文章发表于2024-01-19 09:32:40,归属【科技前沿】分类,已有590人阅读
通用人工智能(AGI)被定义为机器的智能,使它们能够像人类一样理解、学习和执行智力任务。AGI模仿人类的思维和行为来解决任何复杂的问题。本文解释了AGI的基本原理、涉及的主要挑战以及AGI进步的十大趋势。
什么是通用人工智能?
通用人工智能(AGI)是机器的智能,使它们能够像人类一样理解、学习和执行智力任务。
有了AGI,机器可以模仿人类的思维和行为来解决任何复杂的问题。这些机器被设计为具有全面的知识和认知计算能力,其性能与人类没有区别。
AGI(也称为强AI或深度AI)是基于心智理论的AI框架。从根本上说,心智层面的人工智能理论涉及训练机器学习人类行为和理解意识的基本方面。有了这样一个强大的AI基础,AGI可以进行规划,学习认知能力,做出判断,处理不确定的情况,并在决策中整合先验知识或提高准确性。AGI有助于机器执行创新、富有想象力和创造性的任务。
实现强大的人工智能面临着重大挑战。例如,富士通已经建造了最快的超级计算机之一,名为K计算机。尽管这台计算机突破了每秒10千万亿次浮点运算的障碍,但它花了40多分钟来模拟一秒钟的神经活动,从而模糊了强人工智能的视觉。然而,人工智能的未来是光明的,因为它可以利用处理经济危机等复杂情况的能力,对社会产生大规模影响。
人们已经尝试和测试了多种方法来获得类似人类的智能。下面列出了一些实现AGI的核心方法。
1. 象征性的方法
符号方法是指使用逻辑网络(即if-then语句)和符号来学习和发展一个全面的知识库。通过操纵这些代表物质世界本质方面的符号,这一知识库进一步扩大。这种方法模仿了人类大脑思维的更高层次。
理论上,符号方法可以完成更高层次的逻辑和思维,但在现实中,它缺乏学习较低层次的任务,如感知。象征方法的一个恰当例子是Cycorp的Douglas Lenat在1980年启动的CYC项目,该项目旨在推进人工智能领域的工作。CYC拥有庞大的知识库、逻辑体系和强大的表征语言。
2. 联结主义方法
联结主义方法是一种亚符号方法,它利用类似于人类大脑的架构(如神经网络)来创建通用智能。该方法期望从较低层次的子符号系统(如神经网络)中出现更高层次的智能,这还没有发生。深度学习系统和卷积神经网络(如DeepMind的AlphaGo)就是联结主义方法的好例子。
3. 混合方法
混合方法是连接主义和符号系统的混合。在AGI竞赛中领先的架构倾向于使用混合方法,例如,CogPrime架构。它通过单个知识表示(称为AtomSpace)来表示符号知识和子符号知识。著名的社交类人机器人索菲亚是由Hanson Robotics和OpenCog在神经架构CogPrime的帮助下创造出来的。
4. 整体有机体架构
专家认为,一个真正的通用人工智能系统应该拥有一个物理身体,并从物理互动中学习。虽然目前还没有这样的系统,但最接近的是索菲亚(Sophia)——一种仿人机器人,可以模仿人类的手势和面部表情,并沉迷于预先设定的话题对话。
进入通用人工智能阶段的主要挑战
虽然AGI还没有实现,但它代表了一个充满可能性的世界,可以彻底改变人工智能领域。人工通用智能目前受到阻碍其发展的严重障碍和挑战的损害。以下这些都是达到最终AGI阶段的关键挑战。
1. 掌握类人能力的问题
为了实现真正的人类水平的智能,AGI需要掌握一些类似人类的能力,例如:
2. 缺乏工作协议
目前的人工智能系统缺乏帮助人工智能或机器学习网络系统协作的工作协议。在部署完整的AGI系统时,这是一个严重的技术缺陷。因此,系统被迫在封闭、孤立的环境中作为独立模型工作。这种操作模式与AGI系统所必需的复杂和高度社会化的人类环境不一致。
3. 沟通差距降低普遍性
如今,人工智能系统面临着一个明显的沟通障碍。不同人工智能系统之间的沟通差距阻碍了无缝数据共享。因此,机器学习模型之间的相互学习就停滞了。由于相互学习的影响,人工智能可能无法优化分配的任务。这最终会降低整个AI系统的普遍性。
4. 缺乏业务一致性
对于适当的人工智能实现,业务主管需要通过设定目标、确定KPI和跟踪ROI来采取战略方法。否则,很难评估人工智能带来的结果,并将它们进行比较,以衡量人工智能投资的成功(或失败)。
将人工智能集成到现有系统中是一个复杂的过程。需要考虑各种参数,如数据基础设施需求、数据存储、标签、将数据输入系统等。目前,关心的利益相关者似乎对人工智能的所有这些操作参数一无所知。这阻碍了业务目标的整体开发和实现。
5. 缺少AGI方向
由于企业往往难以基本理解人工智能系统,它们被迫聘请专门的人工智能专家团队,这可能是一件昂贵的事情。此外,企业没有一个明确的基于人工智能的计划和方向来开展业务运营。这使得人工智能平台的实施成本高昂且复杂。这些因素对实现一个成熟的AGI系统起着重要的作用,并成为障碍。
通用人工智能发展的10大最新趋势
在新冠肺炎疫情期间,人工智能的发展成为焦点,类人智能的发展速度比以往任何时候都要快。虽然一个完整的AGI系统目前还不现实,但人工智能的最新趋势可能会推动AGI的发展,并显著加快其发展。以下是可以推动AGI进步的十大人工智能趋势。
1. NLP发展
自然语言处理(NLP)是一种人工智能技术,可以理解人类语言,大大减少与屏幕交互的必要性。支持人工智能的设备可以将人类语言转换为用于运行应用程序的计算机代码。
最近,OpenAI发布了GPT-3,这是迄今为止最先进的NLP版本。GPT-3使用超过1750亿个参数来处理语言。此外,OpenAI还在研究GPT-4,预计它将处理大约100万亿个参数,用于综合语言处理。随着人工智能的进步,开发出能够以一种与真实一样好的方式与人类互动的机器是肯定有可能的。
2. 虚拟世界
随着公司和个人探索沉浸式技术,在这个虚拟世界中工作和互动,虚拟世界正在蓬勃发展。根据DappRadar公司2021年11月的数据,用户在虚拟世界中花费了约1.06亿美元购买虚拟财产,主要是数字土地、豪华游艇和其他资产。
考虑到这一趋势,AI和ML有望通过虚拟AI聊天机器人构建虚拟世界,让用户有真切的感受,从而推动虚拟世界的发展。
3. 高度的自动化
从机器人流程自动化(RPA)到智能业务流程管理,许多行业都利用人工智能和机器学习技术来实现多个流程的自动化。超级自动化为高级自动化功能增加了额外的一层,因为它扩展了组织的自动化前景。根据Gartner 报导,2021年4月到2022年期间,超自动化市场达到6000亿美元。
4. 更多的治理工作
由于缺乏模型治理,算法偏差可能突然出现。在这方面,人工智能专家应该更加关注,并确保人工智能/机器学习模型不会产生偏见或做出错误的决定。最近,在2021年10月,Twitter承认其算法产生了偏向右翼政客和新闻媒体的偏见。
在2015年的一次类似事件中,亚马逊意识到其招聘员工的算法对女性有偏见。这是因为该算法仔细审查了过去十年的简历,由于其中大多数是男性,因此它被训练成对女性有偏见。
诸如此类的例子将为首席人工智能官、首席人工智能合规官等职位的增加铺平道路。随着人工智能/机器学习的快速采用,这种情况预计在不久的将来会增加。
5. 低代码或无代码AI的兴起
如今,对熟练的人工智能工程师的需求很高。组织一直在寻找能够开发人工智能算法和工具以满足其业务运营的工程师。低代码和无代码AI解决方案可以通过提供有助于创建复杂系统的直观界面来解决这个问题。
通常,低代码解决方案提供拖放选项,从而简化了应用程序构建过程。此外,NLP和语言建模技术也可用于提供基于语音的指令来完成复杂的任务。
6. 劳动力增加
对人工智能取代人类工作的担忧已经存在很长一段时间了。事实上,组织似乎正在使用AI/ML模型来收集和分析数据,并获得有助于制定业务决策的见解。在这种情况下,企业必须让员工和人工智能机器协同工作。
包括销售、营销和客户服务在内的几个部门已经在使用人工智能/机器学习系统来辅助他们的运营。然而,这并没有减少对人类的潜在依赖。事实上,它只是提高了这些部门的效率。从现在开始,这种趋势只会上升。
7. 会话式人工智能聊天机器人
会话聊天机器人指的是启用人工智能的虚拟助手。它们执行自然对话和某些基于规则的操作,例如响应查询或重置密码。这些聊天机器人已经取代了客服,从而大大降低了企业的运营成本。随着自然语言处理领域的不断发展,会话式人工智能聊天机器人可能会在未来彻底改变人工智能领域。
8. 更多关注人工智能伦理
最近,人工智能用例在垂直行业中显著增加。尽管人工智能技术带来了好处,但人工智能的潜在风险也不容忽视。因此,对人工智能伦理的关注将在未来几年上升,因为如果这些技术不被用于做好事,事情可能会发生逆转。
9. 基于人工智能的招聘流程
由于疫情已经影响了招聘流程,随着虚拟世界取代传统的物理世界,企业现在预计将使用更多基于人工智能/机器学习的系统。此外,随着语言建模技术的进步和会话人工智能聊天机器人的日益成熟,雇主有望使用人工智能驱动的工具来管理招聘流程。
10. 量子的人工智能
尽管过去几年人工智能领域取得了相当大的进展,但量子人工智能可以进一步推动人工智能的边界,因为量子计算可以加速机器学习算法并在更短的时间内取得结果。量子人工智能可以消除AGI的障碍,因为它可以在最短的时间内通过分析书籍、文章、博客文章和其他类似来源中的大量数据来帮助创建强大的数据库。
总结
未来十年对人工智能系统的发展至关重要。专家认为,到2030年,开发出人类水平的人工智能的可能性为25%。此外,对机器人过程和机器算法的日益倾向,加上最近的数据爆炸和计算进步,将为人类水平的人工智能平台的扩散提供更多数据。在这个高科技的世界里,AGI系统成为主流只是时间问题。