Google duce inteligența artificială la un alt nivel: anunțul, mai repede decât se aștepta cineva
Pentru a dezvolta inteligența generală artificială (AGI), genul din inteligența artificială cu totul cuprinzător pe care îl vedem în science fiction, s-ar putea să avem nevoie doar să ne așezăm și să lăsăm să se dezvolte singur un algoritm simplu.
Învățarea prin antrenare (reinforcement learning), un fel de arhitectură AI gamificată, în care un algoritm „învață” să finalizeze o sarcină căutând recompense preprogramate, ar putea crește teoretic și să învețe atât de mult, încât să rupă bariera teoretică în calea AGI fără noi dezvoltări tehnologice, conform cercetărilor publicate de DeepMind deținută de Google, în revista Artificial Intelligence.
În timp ce învățarea prin antrenare este adesea supraestimată în domeniul AI, este interesant de luat în considerare faptul că inginerii ar fi putut construi deja toată tehnologia necesară pentru AGI și acum ar trebui, pur și simplu, să o lase să își facă treaba și să o urmărească crescând.
Tipul de inteligență artificială pe care îl întâlnim în fiecare zi din viața noastră, fie că este vorba de învățare automată sau de învățarea prin antrenare, este inteligență artificială restrânsă: un algoritm conceput pentru a realiza o sarcină foarte specifică, cum ar fi prezicerea căutării tale pe Google, identificarea obiectelor într-un flux video sau gestionarea un joc video.
Inteligența artificială, dusă la nivelul următor de Google
În schimb, AGI – uneori numită inteligență AI la nivel uman – ar fi mai mult pe linia C-3PO din „Star Wars”, în sensul că ar putea înțelege contextul, subtextul și indicii sociale. Și, în moc evident, ar putea chiar să depășească în totalitate oamenii.
De ani de zile, oamenii de știință nu s-au pus de acord cu privire la faptul dacă avem deja toate componentele esențiale necesare AGI sau dacă construirea acesteia ar necesita un nou tip de tehnologie care nu a fost încă inventată. Acum, se pare că DeepMind a decis să ia inițiativă.
Argumentul oferit de DeepMind se rezumă în esență la următoarea ipoteză: comportamentul de căutare a recompenselor a fost suficient pentru a conduce evoluția vieții naturale, deci de ce nu ar trebui să facă același lucru pentru viața artificială?
Cercetătorii au scris că „obiectivul generic al maximizării recompensei este suficient pentru a conduce un comportament care prezintă cele mai multe, dacă nu toate abilitățile care sunt studiate în inteligența naturală și artificială”.
Desigur, acest argument are mai multe ipoteze, cum ar fi faptul că un algoritm de învățare prin antrenare va putea să-și dezvolte drumul către adevărata inteligență în orice arhitectură hardware ce i-a fost acordată. Dar este totuși un experiment de gândire interesant, care va fi urmărit.