGI er en teknologi som kan gjøre programvare og maskinvare så smarte at de uttrykker menneskelignende kognitive evner. Den har andre navn som sterk AI, full AI, etc.

For å forenkle det presenterer du det smarte AGI-systemet med et problem det ikke kjente fra før. Den smarte datamaskinen vil analysere problemet, gjøre noen online undersøkelser og levere en løsning på problemet.

IBM, OpenAI, Microsoft, Google Brain, Darktrace, Deepmind, etc., er de raske bevegelsene innen AGI-teknologi. Disse selskapene prøver å tilføre følgende i en konstruert smart datamaskin:

  • Menneskelignende generell intelligens
  • Express intelligens er ikke knyttet til noen spesifikk oppgave som å skrive eller snakke
  • Generaliser ny læring og koble kunnskapen med tidligere erfaringer
  • Gi mening fra læring som er kvalitativt forskjellig
  • Oppfatte og analysere oppgaver fra den virkelige konteksten

Foreløpig er det ingen ekte kunstig generell intelligens (AGI). IBM Strong AI og Google Brain gjør noen fremskritt, men disse er ikke produksjonsklare.

Fordeler og behov

Vi trenger AGI for å erstatte mennesker på farlige steder. Dessuten kan AGI-datamaskiner levere et uforutsett produktivitetsnivå i forretningsdriften.

AGI-applikasjoner vil også hjelpe menneskeheten med å løse tøffe gåter innen medisin, helsevesen, forsyningskjede, økonomi, finans og samfunnsvitenskap.

Her er noen andre viktige grunner til å utvikle en AGI:

  • AGI-applikasjoner kan vise en bedre forståelse av årsak og virkning for å hjelpe mennesker med risikovurderingsprosjekter.
  • AGI-er kan effektivt bruke ulike sanseoppfatninger som farge, lyd, dybde, visuelle og dimensjoner.
  • Slike intelligente dataprogrammer kan kommandere en robotarm til å utføre finmotoriske ferdigheter som å sette sammen elektroniske enheter fra start til slutt.
  • Den naturlige språkbehandlingsevnen (NLP) til en AGI vil gjøre automatisering enklere. Du kan bare si noen nøkkelord, og AGI-verktøyet skal bygge den automatiserte flyten du trenger.
  • AGI-er kan løse unike problemer etter å ha sett på problemet og analysert det virkelige miljøet. Det er ikke nødvendig å oppfylle noen If/Then, If/Else, etc., betingelser.
  • AGI-er kan hjelpe innholdsskapere, kunstnere, designere og arkitekter med ut-av-boksen ideer.
  • AGI-apper kan tilby utmerket kundeservice uten glipp siden de også vil vise emosjonell og sosial intelligens.
  Slik bruker du Jio 5G-nettverket i India

AI vs. AGI

#1. Handlingsmåte

AI, også kalt smal AI, er en reaktiv smart applikasjon. Den vil reagere med en forhåndsinnstilt liste over handlinger når den mottar signaler fra hendelsestriggere.

AGI-er trenger ingen hendelsestriggere. Disse appene vil reagere proaktivt, som mennesker, for å forhindre problemer, løse gåter osv.

#2. Handlingsomfang

Smale eller svake AI-er har også et begrenset arbeidsomfang. En skrivende AI skal ikke kjøre bil og omvendt. Den begrensede applikasjonen gjør også utvikling kostbar og ineffektiv på produksjonsnivå.

Én AGI kan drive et helt produksjonsanlegg, tusenvis av hjem i en lokalitet i en region, eller alle bedriftskontorene til virksomheten din. Den er åpen for enhver utfordring siden den har kognitiv læring, resonnement og proaktiv handlingsevne.

#3. Problemløsningsferdigheter

Smale AI-er løser stort sett lukkede problemer som GPS-navigasjon, nettsøk basert på nøkkelord, AI-skriving, AI-kodefullføring, etc.

Kunstig generell intelligens kan håndtere åpne problemer som å lage en feltmarkedsføringsstrategi ved å analysere markedet, kundene og produktene.

#4. Minnekapasitet

De fleste svake AI-programmer er basert på maskiner med begrenset minne. AI er avhengig av et sett med kunstige nevrale nettverk og treningsdatabaser. Når databasen eller algoritmene er gamle, setter AI-er seg fast.

AGI-er vil komme med praktisk talt uendelig minne (kunnskapsressurser) via lokale databaser, skydatabaser og Internett.

#5. Oppgraderinger

Mennesker må oppgradere svake AIer regelmessig ettersom forretningskrav og markedstrender endres.

AGI-er vil oppgradere minnene og databasene sine selv. Den skal ikke be om menneskelig inngripen.

tilnærminger

#1. Den subsymbolske tilnærmingen

Her bruker AGI-utviklere applikasjoner som ligner den menneskelige hjernen. For eksempel, DeepMinds AlphaGo, konvolusjonelle nevrale nettverk, dyplæringssystemer, etc.

#2. Den symbolske tilnærmingen

I denne metoden bruker AGI-utviklere flytskjemaer, symboler og hvis-så-setninger. Kunstig generell intelligens bruker en primær algoritme for å lære og skape en kunnskapsbase. Videre kan den sammenligne algoritmen og dens symboler med virkelige aspekter og utvikle bedre tankeprosesser enn svake AI-er.

#3. Tilnærming til hele kroppen

I dette konseptet ønsker AGI-utviklere å inkludere all programvare, maskinvare, nettverk og sensoriske evner i en menneskelignende kropp. Humanoiden kan gå, snakke, berøre mennesker og så videre.

#4. Den hybride tilnærmingen

Den hybride måten til AGI-utvikling er avhengig av de sub-symbolske og symbolske tilnærmingene.

Et vellykket eksempel på denne kategorien er Sophia, en humanoid robot. Det omfatter både symbolske og konneksjonistiske systemer. For eksempel trenger Sophia CogPrime-arkitekturen og AtomSpace-databasen for funksjonaliteten.

#5. Matematisk tilnærming

Forskere tar sikte på å tildele AGIs uendelig beregningskraft. Derfor vil disse smarte appene og enhetene kunne utføre det nødvendige antallet matematiske problemløsninger for å ta fremragende beslutninger.

Hvordan fungerer AGI?

Et AGI-program vil bruke ulike teknologier for å oppnå kognitive evner på menneskelig nivå. Disse er som nedenfor:

Inngang og utgang (I/O)

AGI-er bruker ulike sensoriske enheter for å utføre oppgavene sine i produksjonsanlegg eller som selvkjørende biler. Disse sensorene kan være visuelle, RFID, temperatur, trykk, hastighet, bevegelse, etc.

En annen gruppe AGI-er kan kreve OCR, databasekoblinger osv. for å utføre forretningsoperasjoner på kontorer.

Motor ferdigheter

Helkropp, robotarmer, autonome kjøretøy osv. fungerer ved å lage fine bevegelser. AGI-er er avhengige av motoriske ferdigheter tilegnet fra nevrale nettverk, 3D-bildebehandling, visuell etterligning, etc.

  Slik bruker du Snap Camera med Google Meet

NLP

En AGI kan lære fra ulike kilder som nettstedsartikler, forskningstidsskrifter, e-bøker, YouTube-videoer osv. For dette formålet lærer den smarte applikasjonen først å tolke naturlig språk til maskinspråk.

Resonnering og problemløsning

En AGI-robot eller applikasjon bruker ofte simuleringer for å løse et unikt problem. Siden den har enorme prosesserings- og minnefunksjoner, kan maskinen kjøre flere simuleringer samtidig. Deretter kan den, i henhold til suksessraten, velge én simulering.

Kreativ tenking

AGI-er kan bruke flere nevrale nettverk for å lage unike og kreative ideer som kunstformer, noter, artikler, etc.

Ansiktsgjenkjenning og lydbehandling

Humanoid AGI-er som samhandler med mennesker bruker for det meste lydanalyse og ansiktsgjenkjenning. Etter å ha behandlet lyden og det visuelle fra miljøet og krysssjekket med eksisterende kunnskapsbaser, kan den samhandle med mennesker.

Utfordringer

Kunstig generell intelligens har en enorm mulighet til å transformere AI-verdenen. Men å nå dette stadiet er ikke en jevn prosess. Her er utfordringene og hindringene ved å utvikle en AGI:

#1. Mestring av menneskelignende ferdigheter

For å oppnå ekte intelligens på menneskelig nivå, må en AGI mestre noen ferdigheter. Disse inkluderer motoriske ferdigheter, naturlig språkforståelse, sensorisk persepsjon, emosjonell og sosial forbindelse og kreativitet på menneskelig nivå.

#2. Fravær av arbeidsprotokoll

Det finnes ingen standard arbeidsprotokoller for AI-systemer for uanstrengt samarbeid. Derfor vil implementering av et omfattende AGI-system møte uunngåelige tekniske mangler.

#3. Mangel på forretningstilpasning

Integreringen av AI i eksisterende systemer er fortsatt en kompleks prosess. Siden de berørte interessentene fortsatt er uvitende om driftsparametrene, er det vanskelig å holde utviklingen i tråd med forretningsmålene.

#4. Kommunikasjonshull

Det er fortsatt et kommunikasjonsgap mellom separate AI-systemer. Siden sømløs datadeling mellom disse systemene er umulig, blir inter-læringen av AI-modellene hemmet, og dens universalitet reduseres.

#5. Fravær av AGI-retning

Det er ingen planer eller instruksjoner for implementering av AGI i bedriftens forretningsdrift. Dermed blir implementeringen kostbar, og realiseringen blir hindret.

Som du vet, er fullstendig utvikling av kunstig generell intelligens ennå ikke oppnådd. Imidlertid vil disse AI-trendene påvirke AGI:

#1. Natural Language Processing (NLP)

NLP eller Natural Language Processing refererer til prosessen der AI kan forstå menneskelig språk og konvertere det til maskinstøttede koder. Ved å bruke NLP kan AGI forvente å kunne samhandle med mennesker på en realistisk måte.

#2. Metaverse

Metaverse er en teknologi som tilbyr en oppslukende brukeropplevelse. Med flere interesserte vil AGI utvikle seg for å hjelpe Metaverse med å bygge en virtuell verden.

#3. Lavkode eller ingen kode AI

Det er en økende etterspørsel etter løsninger med lav kode eller ingen kode, selv etter AI-verktøy og algoritmer. Disse løsningene kommer med intuitive grensesnitt for å gjøre komplekse apputviklingsprosesser enklere.

#4. Arbeidsstyrkeøkning

Det betyr at mennesker og digitale ansatte jobber i en organisasjon side om side. Selv om mange frykter AI vil gjøre mennesker arbeidsledige, vil inkludert AI i operasjoner gjøre det mer effektivt.

#5. Quantum AI

Quantum AI har en stor sjanse til å påvirke AGI ved å øke hastigheten på ML-algoritmer og hjelpe deg med å få resultater med rask hastighet. Det kan også nøytralisere hindringene AGI kan møte ved å analysere et stort datavolum.

#6. AI-etikk

De potensielle risikoene ved AI er umulig å ignorere. Hvis den ikke brukes riktig, kan AI være farlig for menneskeheten. Derfor vil AI-etikk få mer oppmerksomhet i årene som kommer.

  Hvordan sette opp Tor Browser Bundle på Ubuntu

#7. AI Chatbots

AI chatbots eller virtuelle assistenter kan ha en naturlig samtale og utføre regelbaserte operasjoner. Disse chatbotene erstatter menneskelige støtteagenter og har allerede redusert driftskostnadene for bedrifter. I fremtiden kan dette revolusjonere AGI.

Risikoer ved AGI

  • Hvis databasen til AGI er begrenset, kan den ta katastrofale beslutninger som skader bedrifter og hjem.
  • AGI-er kan bli mål for avanserte hackingangrep. Hvis en hacker stopper en AGI-maskin, kan det skade hele virksomheten.
  • AI-utviklere har rapportert om ulike hendelser med partiske beslutninger tatt av prototype-AGIer.
  • Å gi AGI-er ubegrenset databasetilgang kan også bryte med ulike personvernregler over hele verden.

Deretter vil vi sjekke ut virkelige eksempler på kunstig generell intelligens.

Eksempler fra den virkelige verden

AI-advokaten ROSS kan søke i milliarder av juridiske dokumenter på under tre sekunder. Du kan legge inn et hvilket som helst juridisk spørsmål, og det vil gi nøyaktige svar.

Det er en AGI fordi den bruker ulike smarte teknologier som rangering, gjenfinning og forståelse. Den har også et bredere handlingsrom siden den dekker alle nisjene i det juridiske domenet.

#2. AlphaGo

AlphaGo er en AI-basert Go-brettspillspiller. Det er den første smarte maskinen som beseiret en profesjonell, levende Go-spiller. Selv om dette er en kunstig intelligens med begrenset handlingsrom, har den selvlærende evner. AlphaGo kan lære av sin konkurrent og sine egne feil.

#3.OpenAIs medfølgende AI-verktøy

OpenAIs utvalg av AI-systemer, som nevnt nedenfor, kan utføre forskjellige oppgaver automatisk når de kombineres med API-kall:

  • GPT-3 lager naturlige språkbaserte tekster fra enkle fraser og ledetråder. Mange nettspill og mixed reality-opplevelser som FableStudios historiedrevne «Virtual Being» bruker GPT-3 for interaktive historier.
  • Codex hjelper utviklere med å oversette naturlige språkinndata til koder for praktisk koding.
  • DALL·E hjelper NFT-skapere og digitale kunstnere med å produsere tusenvis av originale og unike kunstverk på få minutter. AI kan også redigere bilder.

#4. IBM Watson

IBM Watson er en fullservice AI-pakke for bedrifter. Vi kan kalle det en AGI siden den har forskjellige applikasjoner. Det er forskjellige Watson AIer, og disse er som nedenfor:

  • IBM Watson Assistant for kundeservice eller virtuell assistanse
  • IBM Watson Discovery skaper innsikt og svar fra komplekse forretningsdokumenter
  • IBM Watson Natural Language Understanding and Classifier

Siste ord

Så langt har du utforsket konseptet kunstig generell intelligens. Du har også lært hvordan det fungerer, utfordringer, eksempler, risikoer og mer.

Å lære det ovennevnte vil hjelpe deg med å planlegge utviklingsprosjektene dine for kunstig intelligens riktig. Det må være fleksibelt nok til å inkludere neste generasjons smarte applikasjoner i prosjektet ditt og gjøre det til en AGI.

Hvis du er en bedrift som ønsker å gjøre driften mer produktiv og kostnadseffektiv, kan AGI være svaret selv om flere utviklinger er på gang.

Deretter kan du sjekke ut mer om maskinlæring.

x