Trong khi nhiều người nghĩ đến những ý tưởng trừu tượng liên quan đến trí tuệ nhân tạo tổng hợp (AGI), công nghệ này ngày nay đã đạt đến một bước ngoặt quan trọng. Trên thực tế, các nhà khoa học choáng váng trước tiềm năng đáng kinh ngạc của nó đã đồng ý không đồng ý về cách định hình tương lai của AGI.
Những bất đồng về tương lai của công nghệ, đặc biệt là những vấn đề ảnh hưởng đến sự hội tụ và chia sẻ gánh nặng chuyển đổi kỹ thuật số của thế giới, thường kết thúc bằng việc tìm ra các phương án hiệu quả và tiết kiệm chi phí. Có nhiều lý do tại sao điều này không xảy ra trong trí tuệ nhân tạo. Thực chất, con người chúng ta đã mơ về điều này từ rất rất lâu. Bài viết trước của tôi đã xem xét những tiền thân tuyệt vời của trí tuệ nhân tạo có từ nhiều thế kỷ trước và bao gồm nhiều ý tưởng tuyệt vời, từ những con robot thông minh khổng lồ cho đến nỗ lực tạo ra những sinh vật có ý chí trong lọ chuông.
Kéo co
Trong nhiều thế kỷ, nghiên cứu về trí tuệ nhân tạo đã xoay quanh mong muốn của con người là tạo ra những thứ thông minh thông minh như sinh vật thông minh nhất mà họ biết, bạn đoán đúng rồi, họ có nghĩa là chính họ. Khái niệm hiện đại về trí tuệ nhân tạo được xây dựng dựa trên ý tưởng rằng suy nghĩ của con người có thể được cơ giới hóa. Tuy nhiên, tại thời điểm này, một số bộ óc thông minh nhất của thời đại chúng ta cho rằng con đường lý tưởng cho trí tuệ nhân tạo có thể không phải là tái tạo trí tuệ con người. Và những khác biệt này không chỉ giới hạn ở những ý tưởng lý thuyết: Nhiều trường phái tư tưởng đương đại đang đạt được những tiến bộ khoa học cụ thể để tạo ra AI trong tương lai những gì họ cho là sẽ có lợi nhất cho nhân loại.
Ngay cả ngày nay, chúng ta vẫn chưa tiến gần đến mục tiêu “Trí tuệ tổng hợp nhân tạo” (AGI), về mặt lý thuyết sở hữu tất cả khả năng của tâm trí con người. Hiện nay, có những câu hỏi khó nhưng mang tính sống còn về trí tuệ nhân tạo, chẳng hạn như cần bao nhiêu thời gian nữa để trí tuệ nhân tạo tổng hợp trở thành hiện thực với tốc độ phát triển như hiện nay? Liệu AI của tương lai có hoạt động tương tự như bộ não con người hay chúng ta sẽ tìm ra cách tốt hơn để chế tạo những cỗ máy thông minh vào thời điểm đó?
Bắt đầu từ thế kỷ 14, các nhà lý thuyết cho rằng một ngày nào đó máy móc thông minh có thể suy nghĩ giống như chúng ta. Lý do chính để áp dụng mục tiêu lý tưởng này là chúng ta không nhận ra sức mạnh nhận thức nào lớn hơn bộ não con người. Tâm trí con người là một công cụ tuyệt vời để đạt được mức độ xử lý nhận thức cao. Tuy nhiên, gần đây, các cuộc tranh luận và trường phái tư tưởng đáng chú ý đã xuất hiện về việc đạt được trí tuệ nhân tạo tổng hợp và cách tốt nhất để đạt được mục tiêu này. Những tiến bộ đáng kể trong lĩnh vực học sâu, đặc biệt lấy cảm hứng từ bộ não con người nhưng khác với nó ở một số điểm chính, hỗ trợ những ý tưởng mới rằng có thể có những cách khác để đạt được trí thông minh nhân tạo tổng quát và hơn thế nữa.
Trí tuệ tổng hợp nhân tạo (AGI) là gì?
Ý tưởng về trí tuệ nhân tạo nói chung hình dung ra những cỗ máy có thể suy nghĩ và học hỏi giống như con người. Một cỗ máy như vậy có thể hiểu được bối cảnh tình huống và áp dụng những gì nó đã học được để hoàn thành một trải nghiệm cho các nhiệm vụ hoàn toàn khác nhau.
Kể từ khi trí tuệ nhân tạo bắt đầu như một ngành nghiên cứu tích cực vào những năm 50, các kỹ sư đã thiết kế nhiều robot thông minh có thể hoàn thành bất kỳ nhiệm vụ nào và dễ dàng chuyển đổi từ nhiệm vụ này sang nhiệm vụ khác. Kể từ những ví dụ nguyên thủy đầu tiên về trí tuệ nhân tạo mà họ nghĩ ra, ước mơ của họ là một ngày nào đó sẽ phát triển những cỗ máy có thể hiểu ngôn ngữ, lý trí, lập kế hoạch, hiểu và thể hiện lẽ thường của con người.
Chúng ta đã đạt được những gì cho đến nay?
Hãy nghĩ mà xem, chúng ta muốn tạo ra những thực thể ảo với tất cả khả năng trí tuệ của con người, nhưng tại thời điểm này, trí tuệ nhân tạo thông minh nhất thế giới thậm chí không thể sánh được với trí thông minh của một con người. 3-đứa trẻ một tuổi. Ví dụ, trong khi một đứa trẻ sơ sinh có thể áp dụng kinh nghiệm của mình vào các lĩnh vực khác theo bản năng mà không gặp thử thách, thì các mẫu trí tuệ nhân tạo hiện đại, một trong những sản phẩm tiên tiến nhất của trí tuệ con người, thường biến thành cá ra khỏi nước khi phải đối mặt với một nhiệm vụ mà chúng không được đào tạo riêng. TRONG.
Các nhà nghiên cứu đang quan tâm đến vấn đề này và đang nỗ lực giải quyết những thách thức làm suy yếu sự phát triển của trí tuệ nhân tạo nói chung. Một số cách tiếp cận nhằm tái tạo một số khía cạnh của trí thông minh con người, chủ yếu tập trung vào học sâu, dường như đang thịnh hành. Đầu tiên trong số này, mạng lưới thần kinh được coi là công nghệ tiên tiến nhất để học các mối tương quan trong tập dữ liệu huấn luyện.
Học tăng cường là một công cụ mạnh mẽ để máy móc học cách hoàn thành nhiệm vụ với các quy tắc rõ ràng một cách độc lập. Đồng thời, các mạng cạnh tranh hiệu quả cho phép máy tính thực hiện những cách tiếp cận sáng tạo hơn để giải quyết vấn đề. Nhưng chỉ có một số phương pháp kết hợp một số hoặc tất cả các kỹ thuật này. Điều này khiến các ứng dụng AI ngày nay chỉ có thể giải quyết các nhiệm vụ hạn chế và đây là trở ngại lớn nhất đối với trí tuệ nhân tạo tổng hợp.
Ngã tư khoa học: Có giống con người hay không, đó là câu hỏi
Các thuật toán học sâu ngày nay không thể bối cảnh hóa và khái quát hóa thông tin, một trong những yêu cầu lớn nhất đối với tư duy giống con người. Những người nghi ngờ khả năng học sâu có thể đưa con người đến với trí tuệ nhân tạo nói chung cho rằng máy móc không nên cố gắng sao chép hệ thống tế bào thần kinh của não người. Trường phái tư tưởng này tin rằng việc chỉ truyền đạt một số khía cạnh nhất định của tâm trí con người cho máy móc là quan trọng và có thể đạt được, chẳng hạn như sử dụng biểu diễn thông tin mang tính biểu tượng để đưa ra dự đoán bằng cách truyền bá kiến thức trên một loạt vấn đề rộng hơn.
Rào cản lớn nhất đối với các kỹ thuật deep learning tiếp cận trí tuệ nhân tạo tổng quát là chúng không có khả năng bổ sung khả năng lý luận và xử lý ngôn ngữ nâng cao cho máy móc. Mặc dù học sâu cho phép đào tạo các thuật toán với dữ liệu được gắn nhãn nhưng nó không thể lấy kiến thức sâu cần thiết cho trí tuệ nhân tạo chung cho máy móc.
Deep learning gặp khó khăn trong việc suy luận hay khái quát hóa thông tin vì thuật toán chỉ biết những gì được hiển thị. Phải mất hàng nghìn hoặc thậm chí hàng triệu bức ảnh được gắn thẻ để huấn luyện một mô hình nhận dạng hình ảnh. Nhưng ngay cả sau khi cung cấp tất cả dữ liệu đào tạo này, mô hình AI không thể thực hiện các nhiệm vụ khác nhau như hiểu ngôn ngữ tự nhiên.
Trường phái tư tưởng này không ủng hộ việc rời xa deep learning bất chấp những hạn chế của nó. Thay vào đó, họ tin rằng các nhà phát minh nên tìm cách kết hợp deep learning với các phương pháp tiếp cận cổ điển đối với trí tuệ nhân tạo. Chúng bao gồm việc sử dụng các cách diễn giải dữ liệu mang tính biểu tượng hơn, chẳng hạn như biểu đồ tri thức. Sơ đồ tri thức sử dụng các mô hình học sâu để hiểu cách mọi người tương tác với thông tin và cải thiện theo thời gian trong khi bối cảnh hóa dữ liệu kết nối các phần dữ liệu liên quan đến ngữ nghĩa.
Ý tưởng về trí tuệ nhân tạo nói chung dự tính rằng công nghệ cuối cùng sẽ mang lại lợi ích cho con người và tạo ra sự khác biệt trên thế giới. Trường phái tư tưởng này ủng hộ rằng sự phát triển trí tuệ nhân tạo mang tính sản xuất ngày nay còn lâu mới đóng góp vào ý tưởng tuyệt vời về trí tuệ nhân tạo nói chung. Theo họ, cần tập trung xây dựng hệ thống có kiến thức sâu chứ không phải deep learning để đạt được trí tuệ nhân tạo tổng quát.
Tại sao không giống thần thánh?
Ý tưởng cho rằng học sâu có thể mang lại cho máy móc những khả năng siêu phàm trái ngược với ý tưởng về trường phái tư tưởng mà chúng ta đã khám phá. Theo trường phái đối lập, những nỗ lực tái tạo tư duy giống con người có thể vô tình hạn chế khả năng của máy móc trong tương lai. Các mô hình học sâu hoạt động theo những cách khác với bộ não con người; được cung cấp đủ dữ liệu và sức mạnh tính toán, không thể nói chúng có thể đi được bao xa.
Một số nhà khoa học cho rằng không nên bỏ qua khả năng của các kỹ thuật deep learning trong việc truyền đạt khả năng siêu phàm cho các mô hình trí tuệ nhân tạo. Họ chỉ ra rằng máy móc có thể học những khái niệm trừu tượng mà con người không thể giải thích được khi được cung cấp đủ dữ liệu.
Học tăng cường, một môn học sâu, có thể là một con đường đầy hứa hẹn để cải thiện trí thông minh tổng quát. Các thuật toán này hoạt động tương tự như trí óc con người khi học các nhiệm vụ mới. Thật thú vị, những phát hiện này cho thấy máy móc có thể chứng minh khả năng khái quát hóa những gì chúng đã học được từ nhiệm vụ này sang nhiệm vụ khác trong các thí nghiệm trong môi trường tổng hợp.
Theo luồng tư tưởng này, trở ngại lớn nhất đối với trí tuệ nhân tạo tổng hợp là tốc độ đào tạo của các mô hình deep learning. Tuy nhiên, người ta tin rằng những người đổi mới có thể khắc phục được vấn đề này. Trường này cho rằng đây sẽ là chìa khóa trong nỗ lực tối ưu hóa tập dữ liệu mà các mô hình đang hoạt động để các thuật toán không cần phải xem hàng triệu trường hợp để tìm hiểu chuyện gì đang xảy ra. Tuy nhiên, ngày nay chúng ta có dữ liệu và khả năng xử lý hạn chế và học sâu vẫn chưa đạt đến giai đoạn trưởng thành.
Như bạn có thể thấy, tương lai của trí tuệ nhân tạo rất tươi sáng; loài người từng cố gắng nuôi dạy con người trong một cái lọ, giờ đây tin rằng có thể tạo ra những sinh vật thông minh và tiến bộ hơn chúng ta. Tôi muốn tin vào ý tưởng này vì tôi thực sự nghi ngờ rằng việc tư duy con người hơn sẽ khiến thế giới trở thành một nơi tốt đẹp hơn.
Mặc dù các trường phái tư tưởng mà chúng ta đã xem xét hôm nay đưa ra một số giả thuyết về tương lai của trí tuệ nhân tạo, nhưng người quyết định thực sự sẽ là thứ được những người ra quyết định coi là hữu ích và cần thiết hơn vào thời điểm đó. Và điều đó sẽ được quyết định bởi mức độ tiến bộ của nền văn minh không mấy vĩ đại của chúng ta.
