Yapay Zeka: Dördüncü Sanayi Devrimi

By Peter Skalfist, Daniel Mikelsten and Vasil Teigens

Dördüncü Sanayi Devrimi, yaşama, çalışma ve birbirimizle ilişki kurma biçimimizde köklü bir değişikliği temsil eder. Birinci, ikinci ve üçüncü sanayi devrimleri ile orantılı olarak olağanüstü teknoloji gelişmeleri ile insani gelişmede yeni bir bölümdür. Bu gelişmeler, fiziksel, dijital ve biyolojik dünyaları hem büyük vaat hem de potansiyel tehlike yaratacak şekilde birleştiriyor. Bu devrimin hızı, genişliği ve derinliği bizi ülkelerin nasıl geliştiğini, kuruluşların nasıl değer yarattığını ve hatta insan olmanınne demek olduğunu yeniden düşünmeye zorluyor. Günümüzde yapay zeka, dar bir görev (örneğin sadece yüz tanıma veya sadece internet aramaları veya sadece bir araba sürmek) için tasarlandığı için, dar AI (veya zayıf AI) olarak düzgün bir şekilde bilinir. Bununla birlikte, birçok araştırmacının uzun vadeli hedefi genel AI (AGI veya güçlü AI) oluşturmaktır. Dar yapay zeka, satranç oynamak veya denklemleri çözmek gibi belirli görevi ne olursa olsun insanları geride bıraksa da, AGI neredeyse her bilişsel görevde insanlardan daha iyi performans gösterir.
Authors: Daniel Mikelsten, Vasil Teigens, Peter Skalfist

• Language: Türkçe
• Publisher: Cambridge Stanford Books
• Release date: Sep 16, 2020
• ISBN: 9781005239480

Peter Skalfist

Peter Skalfist, 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

Giriş

Dördüncü Sanayi Devrimi, yaşama, çalışma ve birbirimizle ilişki kurma biçimimizde köklü bir değişikliği temsil eder. Birinci, ikinci ve üçüncü sanayi devrimleri ile orantılı olarak olağanüstü teknoloji gelişmeleri ile insani gelişmede yeni bir bölümdür. Bu gelişmeler, fiziksel, dijital ve biyolojik dünyaları hem büyük vaat hem de potansiyel tehlike yaratacak şekilde birleştiriyor. Bu devrimin hızı, genişliği ve derinliği bizi ülkelerin nasıl geliştiğini, kuruluşların nasıl değer yarattığını ve hatta insan olmanın ne demek olduğunu yeniden düşünmeye zorluyor.

SIRI'den kendi kendine giden arabalara kadar yapay zeka (AI) hızla ilerliyor. Bilim kurgu, yapay zekayı genellikle insan benzeri özelliklere sahip robotlar olarak gösterirken, AI, Google'ın arama algoritmalarından IBM'in Watson'ına ve otonom silahlara kadar her şeyi kapsayabilir.

Günümüzde yapay zeka, dar bir görev (örneğin sadece yüz tanıma veya sadece internet aramaları veya sadece bir araba sürmek) için tasarlandığı için, dar AI (veya zayıf AI) olarak düzgün bir şekilde bilinir. Bununla birlikte, birçok araştırmacının uzun vadeli hedefi genel AI (AGI veya güçlü AI) oluşturmaktır. Dar yapay zeka, satranç oynamak veya denklemleri çözmek gibi belirli görevi ne olursa olsun insanları geride bıraksa da, AGI neredeyse her bilişsel görevde insanlardan daha iyi performans gösterir.

Dördüncü Sanayi Devrimi, teknoloji odaklı değişimin ötesinde bir şeydir; liderler, politika yapıcılar ve tüm gelir gruplarından ve uluslardan insanlar dahil herkese kapsayıcı, insan merkezli bir gelecek yaratmak için yakınsama teknolojilerinden yararlanmaları için bir fırsattır. Gerçek fırsat, teknolojinin ötesine bakmak ve en fazla sayıda insana ailelerini, organizasyonlarını ve topluluklarını olumlu yönde etkileme olanağı vermenin yollarını bulmaktır.

Yapay genel zeka

Yapay genel zeka (AGI), bir insanın yapabileceği herhangi bir entelektüel görevi anlayabilen veya öğrenebilen bir makinenin zekasıdır. Bazı yapay zeka araştırmalarının birincil amacı ve bilim kurgu ve gelecek çalışmalarında ortak bir konudur. AGI ayrıca güçlü AI, tam AI veya genel akıllı eylem olarak da ifade edilebilir. (Bazı akademik kaynaklar, bilinci yaşayabilen makineler için güçlü AI terimini saklar.). Bazı yetkililer güçlü yapay zeka ile uygulamalı yapay zeka (dar yapay zeka veya zayıf yapay zeka olarak da bilinir) arasındaki bir ayrımı vurgular: belirli problem çözme veya muhakeme görevlerini incelemek veya gerçekleştirmek için yazılımın kullanılması. Zayıf YZ, güçlü YZ'nin aksine, insan bilişsel yeteneklerinin tamamını gerçekleştirmeye çalışmaz.

İstihbarat için çeşitli kriterler önerildi (en ünlüsü Turing testi), ancak bugüne kadar herkesi tatmin edecek bir tanım yok. Bununla birlikte, yapay zeka araştırmacıları arasında zekanın aşağıdakileri yapması gerektiği konusunda geniş bir anlaşma vardır:

Akıl yürütme, strateji kullanma, bulmaca çözme ve belirsizlik altında yargılama yapma;

Sağduyu bilgisi de dahil olmak üzere bilgiyi temsil eder;

Plan;

Öğrenmek;

Doğal dilde iletişim kurmak;

Ve tüm bu becerileri ortak hedeflere entegre etmek.

Diğer önemli yetenekler arasında akıllı davranışların gözlemleneceği dünyada algılama yeteneği (ör. Bkz.) Ve hareket etme (ör. Nesneleri hareket ettirme ve değiştirme) yer alır. Bu, tehlikeyi tespit etme ve buna tepki verme yeteneğini de içerir. Zekaya yönelik birçok disiplinlerarası yaklaşım (örneğin bilişsel bilim, hesaplama zekası ve karar verme), hayal gücü (programlanmamış zihinsel imgeler ve kavramlar oluşturma yeteneği olarak alınır) ve özerklik gibi ek özellikleri dikkate alma ihtiyacını vurgulama eğilimindedir. bu özelliklerin çoğunu sergileyen sistemler mevcuttur (örneğin, hesaplama yaratıcılığı, otomatik akıl yürütme, karar destek sistemi, robot, evrimsel hesaplama, akıllı ajan), ancak henüz insani seviyelerde değil.

İnsan düzeyinde AGI'yi doğrulamak için testler

Turing Testi (Turing) Bir makine ve bir insan, değerlendiriciyi zamanın önemli bir kısmını kandırabilirse, testi geçen iki kişiden hangisinin makine olduğunu değerlendirmek zorunda olan ikinci bir insanla görünmeyen görüşmeler yapar. Not: Turing, zeka olarak neyin nitelendirilmesi gerektiğini reçete etmez, sadece bir makine olduğunu bilmek onu diskalifiye etmelidir. Kahve Testi (Wozniak) Ortalama bir Amerikan evine girmek ve nasıl kahve yapılacağını anlamak için bir makine gereklidir: kahve makinesini bulun, kahveyi bulun, su ekleyin, bir kupa bulun ve uygun düğmelere basarak kahveyi hazırlayın. Robot Koleji Öğrenci Testi (Goertzel) Bir makine, bir üniversiteye kaydolur, insanların alacağı sınıfları alıp geçirir ve bir derece alır. İstihdam Testi (Nilsson) Bir makine ekonomik açıdan önemli bir işte çalışır, en azından aynı işi insanlarda yapar.

IQ testleri AGI

Çinli araştırmacılar Feng Liu, Yong Shi ve Ying Liu, 2017 yazında Google AI veya Apple'ın Siri ve diğerleri gibi halka açık ve serbestçe erişilebilen zayıf AI ile istihbarat testleri gerçekleştirdi. Maksimumda, bu AI yaklaşık 47 değerine ulaştı, bu da birinci sınıfta yaklaşık altı yaşında bir çocuğa karşılık geliyor. Bir yetişkin ortalama 100 civarında gelir. 2014 yılında, AI'nın maksimum 27 değerine ulaştığı benzer testler yapıldı.

AGI'nin çözülmesini gerektiren sorunlar

Bilgisayarlar için en zor problemler gayri resmi olarak AI-complete veya AI-hard olarak bilinir, bu da onları çözmenin, amaca özel bir algoritmanın yeteneklerinin ötesinde, insan zekasının genel yeteneğine veya güçlü AI'ya eşdeğer olduğunu ima eder.

Yapay zeka-tamamlama problemleri, genel bilgisayar görme, doğal dil anlama ve herhangi bir gerçek dünya problemini çözerken beklenmedik durumlarla başa çıkmayı içerdiği varsayılmaktadır.

AI-complete sorunları yalnızca mevcut bilgisayar teknolojisi ile çözülemez ve aynı zamanda insan hesaplaması gerektirir. Bu özellik, örneğin, CAPTCHA'ların amaçladığı gibi, insanların varlığını test etmek için yararlı olabilir; ve bilgisayar güvenliğinin kaba kuvvet saldırılarını püskürtmesi için.

AGI araştırması

Klasik AI

Modern AI araştırması 1950'lerin ortalarında başladı. İlk yapay zeka araştırmacıları yapay genel zekanın mümkün olduğuna ve sadece birkaç on yıl içinde var olacağına ikna oldu. Yapay zeka öncüsü Herbert A. Simon'un 1965'te yazdığı gibi: Makineler yirmi yıl içinde bir erkeğin yapabileceği herhangi bir işi yapabilir. Tahminleri, AI araştırmacılarının 2001 yılına kadar yaratabileceklerine inandıklarını şekillendiren Stanley Kubrick ve Arthur C. Clarke'ın HAL 9000 karakteri için ilham kaynağıydı. AI öncüsü Marvin Minsky, HAL 9000'i mümkün olduğunca gerçekçi hale getirme projesinin bir danışmanıydı. zamanın fikir birliği tahminleri; Crevier, konuyla ilgili olarak 1967'de Bir kuşak içinde... 'yapay zeka' yaratma sorunu büyük ölçüde çözülecek demişti.

Ancak, 1970'lerin başında, araştırmacıların projenin zorluğunu büyük ölçüde hafife aldıkları ortaya çıktı. Fon ajansları AGI'ye şüpheyle yaklaştı ve araştırmacıları yararlı uygulamalı AI üretmek için artan baskı altına aldı. 1980'ler başladığında, Japonya'nın Beşinci Nesil Bilgisayar Projesi AGI'ye olan ilgiyi canlandırdı ve sıradan bir konuşma sürdürmek gibi AGI hedeflerini içeren on yıllık bir zaman çizelgesi oluşturdu. Buna ve uzman sistemlerin başarısına yanıt olarak, hem sanayi hem de hükümet parayı alana geri pompaladı. Ancak, AI'ya güven 1980'lerin sonunda çarpıcı bir şekilde çöktü ve Beşinci Nesil Bilgisayar Projesinin hedefleri asla gerçekleşmedi. 20 yılda, AGI'nin yakın başarısını öngören AI araştırmacılarının temelde yanlış olduğu gösterildi. 1990'lara gelindiğinde, AI araştırmacıları boşuna söz verdikleri için ün kazanmışlardı. Hiç tahminlerde bulunmaktan ve vahşi gözlü hayalperest olarak etiketlenmekten korktuğu için insan seviyesi yapay zekâdan bahsetmekten kaçınmaya isteksiz oldular.

Dar AI araştırması

1990'larda ve 21. yüzyılın başlarında, yapay zeka yapay doğru ağları, bilgisayar vizyonu veya veri madenciliği gibi doğrulanabilir sonuçlar ve ticari uygulamalar üretebilecekleri belirli alt sorunlara odaklanarak çok daha fazla ticari başarı ve akademik saygınlık elde etti. uygulamalı AI "sistemleri artık teknoloji endüstrisinde yaygın olarak kullanılmaktadır ve bu damardaki araştırmalar hem akademik hem de endüstri tarafından çok yoğun bir şekilde finanse edilmektedir. Şu anda, bu alandaki gelişmenin yükselen bir eğilim olduğu düşünülmektedir ve 10 yıldan fazla bir süre içinde olgun bir aşama gerçekleşmesi beklenmektedir.

Çoğu genel yapay zeka araştırmacısı, güçlü alt yapay zekanın, entegre bir ajan mimarisi, bilişsel mimari ya da tüketim mimarisi kullanarak çeşitli alt problemleri çözen programları birleştirerek geliştirilebileceğini umuyor. Hans Moravec 1988'de şöyle yazdı:

Yapay zekaya giden bu aşağıdan yukarıya rotanın bir gün geleneksel yukarıdan aşağıya rotayı yarıdan fazla karşılayacağından eminim, gerçek dünya yeterliliğini ve akıl yürütme programlarında sinir bozucu derecede zor olan sağduyulu bilgileri sağlamaya hazır. Tamamen akıllı makineler mecazi altın diken bu iki çabayı birleştirdiğinde ortaya çıkacaktır.

Ancak, bu temel felsefe bile tartışmalıdır; örneğin, Princeton'dan Stevan Harnad, 1990'da Sembol Topraklama Hipotezi üzerine yazdığı makalesini şu şekilde sonuçlandırdı:

Beklentinin çoğu kez, biliş modellemesine yönelik yukarıdan aşağıya (sembolik) yaklaşımların bir şekilde aşağıdan yukarıya (duyusal) yaklaşımları bir arada karşılayacağı dile getirildi. gerçek anlamda sembollerden simgelere kadar tek bir geçerli rota vardır: sıfırdan itibaren.Bilgisayarın yazılım seviyesi gibi serbest kayan sembolik bir seviyeye asla bu rotadan ulaşılamayacak (veya tam tersi) böyle bir seviyeye ulaşmaya çalışın, çünkü oraya varmak sembollerimizi içsel anlamlarından sökmeye yetecek gibi görünüyor (böylece kendimizi sadece programlanabilir bir bilgisayarın işlevsel eşdeğerine indirgemek).

Modern yapay genel zeka araştırması

Yapay genel zeka (AGI), genel akıllı eylem yapabilen makineler yaratmayı amaçlayan araştırmaları açıklar. Terim 1997 yılında, Mark Gubrudin tarafından tam otomatik askeri üretim ve operasyonların sonuçları üzerine bir tartışma olarak kullanıldı. Terim 2002 yılında yeniden Sohane Legg ve Ben Goertzel tarafından tanıtıldı ve popüler hale getirildi. Araştırma hedefi çok daha eski, örneğin Doug Lenat'ın (1984'te başlayan) Cyc projesi ve Allen Newell'in Soar projesi AGI kapsamında kabul ediliyor. 2006'daki AGI araştırma faaliyeti Pei Wang ve Ben Goertzelas tarafından yayınlar ve ön sonuçlar üretiliyor tarafından tanımlanmıştır. AGI'deki ilk yaz okulu, Xiamen üniversitesinin Yapay Beyin Laboratuvarı ve OpenCog tarafından 2009 yılında Çin'in Xiamen şehrinde düzenlendi. İlk üniversite kursu Todor Arnaudov tarafından 2010 ve 2011'de Bulgaristan'ın Filibe Üniversitesi'nde verildi. MIT, 2018 yılında AGI'de Lex Fridman tarafından düzenlenen ve bir dizi konuk öğretim üyesi içeren bir kurs sundu. Bununla birlikte, şimdiye kadar, çoğu AI araştırmacısı AGI'ye çok az dikkat çekti, bazıları zekanın yakın vadede tamamen çoğaltılamayacak kadar karmaşık olduğunu iddia ediyor. Bununla birlikte, az sayıda bilgisayar bilimcisi AGI araştırmalarında aktiftir ve bu grubun çoğu bir dizi AGI konferansına katkıda bulunmaktadır. Araştırma son derece çeşitlidir ve genellikle doğada öncüdür. Goertzel kitabının girişinde, gerçekten esnek bir AGI inşa edilmeden önce gereken zaman tahminlerinin 10 yıldan yüzyıla kadar değiştiğini söylüyor, ancak AGI araştırma topluluğundaki fikir birliği, Ray Kurzweil tarafından The Singularity'de tartışılan zaman çizelgesi gibi görünüyor. Yakın (yani 2015-2045 arası) akla yatkındır.

Ancak, çoğu yapay zeka araştırmacısı, ilerlemenin bu kadar hızlı olacağından şüphe ediyor. Açıkça AGI peşinde olan kuruluşlar arasında İsviçre AI laboratuvarı IDSIA, Nnaisense, Vicarious, Maluuba, OpenCog Vakfı, Adaptive AI, LIDA ve Numenta ve ilgili Redwood Nörobilim Enstitüsü bulunmaktadır. Ayrıca, AGI'nın gelişim yolunu etkilemek için Makine İstihbarat Araştırma Enstitüsü ve OpenAI gibi kuruluşlar kurulmuştur. Son olarak, İnsan Beyin Projesi gibi projeler, insan beyninin işleyen bir simülasyonunu oluşturma amacına sahiptir. AGI'nin A2017 araştırması, araştırma AGI'sini açıkça veya dolaylı olarak (yayınlanmış araştırma yoluyla) araştıran kırk beş bilinen aktif Ar-Ge projesi ni kategorize ederek en büyük üçü DeepMind, İnsan Beyin Projesi ve OpenAI (makaleye göre) olmuştur.

2019'da video oyun programcısı ve havacılık mühendisi John Carmack, AGI'yi araştırma planlarını açıkladı.

Yani DeepMind, AlphaGo için Human Player Simulation'daki başarılarıyla yeni kavramları kullandı:

Önceden eğitilmiş ağları yeni verilerle iyileştirmek için güçlendirici öğrenme veya

Denetimsiz öğrenme, örneğin rekabet yoluyla daha iyi ağlar elde etmek için jeneratif çekişme ağı tarafından.

Bir beyni simüle etmek için gereken işlem gücü

Tüm beyin emülasyonu

Genel akıllı eyleme ulaşmak için tartışılan popüler bir yaklaşım tüm beyin öykünmesidir. Düşük seviyeli bir beyin modeli, biyolojik bir beyni ayrıntılı olarak tarayarak ve haritalandırarak ve durumunu bir bilgisayar sistemine veya başka bir hesaplama cihazına kopyalayarak oluşturulur. Bilgisayar, orijinal beynine o kadar sadık bir simülasyon modeli çalıştırır ki, esas olarak orijinal beyinle aynı şekilde veya tüm pratik amaçlar için ayırt edilemez şekilde davranacaktır. Tüm beyin emülasyonu, tıbbi araştırma amaçlı beyin simülasyonu bağlamında, hesaplama sinirbilimi ve nöroinformatik alanında tartışılmıştır. Yapay zeka araştırmalarında güçlü AI'ya bir yaklaşım olarak tartışılmaktadır. Gerekli ayrıntılı anlayışı sağlayabilen beyin görüntüleme teknolojileri hızla gelişiyor ve Tekillik Yaklaşıyor kitabındaki fütürist Ray Kurzweil, gerekli bilgi gücüne benzer bir zaman diliminde yeterli kalitede bir haritanın sunulacağını öngörüyor.

Erken tahminler

Düşük seviyeli beyin simülasyonu için son derece güçlü bir bilgisayar gerekir. İnsan beyninin çok sayıda sinapsları vardır. 10 (yüz milyar) nöronun her biri diğer nöronlarla ortalama 7000 sinaptik bağlantıya sahiptir. Üç yaşındaki bir çocuğun beyninin yaklaşık 10 sinaps (1 katrilyon) olduğu tahmin edilmiştir. Bu sayı yaşla birlikte azalır ve yetişkinliğe göre stabilize olur. Bir yetişkin için tahminler 10 ila 5 × 10 sinaps (100 ila 500 trilyon) arasında değişir. Nöron aktivitesi için basit bir anahtar modeline dayanan beynin işleme gücünün tahmini, saniyede yaklaşık 10 (100 trilyon) sinaptik güncellemedir (SUPS). 1997'de Kurzweil, insan beynine eşit olması için gereken donanım için çeşitli tahminlere baktı ve saniyede 10 hesaplama (cps) rakamını benimsedi. (Karşılaştırma için, bir hesaplama bir kayan nokta işlemine eşitse - mevcut süper bilgisayarları derecelendirmek için kullanılan bir ölçü - o zaman 10 hesaplama 2011'de elde edilen 10 petaFLOPS ile eşdeğerdir). yazma sırasında bilgisayar gücünün üstel büyümesi devam ederse, gerekli donanım 2015-2025 yılları arasında mevcut olacaktı.

Nöronları daha ayrıntılı modelleme

Kurzweil tarafından varsayılan yapay sinir ağı uygulamalarında kullanılan yapay nöron modeli biyolojik nöronlara kıyasla basittir. Bir beyin simülasyonu, şu anda sadece en geniş anahatlarda anlaşılan biyolojik nöronların ayrıntılı hücresel davranışını yakalamak zorunda kalacaktır. Nöral davranışın biyolojik, kimyasal ve fiziksel detaylarının tam olarak modellenmesiyle ortaya çıkan yük (özellikle moleküler ölçekte), hesaplama güçlerinin Kurzweil'in tahmininden daha büyük birkaç büyüklük sırası gerektirecektir. Ek olarak, tahminler, en az nöron kadar çok sayıda olan ve nöronları 10: 1'den daha fazla sayılabilen ve şimdi bilişsel süreçlerde rol oynadığı bilinen glial hücreleri hesaba katmaz.

Güncel araştırma

Geleneksel bilgisayar mimarilerine uygulanan daha karmaşık sinir modellerini kullanarak beyin simülasyonunu araştıran bazı araştırma projeleri vardır. Yapay Zeka Sistemi projesi 2005 yılında bir beyin in gerçek zamanlı olmayan simülasyonlarını (10 nöron ile) uyguladı. Bir modelin 1 saniyesini taklit etmek için 27 işlemciden oluşan bir kümede 50 gün sürdü. Blue Brain projesi, 2006'da yaklaşık 10.000 nöron ve 10 sinapstan oluşan tek bir sıçan neokortikal sütunun gerçek zamanlı bir simülasyonunu oluşturmak için dünyanın en hızlı süper bilgisayar mimarilerinden biri olan IBM'in Blue Gene platformunu kullandı. Mavi Beyin Projesi direktörü Henry Markram 2009 yılında TED'de yaptığı açıklamada, insan beyninde fizyolojik süreçlerin ayrıntılı, işlevsel bir simülasyonunu oluşturmak için: İnsan beyni inşa etmek imkansız değil ve 10 yıl içinde yapabiliriz dedi. Oxford'da konferans. Bir kedi beynini simüle ettiği konusunda da tartışmalı iddialar var. Nöro-silikon arayüzleri daha iyi ölçeklenebilecek alternatif bir uygulama stratejisi olarak önerilmiştir.

Hans Moravec yukarıdaki argümanları (beyinler daha karmaşık , nöronlar daha ayrıntılı olarak modellenmelidir) Bilgisayar donanımı insan beyniyle ne zaman eşleşecek? Makalesinde mevcut yazılımın işlevselliğini simüle etme yeteneğini ölçtü. sinir dokusu, özellikle retina. Sonuçları, glial hücrelerin sayısına veya ne tür işlem nöronlarının nerede performans gösterdiğine bağlı değildir.

Biyolojik nöronları modellemenin gerçek karmaşıklığı, sinir ağında (toplamda yaklaşık 1000 hücre arasında) sadece 302 nöron bulunan bir solucanın tam simülasyonunu amaçlayan OpenWorm projesinde araştırılmıştır. Hayvanın sinir ağı projenin başlamasından önce iyi belgelenmiştir. Ancak, görev başlangıçta basit görünse de, genel bir sinir ağına dayanan modeller işe yaramadı. Şu anda, çabalar biyolojik nöronların (kısmen moleküler düzeyde) hassas emülasyonuna odaklanmıştır, ancak sonuç henüz tam bir başarı olarak adlandırılamaz. İnsan-beyin ölçekli bir modelde çözülmesi gereken konuların sayısı nöron sayısıyla orantılı olmasa bile, bu yoldaki çalışma miktarı açıktır.

Simülasyon tabanlı yaklaşımların eleştirileri

Simüle edilmiş beyin yaklaşımının temel bir eleştirisi, insan düzenlemesinin insan zekasının temel bir yönü olarak alındığı yerde, somutlaşmış bilişten kaynaklanır. Birçok araştırmacı, düzenlemenin anlam için gerekli olduğuna inanmaktadır.Bu görüş doğruysa, herhangi bir tamamen işlevsel beyin modelinin sadece nöronlardan (yani robotik bir beden) daha fazlasını kapsaması gerekecektir. Goertzel sanal düzenleme önermektedir (Second Life gibi), ancak bunun yeterli olup olmadığı henüz bilinmemektedir.

Kurzweil (ve Moravec) tarafından kullanılan beyin gücü tahminlerine göre, 10 cps'den fazla kapasiteye sahip mikroişlemciler (Kurzweil'in standart olmayan birimi saniyede hesaplama, yukarıya bakın) kullanan masaüstü bilgisayarlar mevcuttur. Arı beyninin bir simülasyonunu destekliyor, ancak biraz ilgiye rağmen böyle bir simülasyon mevcut değil. Bunun en az üç nedeni vardır:

Nöron modeli aşırı basitleştirilmiş gibi görünmektedir (bir sonraki bölüme bakınız).

Fonksiyonel manyetik rezonans görüntüleme gibi teknikler kullanılarak gözlemlenen beynin nöral aktivitesinin doğru bir şekilde ne olduğunu belirlemek için daha yüksek bilişsel süreçlerin anlaşılması yeterli değildir.

Biliş anlayışımız yeterince ilerlese bile, erken simülasyon programlarının çok verimsiz olması muhtemeldir ve bu nedenle çok daha fazla donanıma ihtiyaç duyacaktır.

Bir organizmanın beyni, kritik olmakla birlikte, bilişsel bir model için uygun bir sınır olmayabilir. Bir arı beynini simüle etmek için vücudu ve çevreyi simüle etmek gerekebilir. Genişletilmiş Zihin tezi felsefi kavramı resmileştirir ve kafadanbacaklılarla ilgili araştırmalar, merkezi olmayan bir sistemin açık örneklerini göstermiştir.

Ek olarak, insan beyninin ölçeği şu anda iyi kısıtlanmamıştır. Bir tahmin, insan beynini yaklaşık 100 milyar nöron ve 100 trilyon sinaps haline getiriyor. Diğer bir tahmin ise 16,3 milyarı beyin korteksinde ve 69 milyarı beyincikte olan 86 milyar nöron. Glial hücre sinapsları şu anda niceliksizdir, ancak çok sayıda olduğu bilinmektedir.

Yapay bilinç araştırması

Güçlü AI / AGI'de bilincin rolü tartışmalı olsa da, birçok AGI araştırmacısı, bilincin uygulanması için olasılıkları araştıran araştırmaları hayati olarak görmektedir. Igor Aleksanderarş, erken bir çabada bilinçli bir makine yaratma ilkelerinin zaten var olduğunu, ancak dili anlamak için böyle bir makineyi eğitmenin kırk yıl alacağını söyledi.

Güçlü yapay zeka ile ilişki

1980'de filozof John Searle, Çin'deki oda argümanının bir parçası olarak güçlü AI terimini icat etti. Yapay zeka ile ilgili iki farklı hipotezi birbirinden ayırmak istedi:

Yapay bir zeka sistemi düşünebilir ve bir zihne sahip olabilir. (Zihin kelimesi, zihin beden sorunu veya zihin felsefesi" nde kullanıldığı gibi filozoflar için özel bir anlama sahiptir.)

Yapay bir istihbarat sistemi (yalnızca) düşündüğü ve zihni olduğu gibi hareket edebilir.

Birincisi güçlü AI hipotezi ve ikincisi zayıf AI hipotezi olarak adlandırılır, çünkü birincisi güçlü durumu yapar: makinede test edebileceğimiz tüm yeteneklerinin ötesine geçen özel bir şey olduğunu varsayar. Searle güçlü AI hipotezi ni güçlü AI olarak adlandırdı. Bu kullanım akademik AI araştırmalarında ve ders kitaplarında da yaygındır.

Zayıf AI hipotezi, yapay genel zekanın mümkün olduğu hipotezine eşdeğerdir. Russell ve Norvig'e göre, Çoğu AI araştırmacısı zayıf AI hipotezini kabul ediliyor ve güçlü AI hipotezini umursamıyor.

Searle'ın aksine, Kurzweil, bir filozofun gerçekten bir zihnine sahip olup olmadığını belirleyip belirleyemeyeceğine bakılmaksızın, zihin gibi davranan herhangi bir yapay zeka sistemini tanımlamak için güçlü AI terimini kullanır.

AI araştırmasının yavaş ilerlemesi için olası açıklamalar

AI araştırmasının 1956'da başlatılmasından bu yana, bu alanın büyümesi zamanla azaldı ve insan seviyesinde akıllı eylemle yetenekli makineler yaratma hedeflerini durdurdu. Bu gecikme için olası bir açıklama, bilgisayarların yeterli bellek veya işlem gücüne sahip olmamasıdır. Ayrıca, AI araştırma sürecine bağlanan karmaşıklık düzeyi de AI araştırmasının ilerlemesini sınırlayabilir.

Çoğu AI araştırmacısı gelecekte güçlü AI elde edilebileceğine inanırken, Hubert Dreyfus ve Roger Penrose gibi güçlü AI elde etme olasılığını inkar eden bazı kişiler var. John McCarthyİnsan seviyeli YZ'nin başarılacağına inanan çeşitli bilgisayar bilim adamlarından biriydi, ancak bir tarih doğru bir şekilde tahmin edilemez.

Kavramsal sınırlamalar AI araştırmalarındaki yavaşlığın bir başka olası nedenidir. AI araştırmacıları, daha güçlü bir temel ve güçlü AI elde etme arayışına katkıda bulunmak için disiplinlerinin kavramsal çerçevesini değiştirmeleri gerekebilir. William Clocksin'in 2003'te yazdığı gibi: çerçeve, Weizenbaum'un zekanın kendisini yalnızca belirli sosyal ve kültürel bağlamlara göre ortaya koyduğu gözleminden başlar.

Ayrıca, AI araştırmacıları, insanların yapması için karmaşık işler yapabilen bilgisayarlar oluşturabildiler, ancak tersine, insanların yapması kolay görevleri yerine getirebilecek bir bilgisayar (Moravec paradoksu) geliştirmek için mücadele ettiler. David Gelernter tarafından tarif edilen bir sorun, bazı insanların düşünme ve akıl yürütmenin eşdeğer olduğunu varsaymasıdır. Bununla birlikte, düşüncelerin ve bu düşüncelerin yaratıcısının ayrı ayrı izole edilip edilmediği fikri AI araştırmacılarını ilgilendirmiştir.

Son yıllarda AI araştırmalarında karşılaşılan sorunlar, AI'nın ilerlemesini daha da engelledi. Yapay zeka araştırmacıları tarafından vaat edilen başarısız tahminler ve insan davranışlarını tam olarak anlayamama, insan düzeyinde AI'nın temel fikrinin azalmasına yardımcı oldu. AI araştırmasının ilerlemesi hem iyileştirme hem de hayal kırıklığı getirmesine rağmen, çoğu araştırmacı iyimserlik kurdu. 21. yüzyılda AI hedefine ulaşma potansiyeli hakkında.

Güçlü AI'nin ilerlemesindeki uzun araştırmalar için başka olası nedenler önerilmiştir. Bilimsel sorunların karmaşıklığı ve psikoloji ve nörofizyoloji yoluyla insan beynini tam olarak anlama gereği, birçok araştırmacının insan beyninin işlevini bir bilgisayar donanımına taklit etmesini sınırladı.Birçok araştırmacı, AI'nın gelecekteki tahminleriyle ilgili herhangi bir şüpheyi hafife alma eğilimindedir. ancak bu sorunları ciddiye almadan insanlar sorunlu soruların çözümlerini göz ardı edebilirler.

Clocksin, AI araştırmasının ilerlemesini engelleyebilecek kavramsal bir sınırlamanın, insanların bilgisayar programları ve ekipmanların uygulanması için yanlış teknikleri kullanıyor olabileceğini söylüyor. Yapay zeka araştırmacıları yapay zeka hedefini ilk kez hedeflemeye başladığında, asıl ilgi insan akıl yürütmesiydi.

İnsanların araştırmada belirli bir bağlamla çalışırken yeniden tanımlama eğiliminde oldukları soyutlama uygulaması, araştırmacılara sadece birkaç kavram üzerinde yoğunlaşma sağlar. Yapay zeka araştırmalarında soyutlamanın en verimli kullanımı planlama ve problem çözmekten gelir.Amaç, bir hesaplama hızını artırmak olsa da, soyutlamanın rolü, soyutlama operatörlerinin katılımı hakkında sorular ortaya koymuştur.

Yapay zekadaki yavaşlığın olası bir nedeni, birçok yapay zeka araştırmacısının buluşsal yöntemlerin bilgisayar performansı ile insan performansı arasında önemli bir ihlal içeren bir bölüm olduğunu kabul etmesiyle ilgilidir. Bir bilgisayara programlanan belirli işlevler birçok gereksinimi karşılayabilir insan zekasıyla eşleşmesini sağlar. Bu açıklamaların, güçlü yapay zekaya ulaşmada gecikmenin temel nedenleri olduğu garanti edilemez, ancak çok sayıda araştırmacı tarafından geniş çapta anlaşmaya varılmıştır.

Makinelerin duygularla yaratılıp yaratılmayacağı fikri üzerinde tartışan birçok yapay zeka araştırmacısı var.İki yapay zeka modellerinde duygular yok ve bazı araştırmacılar, duyguları makinelere programlamanın kendi zihinlerine sahip olmalarına izin verdiğini söylüyor. Duygu, insanların deneyimlerini özetler çünkü bu deneyimleri hatırlamalarını sağlar. David Gelernter şöyle yazıyor: Hiçbir insan, insan duygularının tüm nüanslarını simüle etmedikçe yaratıcı olmayacak. Duygu hakkındaki bu endişe AI araştırmacıları için problemler yarattı ve araştırması geleceğe doğru ilerledikçe güçlü AI kavramına bağlanıyor.

Bilinç

İnsan zihninin, bilim kurgu ve yapay zekanın etiğinde önemli bir rol oynayan güçlü AI kavramıyla ilgili olan diğer yönleri de vardır:

Bilinç: Öznel deneyime ve düşünceye sahip olmak.

Kendini tanıma: Kendini ayrı bir birey olarak tanımak, özellikle kişinin kendi düşüncelerinden haberdar olmak.

Duyarlılık: Algıları veya duyguları öznel olarak hissetme yeteneği.

Sapience: Bilgelik kapasitesi.

Bu özelliklerin ahlaki bir boyutu vardır, çünkü bu güçlü AI formuna sahip bir makinenin insan olmayan hayvanların haklarına benzer yasal hakları olabilir. Ayrıca Bill Joy, diğerlerinin yanı sıra, bu özelliklere sahip bir makinenin insan hayatı veya haysiyet için bir tehdit olabileceğini savunuyor. Güçlü AI için bu özelliklerden herhangi birinin gerekli olup olmadığı gösterilmeye devam etmektedir. Bilincin rolü net değildir ve şu anda varlığı için üzerinde anlaşmaya varılmış bir test bulunmamaktadır. Bir makine, bilincin sinirsel ilişkilerini simüle eden bir cihazla inşa edilirse, otomatik olarak kendini tanıyabilir mi? Duyarlılık gibi bu özelliklerin bir kısmının doğal olarak tamamen akıllı bir makineden ortaya çıkması veya açıkça akıllı bir şekilde hareket etmeye başladıklarında makinelere atfedilen özelliklerin doğal hale gelmesi de mümkündür. Örneğin, zeki eylem, tam tersi olmaktan ziyade duyarlılık için yeterli olabilir.

Bilim kurguda AGI, canlılarda gözlemlenen bilinç, duyarlılık, sadakat ve öz farkındalık gibi özelliklerle ilişkilidir. Ancak filozof John Searle'a göre, genel zekanın bilinç için yeterli olup olmadığı açık bir sorudur. Güçlü AI (yukarıda Ray Kurzweil tarafından tanımlandığı gibi) Searle'ın güçlü AI hipotezi ile karıştırılmamalıdır. Güçlü AI hipotezi, bir kişi kadar akıllı davranan bir bilgisayarın da mutlaka bir zihin ve bilince sahip olması gerektiği iddiasıdır. AGI, yalnızca makinenin zihinsel veya zihinsiz olarak görüntülediği zeka miktarını ifade eder.

Tartışmalar ve tehlikeler

Fizibilite

Görüşler, yapay zekanın gelip gelmeyeceği ve ne zaman geleceği konusunda farklılık gösterir. Yapay zeka öncüsü Herbert A. Simonw 1965'te şöyle yazdı: Makineler yirmi yıl içinde bir erkeğin yapabileceği herhangi bir iş yapabilecek. Ancak, bu tahmin gerçekleşemedi. Microsoft kurucu ortağı Paul Allen, böyle bir zekanın 21. yüzyılda olası olmadığını düşündü çünkü öngörülemez ve temelde öngörülemeyen atılımlar ve bilimsel olarak derin bir biliş anlayışı gerektirecektir. The Guardian'da yazılan robotist Alan Winfield, modern bilgi işlem ve insan seviyesi yapay zeka arasındaki uçurumun, mevcut uzay uçuşu ve pratik ışıktan daha hızlı uzay uçuşu arasındaki uçurum kadar geniş olduğunu iddia etti.AI uzmanlarının AGI mumunun fizibilitesi ve azaldı ve 2010'larda yeniden canlanma görmüş olabilir. 2012 ve 2013 yıllarında yapılan dört anket, uzmanlar arasında% 50 emin olacakları için medyan tahminin AGI'nin ankete bağlı olarak 2040-2050 olduğunu ve ortalama 2081 olduğunu belirtmiştir. uzmanlar aynı soruyu sorduğunda asla değil, bunun yerine% 90 güven ile cevap verdiler.Daha güncel AGI ilerleme hususları aşağıda bulunabilir İnsan düzeyinde AGI ve IQ-test AGI onaylama testleri.

İnsan varlığı için potansiyel tehdit

Yapay genel zekanın yaratılması, o kadar büyük ve o kadar karmaşık yankılara sahip olabilir ki, daha sonra ne olacağını tahmin etmek mümkün olmayabilir. Bu nedenle, güçlü yapay zekaya ulaşmanın varsayımsal geleceğindeki olaya teknolojik tekillik denir, çünkü teorik olarak biri onu geçemez. Ancak bu, filozofların ve araştırmacıların, arkadaşlarımız olarak ütopya oluşturmak veya bir AI devralmasında bizi ezmek de dahil olmak üzere geleceğin akıllı bilgisayarlarının veya robotlarının neler yapabileceğini tahmin etmesini engellemedi. İkinci potansiyel, insanlık için varoluşsal bir risk oluşturduğundan özellikle rahatsız edicidir.

Kendi kendini kopyalayan makineler

Akıllı bilgisayarlar veya robotlar, kendilerinin gelişmiş sürümlerini tasarlayıp üretebilirler. Büyüyen akıllı robot popülasyonu, iş piyasalarında, iş dünyasında, bilimde, siyasette (robot haklarını takip ederek) ve teknolojik olarak düşük insanlardan muhtemelen daha fazla rekabet edebilir. sosyolojik olarak (biri gibi davranarak) ve askeri olarak. Günümüzde bile, birçok iş Zayıf bir AI tarafından desteklenen sahte akıllı makineler tarafından zaten alındı.Örneğin, evler, sağlık hizmetleri, oteller ve restoranlar için robotlar hayatımızın birçok bölümünü otomatikleştirdi: sanal botlar müşteri hizmetlerini kendi hizmet, büyük veri AI uygulamaları portföy yöneticilerinin yerine kullanılır ve Pepper gibi sosyal robotlar ise müşteri hizmetleri amacıyla insan karşılayanların yerine kullanılır.

Acil süper istihbarat

Eğer güçlü yapay zeka araştırması yeterince akıllı bir yazılım üretmişse, kendini yeniden programlayabilir ve geliştirebilir - özyinelemeli kendini geliştirme adı verilen bir özellik. O zaman kendini geliştirmede daha da iyi olurdu ve muhtemelen hızla artan bir döngüde bunu yapmaya devam edecek ve bir istihbarat patlamasına ve süper istihbaratın ortaya çıkmasına yol açacaktır.Bu tür bir istihbarat insan aklının sınırlamalarına sahip olmayacak ve neredeyse her şeyi icat eder veya keşfeder.

Hiper-akıllı yazılımlar, insanlığın sürekli varlığını desteklemeye karar vermek zorunda olmayabilir ve durdurulması son derece zor olabilir. Bu konu yakın zamanda akademik yayınlarda medeniyet, insanlar ve Dünya gezegeni için gerçek bir risk kaynağı olarak tartışılmaya başlanmıştır.

Bununla başa çıkmanın bir önerisi, ilk genel olarak akıllı AI'nın dostça bir AI olduğundan emin olmaktır ve daha sonra geliştirilen AI'ların bize iyi olmasını sağlamak için çaba gösterecektir. Ancak dostça yapay zeka yaratmak düz AGI'den daha zordur ve bu nedenle ikisi arasında bir yarışta, dost olmayan AI'nin önce geliştirilmesi muhtemeldir. Ayrıca, dost AI'nın dostça kalacağına veya dölünün de iyi olacağına dair bir garanti yoktur.

Yapay zekanın tarihi

1940'larda ve 50'lerde, çeşitli alanlardan (matematik, psikoloji, mühendislik, ekonomi ve politik bilim) bir avuç bilim adamı yapay bir beyin yaratma olasılığını tartışmaya başladı. Yapay zeka araştırması alanı 1956 yılında akademik bir disiplin olarak kuruldu.

Sibernetik ve erken sinir ağları

Düşünme makinelerine yönelik en eski araştırma, 1930'ların sonları, 1940'ların ve 1950'lerin başında yaygınlaşan fikirlerin birleşmesinden ilham aldı. Nörolojideki son araştırmalar, beynin, tüm ya da hiç nabızlarda ateşlenen nöronların elektriksel bir ağı olduğunu göstermiştir. Norbert Wiener sibernetiği elektrik şebekelerinde kontrol ve istikrarı anlattı. Claude Shannon'ın bilgi teorisi dijital sinyalleri (yani ya hep ya hiç sinyali) tanımladı. Alan Turing'in hesaplama teorisi, herhangi bir hesaplama biçiminin dijital olarak tanımlanabileceğini gösterdi. Bu fikirler arasındaki yakın ilişki, elektronik bir beyin inşa etmenin mümkün olabileceğini düşündürmektedir.

Bu damardaki çalışma örnekleri, W. Gray Walter'ın kaplumbağaları ve Johns Hopkins Beast gibi robotları içerir.Bu makineler bilgisayar, dijital