Изкуствен интелект: Четвъртата индустриална революция

By Daniel Mikelsten, Vasil Teigens and Peter Skalfist

Четвъртата индустриална революция представлява фундаментална промяна в начина, по който живеем, работим и се отнасяме помежду си. Това е нова глава в човешкото развитие, осигурена от изключителен напредък в технологиите, съизмерим с този на първата, втората и третата индустриална революция. Тези постижения обединяват физическия, дигиталния и биологичния свят поначини, които създават както огромни обещания, така и потенциални опасности. Бързината, широчината и дълбочината на тази революция ни принуждават дапреосмислим как се развиват страните, как организациите създават стойност и дори какво означава да бъдеш човек. Изкуственият интелект днес е правилно известен като тесен AI (или слаб AI), тъй като е предназначен да изпълнява тясна задача (напр. Само разпознаване на лице или само търсене в интернет или само шофиране на автомобил). Въпреки това, дългосрочната цел на много изследователи е да създадат общ AI (AGI или силен AI). Докато тесният ИИ може да превъзхожда хората при каквато и да е конкретна задача, като например игра на шах или решаване на уравнения, AGI би превъзхождал хората при почти всяка познавателна задача.
Authors: Daniel Mikelsten, Vasil Teigens, Peter Skalfist

• Language: Български
• Publisher: Cambridge Stanford Books
• Release date: Sep 16, 2020
• ISBN: 9781005202446

Daniel Mikelsten

Daniel Mikelsten, is the pen name of a history and science author that aims to organize and collect technical, historical and scientific information.The student or the scientist, will be able to satisfy his needs of consultation and of study, by means of a work supported by abundant number of sources and bibliographical references.

Book preview

въведение

четвъртата индустриална революция представлява фундаментална промяна в начина, по който живеем, работим и се отнасяме помежду си. Това е нова глава в човешкото развитие, осигурена от изключителен напредък в технологиите, съизмерим с този на първата, втората и третата индустриална революция. Тези постижения обединяват физическия, дигиталния и биологичния свят по начини, които създават както огромни обещания, така и потенциални опасности. Бързината, широчината и дълбочината на тази революция ни принуждават да преосмислим как се развиват страните, как организациите създават стойност и дори какво означава да бъдеш човек.

от SIRI до автомобили със самостоятелно управление, изкуственият интелект (AI) напредва бързо. Докато научната фантастика често представя AI като роботи с човешки характеристики, AI може да обхване всичко - от алгоритмите за търсене на Google до Watson на IBM до автономни оръжия.

изкуственият интелект днес е правилно известен като тесен AI (или слаб AI), тъй като е предназначен да изпълнява тясна задача (напр. Само разпознаване на лице или само търсене в интернет или само шофиране на автомобил). Въпреки това, дългосрочната цел на много изследователи е да създадат общ AI (AGI или силен AI). Докато тесният ИИ може да превъзхожда хората при каквато и да е конкретна задача, като например игра на шах или решаване на уравнения, AGI би превъзхождал хората при почти всяка познавателна задача.

четвъртата индустриална революция е свързана с нещо повече от просто технологично изменена промяна; това е възможност да се помогне на всички, включително лидери, политици и хора от всички доходни групи и нации, да се използват конвергентни технологии, за да се създаде приобщаващо, ориентирано към човека бъдеще. Реалната възможност е да се погледне отвъд технологиите и да се намерят начини да се даде възможност на най-голям брой хора да повлияят положително на своите семейства, организации и общности.

изкуствен общ интелект

изкуственият общ интелект (AGI) е интелигентността на машина, която може да разбере или научи всяка интелектуална задача, която човек може. Това е основна цел на някои изследвания на изкуствения интелект и често срещана тема в научната фантастика и фючърсните изследвания. AGI може също да се обозначи като силен AI, пълен AI или общо интелигентно действие. (Някои академични източници запазват термина силен AI за машини, които могат да изпитат съзнание.) Някои власти подчертават разграничението между силен ИИ и приложен AI (наричан също тесен AI или слаб AI): използването на софтуер за проучване или изпълнение на конкретни задачи за решаване или разсъждение. Слабият ИИ, за разлика от силния ИИ, не се опитва да изпълни пълния спектър от познавателни способности на човека.

предложени са различни критерии за интелигентност (най-известният е тестът на Тюринг), но към днешна дата няма определение, което да удовлетвори всички. Въпреки това има широко съгласие между изследователите на изкуствения интелект, че се изисква разузнаването да направи следното:

разсъждавайте, използвайте стратегия, решавайте загадки и вземайте преценки при несигурност;

представляват знания, включително здрави знания;

планираме;

уча;

общуват на естествен език;

и интегрирайте всички тези умения към общи цели.

други важни възможности включват способността за усещане (напр. Виждане) и способността за действие (напр. Движение и манипулиране на обекти) в света, където трябва да се наблюдава интелигентно поведение. Това ще включва способността за откриване и реагиране на опасност. Много интердисциплинарни подходи към интелигентността (напр. Когнитивна наука, изчислителна интелигентност и вземане на решения) са склонни да подчертават необходимостта от разглеждане на допълнителни черти като въображение (взето като способност за формиране на ментални образи и концепции, които не са програмирани в) и автономност. Компютърно базиран съществуват системи, които проявяват много от тези възможности (напр. вижте изчислителна креативност, автоматизирани разсъждения, система за подкрепа на решения, робот, еволюционни изчисления, интелигентен агент), но все още не са на човешко ниво.

тестове за потвърждаване на AGI на човешко ниво

Тестът на Тюринг (Тюринг) Машина и човек и обратното зрение, невиждано с втори човек, който трябва да прецени коя от двете е машината, която преминава теста, ако може да заблуди оценителя значителна част от времето. Забележка: Тюринг не предписва това, което трябва да се квалифицира като интелигентност, само че знанието, че това е машина, трябва да го дисквалифицира. Тестът за кафе (Возняк) Необходима е машина, за да влезе в средностатистически американски дом и да измисли как да прави кафе: намерете кафемашината, намерете кафето, добавете вода, намерете халба и сварете кафето, като натиснете правилните бутони. Тестът за студентски робот в колежа (Гьорцел) Машина се записва в университет, вземайки и преминавайки същите класове, които хората биха получили, и получават образователна степен. Тестът за заетост (Нилсон) Машината работи икономически важна работа, изпълнявайки най-малкото, както и хората в една и съща работа.

IQ-тестове AGI

Chineseresearchers Feng Liu, Yong Shi и Ying Liu проведоха тестове за интелигентност през лятото на 2017 г. с публично достъпни и свободно достъпни слаби AI като Google AI или Apple Siri и други. В максимум тези AI достигнаха стойност от около 47, което приблизително съответства на шестгодишно дете в първи клас. Един възрастен човек достига средно около 100. През 2014 г. бяха проведени подобни тестове, при които AI достигна максимална стойност 27.

проблеми, изискващи AGI за решаване

най-трудните проблеми за компютрите са неофициално известни като AI-complete или AI-hard, което означава, че решаването им е еквивалентно на общата способност на човешкия интелект или силния AI, извън възможностите на специфичен за целта алгоритъм.

проблемите с AI-пълна хипотеза включват обща компютърна визия, разбиране на естествен език и справяне с неочаквани обстоятелства, докато решавате всеки проблем в реалния свят.

проблемите, завършени с AI, не могат да бъдат решени само с настоящите компютърни технологии, а също така изискват изчисляване на човека. Това свойство може да бъде полезно, например, за тестване на присъствието на хора, както целят CAPTCHA; както и за компютърна сигурност за отблъскване на груби атаки.

AGI изследвания

класически AI

съвременните изследвания на ИИ започват в средата на 1950 г. Първото поколение изследователи на ИИ е убедено, че изкуственият общ интелект е възможен и че той ще съществува само след няколко десетилетия. Както пионерът на AI Херберт А. Саймън пише през 1965 г.: машините ще бъдат в състояние в рамките на двадесет години да вършат всяка работа, която може да направи човек. Техните прогнози бяха вдъхновение за героя на Стенли Кубрик и Артър К. Кларк HAL 9000, които въплътиха това, което изследователите на AI вярваха, че могат да създадат до 2001 г. Пионерът на AI Марвин Мински беше консултант по проекта за превръщането на HAL 9000 във възможно най-реалистичен план според консенсус прогнози за времето; Крийви го цитира като казал по темата през 1967 г. В рамките на едно поколение… проблемът със създаването на изкуствен интелект ще бъде решен по същество, въпреки че Мински заявява, че е бил погрешно цитиран.

в началото на 70-те обаче стана очевидно, че изследователите грубо са подценили трудността на проекта. Финансиращите агенции станаха скептично настроени към AGI и поставиха изследователите под все по-голям натиск да произведат полезен приложен ИИ. С началото на 80-те години Японският компютърен проект за пето поколение съживи интереса към AGI, като определи десетгодишна времева линия, която включва цели на AGI като водят непринуден разговор. В отговор на това и успеха на експертните системи, както индустрията, така и правителството изпомпваха пари обратно на полето. Въпреки това доверието в AI грандиозно се срина в края на 80-те години на миналия век, а целите на компютърен проект за пето поколение никога не бяха изпълнени. За второто време за 20 години, изследователите на ИИ, които прогнозираха предстоящото постижение на АГИ, се оказаха погрешно. През 90-те години изследователите на ИИ добиха репутация на напразни обещания. Те се отказаха изобщо да правят прогнози и да избягват всякакво споменаване на изкуствения интелект на човешко ниво от страх да не бъдат етикетирани като мечтател с диви очи.

тесни изследвания на AI

през 90-те и началото на XXI век мейнстриймът AI постигна далеч по-голям търговски успех и академична респективност, като се съсредоточи върху специфични подпроблеми, при които те могат да дават проверими резултати и търговски приложения, като изкуствени невронни мрежи, компютърно зрение или извличане на данни. Тези приложените AI системи сега се използват широко в цялата технологична индустрия и изследванията в тази област са много финансирани във вътрешните академични среди и индустрията. Понастоящем развитието в тази област се счита за развиваща се тенденция и се очаква зрял етап да настъпи след повече от 10 години.

повечето основни изследователи на ИИ се надяват, че силен ИИ може да бъде разработен чрез комбиниране на програми, които решават различни подпроблеми, използвайки интегрирана архитектура на агенти, когнитивна архитектура или архитектура на субсумпсия. Ханс Моравец пише през 1988 г.:

Уверен съм, че този път отдолу нагоре към изкуствения интелект един ден ще срещне традиционния маршрут отгоре надолу повече от половината път, готов да осигури реалната компетентност и здравите знания, които са толкова разочароващо неуловими в програмите за разсъждения. Напълно интелигентни машини ще се получи, когато метафоричният златен шип бъде задвижен, обединяващ двете усилия.

въпреки това, дори тази фундаментална философия е оспорена; например, Стивън Харнад от Принстън приключи своя документ от 1990 г. за хипотезата за заземяване на символи, като заяви:

Често се изразява очакването, че познаването на модела на познанието отгоре надолу (символично) по някакъв начин ще срещне подходите отдолу нагоре (сензорни) някъде по средата. Ако съображенията за заземяване в този документ са валидни, тогава това очакване е безнадеждно модулно и наистина има само един жизнеспособен маршрут от смисъл до символи: от земята нагоре.Свободно плаващо символно ниво като софтуерното ниво на компютър никога няма да бъде достигнато по този маршрут (или обратното) - нито е ясно защо дори трябва опитайте се да достигнете такова ниво, тъй като изглежда, че стигането до там би означавало просто изкореняване на нашите символи от техните присъщи значения (като по този начин просто се свеждаме до функционалния еквивалент на програмируем компютър). "

съвременни изследвания за изкуствено общо разузнаване

изкуственият общ интелект (AGI) описва изследвания, които имат за цел да създадат машини, способни на общоинтелигентни действия. Терминът е използван още от 1997 г. от Марк Губрудин в дискусия за последиците от напълно автоматизираното военно производство и операции. Терминът е въведен отново и популяризиран от Шейн Лег и Бен Гьорцел около 2002 г. Целта на изследването е много по-стара, например проектът за цикъла на Дъг Ленат (започнал през 1984 г.), а проектът на Алън Нюъл за Soar се разглежда като обхват на AGI. Изследователската дейност на AGI през 2006 г. беше описана от Pei Wang и Ben Goertzelas, произвеждайки публикации и предварителни резултати. Първото лятно училище в AGI беше организирано в Xiamen, Китай през 2009 г. от лабораторията за изкуствен мозък на Xiamen University и OpenCog. Първият университетски курс беше даден през 2010 и 2011 г. в Пловдивския университет, България от Тодор Арнаудов. MIT представи курс по AGI през 2018 г., организиран от Lex Fridman и с участието на редица гост-лектори. Въпреки това, все още повечето изследователи на ИИ са отделили малко внимание на AGI, като някои твърдят, че разузнаването е твърде сложно, за да бъде напълно възпроизведено в близко бъдеще. Въпреки това, малък брой компютърни учени са активни в проучванията на AGI и много от тази група допринасят за поредица от AGI конференции. Изследването е изключително разнообразно и често пионерно по своя характер. Във въвеждането на своята книга Гьорцел казва, че прогнозите за времето, необходимо за изграждането на истински гъвкавAGI, варират от 10 години до повече от век, но консенсусът в изследователската общност на AGI изглежда е, че времевата линия, обсъдена от Рей Курцвайл в The Singularity е Близо (т.е. между 2015 и 2045 г.) е правдоподобно.

въпреки това, повечето изследователи на ИИ се съмняват, че напредъкът ще бъде толкова бърз. Организациите, които изрично преследват AGI, включват швейцарската лаборатория AI IDSIA, Nnaisense, Vicarious, Maluuba, фондацията OpenCog, Adaptive AI, LIDA и Numenta и свързания с нея институт по Reduro Neuroscience. В допълнение, организации като Изследователския институт за машинно разузнаване и OpenAI са създадени, за да влияят върху пътя на развитие на AGI. И накрая, проекти като Проекта за човешкия мозък имат целта да изграждат функционираща симулация на човешкия мозък. Проучване A2017 на AGI категоризира четиридесет и пет известни активни R&D проекти, които изрично или неявно (чрез публикувани изследвания) изследователски AGI, като най-големите три са DeepMind, Human Brain Project и OpenAI (въз основа на статия).

през 2019 г. програмистът за видео игри и инженерът по космически науки Джон Кармак обяви планове за проучване на AGI.

а именно DeepMind с успеха си в симулацията на човека Player например, например AlphaGo използва нови концепции:

укрепване на обучението за подобряване на вече обучени мрежи с нови данни или

ненадзорно обучение, например чрез Генерална състезателна мрежа за получаване на подобрени мрежи чрез конкуренция.

обработка на енергия, необходима за симулиране на мозък

емулация на цял мозък

популярен подход, обсъждан за постигане на общи интелигентни действия, е емулация на цял мозък. Моделът на ниско ниво на мозъка е изграден чрез сканиране и картографиране на биологичен мозък в детайли и копиране на неговото състояние в компютърна система или друго изчислително устройство. Компютърът управлява симулационен модел, толкова верен на оригинала, че ще се държи по същество по същия начин като оригиналния мозък, или за всички практически цели, неразличимо. Цялата мозъчна емулация се обсъжда в компютърната невронаука и невроинформатиката в контекста на симулацията на мозъка за медицински изследвания. Той се обсъжда в изследванията за изкуствен интелект като подход към силен ИИ. Невровизуалните технологии, които биха могли да осигурят необходимото подробно разбиране, се подобряват бързо и футуристичният Рей Курцвайл в книгата Сингулярността е близо прогнозира, че карта с достатъчно качество ще бъде налична в сходен график с необходимата изчислителна мощност.

ранни оценки

за симулация на мозъка на ниско ниво ще е необходим изключително мощен компютър. Човешкият мозък има огромен брой синапси. Всяка от 10 (сто милиарда) неврона средно 7 000 синаптични връзки с други неврони. Изчислено е, че мозъкът на тригодишно дете има около 10 синапси (1 квадрилион). Този брой намалява с възрастта, стабилизирайки се в зряла възраст. Прогнозите варират за възрастен, вариращ от 10 до 5 × 10 синапси (100 до 500 трилиона). Преценка за мозъчната преработвателна мощност, базирана на прост модел на превключване за активност на невроните, е около 10 (100 трилиона) синаптични актуализации в секунда (SUPS). През 1997 г. Курцвайл разгледа различни оценки за хардуера, необходим за равен на човешкия мозък, и прие цифра от 10 изчисления в секунда (cps). (За сравнение, ако изчислението е еквивалентно на една операция с плаваща запетая - мярка, използвана за оценка на текущите суперкомпютри - тогава 10 изчисления биха били еквивалентни на 10 petaFLOPS, постигнати през 2011 г.). Той използва тази цифра за прогнозиране необходимият хардуер би бил наличен някъде между 2015 и 2025 г., ако експоненциалният растеж на компютърната мощност към момента на писането продължи.

моделиране на невроните по-подробно

моделът на изкуствените неврони, поет от Курцвайл и използван в много съвременни реализации на изкуствена невронна мрежа, е прост в сравнение с биологичните неврони. Мозъчната симулация вероятно ще трябва да обхване детайлното клетъчно поведение на биологичните неврони, понастоящем разбрано само в най-широки очертания. Накладването, въведено чрез пълно моделиране на биологичните, химичните и физическите детайли на невронното поведение (особено в молекулярна скала), ще изисква изчислителни сили с няколко порядъка по-големи от оценката на Курцвайл. Освен това оценките не отчитат глиалните клетки, които са поне толкова много, колкото невроните и които могат да превъзхождат невроните с цели 10: 1, а сега е известно, че играят роля в когнитивните процеси.

текущи изследвания

има някои изследователски проекти, които изследват мозъчната симулация с помощта на по-сложни невронни модели, реализирани върху конвенционални изчислителни архитектури. Проектът за система за изкуствен интелект реализира симулации на мозък (с 10 неврона) в реално време през 2005 г. Отне 50 дни на клъстер от 27 процесора, за да симулира 1 секунда от модел. Проектът Blue Brain използва една от най-бързите архитектури на суперкомпютър в света, платформата Blue Gene на IBM, за да създаде симулация в реално време на единична неокортикална колона на плъхове, състояща се от приблизително 10 000 неврона и 10 синапси през 2006 г. По-дългосрочната цел е за изграждане на подробна, функционална симулация на физиологичните процеси в човешкия мозък: Не е невъзможно да изградим човешки мозък и можем да го направим след 10 години, заяви през 2009 г. в TED Хенри Маркрам, директор на проекта Синият мозък конференция в Оксфорд. Има и противоречиви твърдения, че са симулирали котешки мозък. Невро-силициевите интерфейси са предложени като алтернативна стратегия за изпълнение, която може да бъде по-добра.

ханс Моравец обърна внимание на горните аргументи (мозъците са по-сложни , невроните трябва да бъдат моделирани по-подробно) в своята статия от 1997 г. Кога компютърният хардуер ще съответства на човешкия мозък? Той измерва способността на съществуващия софтуер да симулира функционалността на неврална тъкан, по-специално ретината. Резултатите от него не зависят от броя на глиалните клетки, нито от това какви видове обработващи неврони изпълняват къде.

действителната сложност на моделиране на биологични неврони е проучена в проекта на OpenWorm, който е насочен към пълна симулация на червей, който има само 302 неврона в невронната си мрежа (сред около 1000 клетки общо). Невронната мрежа на животното е добре документирана преди началото на проекта. Въпреки това, въпреки че задачата изглеждаше проста в началото, темоделите, базирани на обща невронна мрежа, не работеха. В момента усилията са насочени към прецизна емулация на биологични неврони (отчасти на молекулярно ниво), но резултатът все още не може да се нарече пълен успех. Дори броят на въпросите, които трябва да бъдат решени в модела на мащаб човек-мозък, не е пропорционален на броя на невроните, количеството работа по този път е очевидно.

критика на базирани на симулация подходи

основна критика на симулирания мозъчен подход произтича от въплътеното познание, където човешкото въплъщение се приема като съществен аспект на човешката интелигентност. Много изследователи смятат, че изпълнението е необходимо, за да се осмисли смисълът. Ако това мнение е правилно, всеки напълно функционален модел на мозъка ще трябва да обхваща повече от невроните (т.е. роботизирано тяло). Гьорцел предлага виртуално изпълнение (като Second Life), но все още не е известно дали това би било достатъчно.

настолни компютри, използващи микропроцесори, способни да надвишават 10 cps (нестандартните изчисления на Kurzweil изчисления в секунда, вижте по-горе), са достъпни от 2005 г. Според оценките на мозъчната мощност, използвани от Kurzweil (и Moravec), този компютър трябва да може да работи поддържаща симулация на пчелен мозък, но въпреки известен интерес такава симулация не съществува. Има най-малко три причини за това:

изглежда, че невроновият модел е опростен (виж следващия раздел).

няма достатъчно разбиране за по-високите когнитивни процеси, за да се установи точно с какво се корелира нервната активност на мозъка, наблюдавана с помощта на техники като функционална магнитно-резонансна томография.

дори ако нашето разбиране за познанието напредва достатъчно, програмите за ранно симулиране вероятно ще бъдат много неефективни и следователно ще се нуждаят от значително повече хардуер.

мозъкът на организма, макар и критичен, може да не е подходяща граница за когнитивен модел. За да симулирате мозъка на пчелите, може да е необходимо да симулирате тялото и околната среда. Тезата за разширения ум формализира философската концепция и изследването на главоногите демонстрира ясни примери за децентрализирана система.

в допълнение, мащабът на човешкия мозък в момента не е добре ограничен. Една оценка поставя човешкия мозък на около 100 милиарда неврона и 100 трилиона синапси. Друга оценка е 86 милиарда неврони, от които 16,3 милиарда са в мозъчната кора и 69 милиарда в малкия мозък. Синапсите на глиалните клетки понастоящем са неопределени, но се знае, че са изключително много.

изследване на изкуственото съзнание

въпреки че ролята на съзнанието при силни AI / AGI е дискусионна, много изследователи на AGI считат изследването, което изследва възможностите за прилагане на съзнанието, за жизненоважно. В началото на усилията си Игор Александър изтъкна, че принципите за създаване на съзнателна машина вече съществуват, но че ще са необходими четиридесет години, за да се обучи такава машина, за да разбира езика.

връзка със силен AI

през 1980 г. философът Джон Сиър въвежда термина силен AI като част от аргумента на своята китайска стая. Той искаше да направи разлика между две различни хипотези за изкуствения интелект:

системата за изкуствен интелект може да мисли и да има ум. (Думата ум има специфично значение за философите, както се използва в проблема с тялото на ума или философията на ума.)

системата за изкуствен интелект може (само) да действа така, както мисли и има ум.

първата се нарича хипотезата на силния AI, а втората - слабата хипотеза на AI, тъй като първата прави по-силното твърдение: предполага, че се е случило нещо специално с машината, което надхвърля всички нейни способности, които можем да тестваме. Searle нарича силната AI хипотеза като силна AI. Това използване е често срещано и в академичните изследвания на ИИ и учебниците.

слабата хипотеза на AI е еквивалентна на хипотезата, че е възможен изкуствен общ интелект. Според Ръсел и Норвиг, Повечето изследователи на ИИ приемат слабата хипотеза за ИИ за даденост и не се интересуват от силната хипотеза за ИИ.

за разлика от Searle, Kurzweil използва термина силен AI, за да опише всяка система за изкуствен интелект, която действа така, сякаш има ум, независимо дали философ би могъл да определи дали действително има ум или не.

възможни обяснения за бавния напредък на AI изследванията

след започването на проучванията на ИИ през 1956 г., растежът на това поле намалява с течение на времето и застоя целите на създаването на машини, квалифицирани с интелигентни действия на човешко ниво. Възможно обяснение за това забавяне е, че на компютрите липсват достатъчен обем на памет или процесорна мощ. В допълнение, нивото на сложност, което се свързва с процеса на изследване на ИИ, също може да ограничи напредъка на изследванията в областта на ИИ.

докато повечето изследователи на ИИ смятат, че в бъдеще може да бъде постигнат силен ИИ, има някои личности като Хюберт Дрейфус и Роджър Пенроуз, които отричат ​​възможността за постигане на силен ИИ. Джон Маккарти беше един от различните компютърни учени, които вярват, че ИИ на човешко ниво ще бъде изпълнен, но дата не може да бъде точно предвидена.

концептуалните ограничения са друга възможна причина за бавността в изследванията на ИИ. Изследователите на ИИ може да се наложи да променят концептуалната рамка на своята дисциплина, за да осигурят по-силна база и принос към стремежа за постигане на силна ИИ. Както Уилям Clocksin пише през 2003 г.: рамката започва от наблюдението на Weizenbaum, че интелигентността се проявява само по отношение на специфични социални и културни контексти.

освен това, изследователите на ИИ са успели да създадат компютри, които могат да изпълняват сложни за хората задачи, но обратно, те са се мъчили да разработят компютър, който е в състояние да изпълнява задачи, прости за хората (парадокс на Моравец). Проблем, описан от Дейвид Гелернтер, е, че някои хора приемат, че мисленето и разсъжденията са равностойни. Въпреки това, идеята дали мислите и създателят на тези мисли са изолирани поотделно, заинтригува изследователите на ИИ.

проблемите, които се срещат в изследванията на ИИ през последните десетилетия, допълнително възпрепятстват напредъка на ИИ. Провалените прогнози, обещани от изследователите на ИИ, и липсата на цялостно разбиране за човешкото поведение помогнаха за намаляване на основната идея за ИИ на човешко ниво. Въпреки че напредъкът на изследванията на ИИ донесе както подобрение, така и разочарование, повечето изследователи са установили оптимизъм за потенциално постигане на целта на AI през 21 век.

предложени са и други възможни причини за продължителните изследвания в хода на силния ИИ. Сложността на научните проблеми и необходимостта от пълно разбиране на човешкия мозък чрез психология и неврофизиология са ограничили много изследователи да подражават на функцията на човешкия мозък в компютърен хардуер. Много изследователи са склонни да подценяват всяко съмнение, свързано с бъдещи прогнози на AI, но без да се отнасят сериозно към тези проблеми, хората могат да пренебрегнат решенията на проблемните въпроси.

Clocksin казва, че концептуално ограничение, което може да възпрепятства напредъка на AI изследванията, е, че хората може да използват грешни техники за компютърни програми и внедряване на оборудване. Когато изследователите на AI за пръв път започнаха да се стремят към целта на изкуствения интелект, основен интерес бяха разсъжденията на човека. Изследователите се надяваха да създадат изчислителни модели на човешкото познание чрез разсъждения и да открият как да проектират компютър с конкретна познавателна задача.

практиката на абстракция, която хората са склонни да предефинират, когато работят с определен контекст в изследванията, осигурява на изследователите концентрация само върху няколко понятия. Най-продуктивното използване на абстракцията в изследванията на AI идва от планирането и решаването на проблеми. Въпреки че целта е да се увеличи скоростта на изчисленията, ролята на абстракцията поставя въпроси за участието на операторите на абстракция.

възможна причина за бавността на AI е свързана с признаването от много изследователи на AI, че евристиката е раздел, който съдържа значително нарушение между компютърната производителност и човешката производителност. Специфичните функции, които са програмирани на компютър, може да могат да отговорят на много от изискванията които му позволяват да съответства на човешкия разум. Тези обяснения не са непременно гарантирани като основни причини за забавянето на постигането на силен ИИ, но те са широко съгласни от многобройни изследователи.

има много изследователи на ИИ, които спорят около идеята дали машините трябва да се създават с емоции. В типичните модели на ИИ няма емоции, а някои изследователи казват, че програмирането на емоции в машини им позволява да имат собствен ум. Емоцията обобщава преживяванията на хората, защото им позволява да си спомнят тези преживявания. Дейвид Гелернтер пише: Никой компютър няма да бъде креативен, освен ако не може да симулира всички нюанси на човешката емоция. Тази загриженост за емоцията създаде проблеми на изследователите на ИИ и тя се свързва с концепцията за силен ИИ, докато изследванията й напредват в бъдещето.

съзнание

има други аспекти на човешкия ум, освен интелигентността, които са от значение за концепцията за силен ИИ, които играят основна роля в научната фантастика и етиката на изкуствения интелект:

съзнание: да има субективен опит и мисъл.

самоосъзнаване: Да осъзнаваш себе си като отделен индивид, особено да осъзнаваш собствените си мисли.

усет: Способността да усещаме възприятия или емоции субективно.

sapience: Способността за мъдрост.

тези черти имат морално измерение, тъй като машина с тази форма на силен ИИ може да има законни права, аналогични на правата на нечовешките животни. Освен това Бил Джой твърди, че машина с тези черти може да представлява заплаха за човешкия живот или достойнството. Остава да се покаже дали някоя от тези черти е необходима за силен ИИ. Ролята на съзнанието не е ясна и в момента няма съгласуван тест за неговото присъствие. Ако машина е построена с устройство, което симулира нервните корелати на съзнанието, автоматично ли би имало самосъзнание? Възможно е също така някои от тези свойства, като усещане, естествено да възникнат от напълно интелигентна машина или да стане естествено да се приписват свойства на машините, след като те започнат да действат по начин, който е ясно интелигентен. Например, интелигентните действия може да са достатъчни за чувството, а не обратното.

в научната фантастика AGI се свързва с черти като съзнание, усет, sapience и самосъзнание, наблюдавани при живите същества. Според философа Джон Сиър обаче е открит въпрос дали общата интелигентност е достатъчна за съзнанието. Силната AI (както е дефинирана по-горе от Рей Курцвайл) не трябва да се бърка с силната хипотеза на AI на Searle. Силната хипотеза на AI е твърдението, че компютър, който се държи толкова интелигентно, колкото човек, също трябва непременно да има ум и съзнание. AGI се отнася само до количеството интелигентност, което машината показва, със или без ум.

спорове и опасности

изпълнимост

мненията варират както за това дали и кога ще пристигне изкуствен общ интелект. В един крайен случай, пионерът на AI Херберт А. Саймуноут през 1965 г .: машините ще бъдат в състояние в рамките на двадесет години да вършат работа, която може да направи човек. Това прогнозиране обаче не се сбъдна. Съоснователят на Microsoft Пол Алън вярва, че подобна интелигентност е малко вероятна през 21 век, защото това ще изисква непредвидими и фундаментално непредсказуеми пробиви и научно дълбоко разбиране на познанието. Пишейки в The Guardian, роботологът Алън Уинфийлд твърди, че пропастта между съвременните изчислителни системи и изкуствения интелект на ниво човек е толкова широка, колкото пропастта между текущия космически полет и практическия космически полет, по-бърз от светлината. изчезна и може да е видял възраждане през 2010-те. Четири анкети, проведени през 2012 и 2013 г., предполагат, че средното предположение сред експертите за това, кога те ще бъдат 50% уверени, че ще дойде AGI, е от 2040 до 2050 г., в зависимост от анкетата, като средното е 2081 г. Също така е интересно да се отбележи 16,5% от експертите отговориха с никога, когато им зададоха същия въпрос, но с 90% увереност. По-нататъшните актуални съображения за напредъка на AGI могат да бъдат намерени по-долу Тестове за потвърждаване на човешко ниво AGI и IQ-тестове AGI.

потенциална заплаха за човешкото съществуване

създаването на изкуствен общ интелект може да има отражения толкова големи и толкова сложни, че може да не е възможно да се прогнозира какво ще дойде след това. Така събитието в хипотетичното бъдеще на постигането на силен ИИ се нарича технологична сингулярност, защото теоретично човек не може да го подмине. Но това не е спряло философите и изследователите да гадаят какво могат да направят умните компютри или роботи, включително да формират утопия, като са наши приятели или ни преодоляват при поглъщане на AI. Последната потенциал е особено смущаваща, тъй като представлява екзистенциален риск за човечеството.

самовъзпроизвеждащи се машини

умните компютри или роботи биха могли да проектират и произвеждат подобрени версии на себе си. Нарастващата популация от интелигентни роботи би могла да изпревари конкурентно ниските хора на пазара на труда, в бизнеса, науката, политиката (преследвайки правата на робота) и технологично, социологически (като действа като един) и военно. Дори в днешно време много работни места вече са заети от псевдоинтелигентни машини, задвижвани от слаб AI. Например, роботи за домове, здравеопазване, хотели и ресторанти са автоматизирали много части от нашия живот: виртуалните ботове превръщат обслужването на клиентите в самостоятелно услуга, AI приложения за големи данни се използват за замяна на мениджъри на портфолио, а социални роботи като Pepper се използват за замяна на човешки поздравители с цел обслужване на клиенти.

спешна суперинтелигентност

ако изследва силен AI, произвежда достатъчно интелигентен софтуер, той ще може да се препрограмира и подобри - функция, наречена рекурсивно самоусъвършенстване. Тогава би било още по-добре да се усъвършенства и вероятно ще продължи да го прави в бързо нарастващ цикъл, водещ до експлозия на разузнаването и поява на свръх интелект. Такава интелигентност няма да има ограниченията на човешкия интелект и може да бъде в състояние да измислете или открийте почти всичко.

хипер-интелигентният софтуер не е задължително да реши да подкрепи продължаващото съществуване на човечеството и може да бъде изключително трудно да се спре. Тази тема също наскоро започна да се обсъжда в академичните публикации като реален източник на рискове за цивилизацията, хората и планетата Земя.

едно от предложенията да се справим с това е да се уверим, че първият по принцип интелигентен ИИ е приятелски AI, който след това ще се стреми да гарантира, че впоследствие разработените ИИ са били също така приятни за нас. Но приятелски AI е по-трудно да се създаде от обикновения AGI и следователно е вероятно, в състезание между двамата, не-приятелски AI да бъде разработен на първо