Kas yra dirbtinis bendrasis intelektas ir kuo jis skiriasi nuo generatyvaus AI?

Nuo tada, kai 2022 m. pabaigoje AI atsidūrė dėmesio centre, tūkstančiai dirbtinio intelekto modelių pasirodo beveik kiekvieną savaitę. Bandant neatsilikti nuo to, kuris ką daro, gali svaigti galva.

Jei esate susipažinę su AI pagrindais, galbūt jau žinote apie generatyvųjį dirbtinį intelektą (GAI). Ir atvirkščiai, galbūt nesate susipažinę su kitu AI tipu, vadinamu dirbtiniu bendruoju intelektu (AGI).

Nors jie skamba panašiai, jie nėra visiškai vienodi. Ir ne, tai ne tik todėl, kad jų akronimų raidės yra perjungtos. Taigi, koks skirtumas tarp šių dviejų?

Kas yra bendras dirbtinis intelektas?

Įsivaizduokite AI, galintį mąstyti, samprotauti, suvokti, daryti išvadas – viską, ką gali padaryti žmonės. Toks ir dar daugiau yra dirbtinis bendras intelektas. Nors teorinis, dirbtinis bendrasis intelektas (AGI) gali atlikti bet kokią intelektinę užduotį, kaip ir žmogus, tačiau su mažiau klaidų arba jų visai nėra.

Jis skiriasi nuo dirbtinio siaurojo intelekto (ANI), kuris yra aukštos kvalifikacijos tam tikroje srityje ar užduočių diapazone. Siauras intelektas yra sukurtas taip, kad puikiai atliktų tik vieną ar labai kelias konkrečias užduotis, pavyzdžiui, profesorius emeritas labai nišinėje disciplinoje.

AGI siūloma kaip dirbtinis intelektas, galintis jausti, priimti sprendimus pagal savo jausmus, spręsti problemas, mokytis, apdoroti kalbas ir atlikti kitus pažintinius gebėjimus. Iš anksto nepateikęs duomenų, AGI turėtų sugalvoti ką nors prasmingo, neatsižvelgiant į susijusius kintamuosius.

Mokslinės fantastikos AI vos priartėja, todėl AGI vis dar yra tik teorija. Nors kai kurie dirbtinio intelekto modeliai yra artimi AGI aprašymui, jie vis dar labai priklauso nuo pateiktų duomenų ir dar turi suformuoti nepriklausomus argumentus. Nors jiems puikiai sekasi spręsti problemas, apdoroti natūralią kalbą ir panašiai, jiems dar toli, kad galėtume juos pavadinti visapusiškais AGI.

Pavyzdžiui, „Google DeepMind“ dirba dieną ir naktį, kad sukurtų AGI modelius, kurie galėtų prilygti žmogaus intelektui ir gebėtų mokytis ir mąstyti kaip žmonės. Norėdami sužinoti daugiau, peržiūrėkite nuostabių dalykų, kuriuos gali padaryti esami „Google DeepMind“ robotai.

Taigi, kokie galimi dirbtinio bendrojo intelekto pritaikymai? Na, ji žada rasti svarbą visose įsivaizduojamose srityse. Pavyzdžiui, AGI ir biotechnologijos gali suteikti aukščiausios kokybės sveikatos priežiūrą už nedidelę kainą. Jis gali individualizuoti gydymo planus ir pagreitinti diagnozę su minimaliomis klaidomis.

Jis gali atlikti šiuos ir daug daugiau tokiose srityse kaip robotika ir automatizavimas, moksliniai tyrimai, švietimas, žemės ūkis, kosmoso tyrinėjimas ir kt.

Kas yra generacinis dirbtinis intelektas?

Kaip minėta anksčiau, dauguma AI modelių, egzistavusių rašymo metu, patenka į šią kategoriją.

Generatyvusis dirbtinis intelektas (GAI) apima bet kokį AI, kuris, kaip rodo pavadinimas, generuoja naują medžiagą, nesvarbu, ar tai būtų garsas, vaizdas ar tekstas, iš anksčiau priskirtų duomenų. Kitaip tariant, bet koks AI, kurį turite pateikti raginimus generuoti turinį arba atsakyti į užklausas, pasiekiant saugomą informaciją, gali būti klasifikuojamas kaip GAI.

Pavyzdžiui, įprasti teksto į kalbą ir vaizdo į vaizdą vertėjai ir naujesni pokyčiai, tokie kaip DALL-E (Kas yra DALL-E?), „MuseNet“, „Style-based Generative Adversarial Networks“ (StyleGAN), „Jukebox“ ir „Generative Pre-Tained Transformers“ (GPT-3, GPT-3.5, GPT-4) yra priskirti prie generuojamojo AI.

Generatyvusis dirbtinis intelektas naudoja gilaus mokymosi metodus, kad sugeneruotų turinį kuo arčiau raginimų. Jie naudoja raginimus kaip statybines medžiagas, kad sukurtų turinį, kurio prašote sukurti. Stai keleta pavyzdžiai, ką „ChatGPT“ gali padaryti už jus jei norite sužinoti daugiau apie tai.

Kuo panašus dirbtinis bendras intelektas ir generatyvusis dirbtinis intelektas?

Nors AGI ir „Generative AI“ skiriasi savo veikimo būdu ir patirtimi, jie turi keletą bendrų dalykų.

1. Mokymasis

AGI ir GAI yra mašininio mokymosi modeliai, kurie mokosi per prižiūrimus, pusiau prižiūrimus ir neprižiūrimus algoritmus, naudojant giluminius neuroninius tinklus. Tai skirta tam, kad jie galėtų analizuoti ir apdoroti duomenis, kad generuotų turinį pagal raginimo kontekstą.

Kaip ir žmonės, AGI modeliai gali mokytis iš įvairių duomenų ir patirties. Tuo pačiu metu GAI mokomas naudotis esamais dideliais duomenų telkiniais, kad suprastų pagrindinius duomenų modelius ir ryšius, kad būtų galima generuoti naujus, reikšmingus ir svarbius duomenis.

2. Taikymo sritis

AGI ir GAI gali būti naudojami įvairiems tikslams, įskaitant, bet neapsiribojant, teksto, vaizdo ir vaizdo įrašų turinį.

Generatyvusis AI gali būti sukurtas įvairiems tikslams ribotose srityse. Kita vertus, dirbtinis bendrasis intelektas natūraliai pritaikomas visose gyvenimo srityse, nes gali savarankiškai samprotauti ir atlikti užduotis.

3. Pokyčių katalizatoriai

Technologinės pažangos tikslas – skatinti pokyčius ir augimą. AGI ir GAI yra būtini norint greitai stebėti labai reikalingus pokyčius ir naujoves, kurių pasauliui labai reikia.

Įdiegus tinkamas naudoti GAI ir AGI, žmonija yra užtikrinta, kad netrukus įvyks sparti pažanga, kuri eksponentiškai sumažins žmogaus darbo laiką.

4. Etinės dilemos šaltinis

Nors papildomos pagalbos iš AI gavimas atrodo gera idėja, kyla keletas rūpesčių, kai reikia nustatyti aiškią ribą, ką etiškai tinka AI prižiūrėti.

Su „Generative AI“ buvo susirūpinimą dėl autorių teisių taisyklių, susijusių su AI menu Ir netgi klausimų, ar AI menas yra tikras menas. AGI, turėdamas pakankamai laiko, gali pamatyti žmoniją kaip beprasmę ir siekti žmonijos sunaikinimo – mokslinės fantastikos siaubo, paverčiančio tikrovę.

Taisyklės dirbtinio intelekto srityje buvo sudėtingos, nes tai neatrasti vandenys žmonių rasei.

Kuo dirbtinis bendrasis intelektas skiriasi nuo generatyvaus dirbtinio intelekto?

Svarbiausias skirtumas tarp jų yra tas, kad AGI dar nėra sukurta, o GAI egzistuoja ir jau naudojamas. Kiti skirtumai yra šie:

1. Veikimo režimai

Išskyrus tai, kad AGI vis dar yra kompiuterių mokslininkų pageidavimų sąraše, jų veikimo būdai yra labai skirtingi.

Bendrasis dirbtinis intelektas neapsiriboja jokia konkrečia užduotimi ar sritimi, atliekant užduotis be specialaus programavimo. Kita vertus, generuojantis AI pagrindinis dėmesys skiriamas naujo turinio nišoje generavimui, remiantis esamais modeliais ir duomenimis.

2. Prisitaikymas

AGI gali mokytis ir prisitaikyti prie naujų situacijų, o generatyvųjį AI riboja įvesties duomenys ir konkreti sritis, kurioje jis veikia.

AGI, prižiūrinti organizacijos pardavimus ir finansus, galės prisitaikyti staigių pokyčių, pavyzdžiui, pandemijos, atveju. AGI modelis galės padaryti protingas išvadas iš turimų duomenų ir perkonfigūruoti organizacijos operacijas, kad atitiktų naujus pokyčius.

Tai yra kažkas, ko generuojantis AI vienas negali padaryti.

3. Pažinimas

Bendrasis dirbtinis intelektas savo problemų sprendimo požiūriu greičiausiai yra panašus į žmogų. Tai prieštarauja „Generative AI“, kuri veikia pagal iš anksto parengtas įvesties ir išvesties sekas. „Generative AI“ gali daryti tik tai, kam buvo užprogramuota, nei daugiau, nei mažiau. Kita vertus, AGI mokysis, samprotauja, lygins ir padarys išvadas.

Paprastais žodžiais tariant, AGI gali mąstyti kaip žmogus ir galbūt net geriau.

4. Mokymosi metodas

Generatyvusis dirbtinis intelektas dažnai mokosi per neprižiūrimą mokymąsi, naudodamas didelius duomenų išteklius, kurie moko, kaip sukurti naują turinį iš anksčiau esamo.

AGI naudos tiek prižiūrimo, tiek neprižiūrimo mokymosi ir sustiprinimo mokymosi derinį. Tai užtikrina, kad ji gali priimti protingus sprendimus, atsižvelgdama į didžiulius turimus išteklius.

GAI, AGI ir ne tik

Negalima paneigti, kad dirbtinis bendras intelektas yra svajonių medžiaga, kuri greitai virsta realybe. Mes dar tik priprantame prie generatyvaus dirbtinio intelekto, bet neturime pernelyg jaustis.

Dirbtinis bendras intelektas netrukus taps ne tik teorija, o konkretizuota aktyvia intelekto forma, kuri, tikėkimės, dirbs su mumis ir mums.