هوش عمومی مصنوعی یا AGI چیست و چه کاربردی دارد ؟

مهر, 1398 بدون نظر
1 ستاره2 ستاره3 ستاره4 ستاره5 ستاره (4 رای, میانگین5٫00 از5)
Loading...
میم تک 28, هوش مصنوعی

در این مقاله قصد داریم تا به مبحث هوش عمومی مصنوعی یا AGI بپردازیم .

در مقاله ی گذشته با کلیت هوش مصنوعی (AI) آشنا شدیم.

هوش عمومی مصنوعی چیست؟

هوش مصنوعی (AI) شبیه سازی فرآیندهای هوش انسانی توسط ماشین ها ، به خصوص سیستم های رایانه ای است. این فرایندها شامل یادگیری (کسب اطلاعات و قوانین استفاده از اطلاعات) ، استدلال (استفاده از قوانین برای رسیدن به نتیجه گیری تقریبی یا قطعی) و خود تصحیح است. کاربردهای خاص هوش مصنوعی شامل سیستم های خبرهexpert systems ، تشخیص گفتار speech recognitionو دید دستگاه machine visionاست. هوش مصنوعی را می توان به عنوان ضعیف یا قوی طبقه بندی کرد.

هوش عمومی مصنوعی (AGI) در یک سیستم سبب می شود که یک دستگاه همانند یک انسان جهان را درک کند. همچنین قادر به یادگیری و انجام طیف عظیمی از کارها با ظرفیت انسانی است.

AGI در واقعیت وجود ندارد .

اما بیش از یک قرن است که این موضوع در داستان های علمی تخیلی به نمایش در آمده است.

تصویرهای داستانی AGI بسیار متفاوت است.

برخی بر این باورند که AGI نسبت به درد و رنج انسان ها بی تفاوت و فاقد احساس است. لذا این امر ممکن است در نهایت منجر به نابودی انسان ها شود.

در مقابل ، این تصورات دید دیگری هم وجود دارد.

جوامعی که مساوات بر آن ها حاکم است .

این جوامع عاری از هر درد و رنجی اداره می شوند. جایی که ساکنان می توانند شور و شوق و پیشرفت های فناوری خود را با یک سرعت نفس گیر دنبال کنند. اینکه این ایده ها چه ارتباطی با دنیای واقعی دارند ، غیرقابل اندازه گیری است. زیرا تا کنون هیچ موجودیتی از نوع AGI ایجاد نشده است .

به گفته بسیاری از افراد در زمینه هوش مصنوعی ، حتی نزدیک به ایجاد شدن هم،نیست.

یک هوش عمومی مصنوعی AGI چه کارهایی می توانند انجام دهد؟

از نظر تئوری ، یک هوش عمومی مصنوعی می تواند تمام وظایف انسان ها را انجام دهد.

حتی می تواند کارهایی را انجام دهد که از عهده انسان ها خارج است. حداقل ترین کاری که AGI انجام می دهد،این است که قادر به تلفیق تفکر و استدلال شبیه انسان است. با گذشت زمان این هوش ها می توانند هر نقشی را که انسان ها انجام می دهندT به عهده بگیرند. در ابتدا ، ممکن است انسان ارزان تر از ماشین باشد یا ممکن است انسانهایی که در کنار AI کار می کنند ، از خود هوش مصنوعی موثرتر باشند.

تاثیر هوش عمومی مصنوعیAGI بر نیروی انسانی :

اما ظهور AGI احتمالاً کار بشر را منسوخ خواهد کرد.

حذف نیروی انسانی، پیامدهای اجتماعی عظیمی در نیز در بر خواهد داشت.

از جمله مشکل تامین نیازهای معیشتی و حس خودباوری و هدف گذاری که داشتن شغل برای انسان به ارمغان می آورد.

امروزه بحث های گوناگونی درباره ی تاثیرات Narrow AI موجود بر مشاغل وجود دارد. تا جایی که ،باعث شده است تا برخی خواستار معرفی درآمد عمومی جهانی (UBI) شوند. بر اساس UBI ، همه افراد جامعه باید یک پرداخت منظم و بی قید و شرط از سوی دولت دریافت کنند. با این حال، برخی از مبارزان ضد فقر مدل های اقتصادی را تولید کرده اند که نشان می دهد چنین برنامه ای در صورت جایگزینی سیستم های تأمین اجتماعی موجود در اروپا ، می تواند محرومیت را در بین گروه های آسیب پذیر افزایش دهد.

گذشته از تأثیر بر انسجام اجتماعی ، ظهور هوش عمومی مصنوعی می تواند تاثیرات عمیق تری در بر داشته باشد.

اینگونه سیستم ها می توانند با استفاده از دانش قوی فعالیت هایی را در سطوح مختلف، از عمل جراحی و تشخیص پزشکی گرفته تا رانندگی اتومبیل را حتی فراتر از توانایی انسان انجام دهند که از لحاظ زمان ،پول و حفظ سلامتی تاثیرات بسیار مثبتی دارند. در کنار این نکات مثبت، باید نکات منفی هوش ترکیبی را نیزدر نظر گرفت:نکاتی از قبیل قدرت نظارت و کنترل جمعیت ،به دست گرفتن قدرت توسط گروه کوچکی از سازمان ها و رفع نیاز دولت برای مراقبت از جمعیت منسوخ شده.

آیا یک هوش مصنوعی عمومی می تواند از انسان فراتر رود؟

بله ، چنین هوشمندی نه تنها از توانایی های کلی انسان برخوردار است ، بلکه می تواند از مزایایی که رایانه ها نسبت به انسان ها برخوردارند.

مانند : تقویت فراخوانی ها ، انجام محاسبات فوری را نیز انجام دهد.

چه زمانی یک هوش مصنوعی عمومی  اختراع می شود؟

امروزه سیستم های یادگیری ماشینی بر پایه خدمات آنلاین قرار دارند.

این خدمات به رایانه ها امکان می دهند زبان را بشناسند ، گفتار را بفهمند ، چهره ها را لمس کنند و عکس ها و فیلم ها را توصیف کنند. پیشرفت های اخیر و موفقیت های برجسته ای  مانند تسلط AlphaGo بر بازی بسیار مشهور و پیچیده Go ، می تواند این احساس را به جامعه بدهد که AGI در مسیر توسعه سریع قرار دارد. مایکل وولریج ، رئیس گروه علوم کامپیوتر در دانشگاه آکسفورد ، در گزارشی به این نکته اشاره و تأکید کرد که  “نه من و نه کسی دیگر نمی دانیم که چگونه پیشرفت به سمت AGI را اندازه بگیریم” .

لازم به ذکر است که سیستم های کنونی قابلیت های خیلی بالایی ندارند.

درحال حاضر ماهیت هوش مصنوعی عمومی، با چیزی که انتظار می رود توانایی انجام آن را داشته باشد، بسیار متفاوت است.

محدودیت های Narrow AI:

محدودیت های Narrow AI در گزارشی با همکاری یواو شواهم از آزمایشگاه هوش مصنوعی استنفورد، برجسته شده است.

برای مثال، وقتی یک انسان می تواند کاراکترهای چینی را بخواند،قادر به درک صحبت به زبان چینی هم هست.

با آداب و رسوم چینی ها آشنایی دارد.

همچنین می تواند پیشنهادهای خوبی در مورد غذاهای چینی ارایه دهد.

اما سیستم های  هوش مصنوعی برای انجام هر یک از این کارها نیاز به آموزش جداگانه دارند.

در کنار این نظریه برخی دیگر نظیر ری کورزویل ،مدیر مهندسی گوگل ، پیش بینی می کند AGI  تا سال 2029 قادر به قبولی در آزمون تورینگ خواهد شد. تا دهه 2040 ،رایانه های ارزان قیمت در هر ثانیه قادر خواهند بود تا همانند مغز انسان ها محاسبات انجام دهند.

هواداران کورزویل به سابقه موفق او در پیش بینی پیشرفت تکنولوژی اشاره می کنند.

تا اواخر سال 2009حدود 80٪ از پیش بینی های  کورزویل در دهه 1990 به واقعیت رسید.

اعتماد کورزویل به میزان پیشرفت ناشی از آن چیزی است که وی قانون تسریع در بازده ها می نامد.

وی در سال 2001 گفت ماهیت نمایی تغییرات تکنولوژیکی ،که در آن هر پیشرفت سرعت پیشرفت های آینده را تسریع می کند ، بدان معنی است که نسل بشر معادل 20،000 سال پیشرفت فناوری را در قرن بیست و یکم تجربه خواهد کرد. این تغییرات سریع در زمینه هایی مانند قدرت پردازش رایانه و فناوری های نقشه برداری مغز همان چیزی است که اعتماد به نفس کورزویل را در توسعه نزدیک به آینده سخت افزار و نرم افزار مورد نیاز برای پشتیبانی از AGI نشان می دهد.

superinteligence چیست؟

کورزویل معتقد است که با پدیداری  AGI ، سرعت خود را با سرعت نمایی بهبود می بخشد.

به سرعت در پیشرفت خواهد کرد تا جایی که هوش آن در سطحی فراتر از فهم بشر عمل می کند.

وی از این نکته به عنوان تکینگی یاد می کند و می گوید که این اتفاق در سال 2045 رخ خواهد داد.

در این مرحله یک هوش مصنوعی وجود خواهد داشت که “یک میلیارد برابر قدرتمندتر از تمام هوش بشر امروز است”.

ایده یک بینابینی اطلاعاتی در آینده نزدیک باعث شده است تا برخی از برجسته ترین دانشمندان و فن آوران جهان نسبت به خطرات شدید ناشی از AGI هشدار دهند.

بنیانگذار SpaceX و Tesla ، الون مسک ، AGI را “بزرگترین تهدید وجودی” برای پیش روی بشریت می نامند

فیزیکدان مشهور و استاد دانشگاه کمبریج ، استفن هاوکینگ ، به بی بی سی گفت: “توسعه هوش مصنوعی کامل می تواند پایان نژاد بشر را هجی کند”.

چگونه می توانید یک هوش کلی مصنوعی ایجاد کنید؟

Demis Hassabis ، بنیانگذار Google DeepMind ، معتقد است که اسرار هوش مصنوعی عمومی در طبیعت نهفته است.

حسابیس و همکارانش معتقدند که برای محققان هوش مصنوعی مهم است که  ” کارهای داخلی مغز انسان را به دقت چک کنند.”  تنها روشی که می توان به کمک آن اثبات کرد که چنین هوشی وجود دارد. “.

مطالعه شناخت حیوانات و اجزای عصبی آن ها نیز نقشی اساسی دارند .

زیرا می تواند پنجره ای را به جنبه های مهم مختلف هوش عمومی در سطح بالاتر فراهم کند. “

آنها معتقدند که انجام این کارها در الهام گرفتن برای ایجاد رویکردهای جدید در یادگیری ماشین و معماری های جدید برای شبکه های عصبی و مدل های ریاضی که یادگیری ماشین را امکان پذیر می کنند ، کمک خواهد کرد.

حسابیس و همکارانش می گویند “عناصر اصلی هوش انسانی” در اکثر سیستم های هوش مصنوعی وجود ندارد .

از جمله اینکه نوزادان چگونه مدل های ذهنی جهان را ایجاد می کنند.

چگونه  اتفاق های مربوط به آینده را پیش بینی می کنند.

چگونه برای رو به رویی با وقایع  برنامه ریزی می کنند.

ابزارهای جدید تصویربرداری از مغز و مهندسی زیستی ژنتیک شروع به ارائه یک توصیف دقیق از محاسبات رخ داده در مدارهای عصبی کرده اند.

این امر نوید انقلابی در درک ما از عملکرد مغز پستانداران می دهد.

دیدگاه یان لکون :

دیدگاه دیگر از یان لکون ، دانشمند ارشد فیس بوک است.

وی به دلیل کار بر روی شبکه های عصبی حلقوی نقش پیشگام در تحقیقات یادگیری ماشین را بازی کرده است. او معتقد است که مسیر به سمت هوش مصنوعی عمومی در حال توسعه سیستم هایی است که به کمک آن ها می توانند مدل هایی از جهان را بوجود آورند.

این مدل ها در پیش بینی خروجی های آینده برای آن ها کاربردی خواهد بود.

از بهترین روش های رسیدن به این هدف،استفاده از شبکه های مخالف مولد (GAN) است.

در GAN ،دو شبکه عصبی با هم به نبرد می پردازند.

شبکه ژنراتور سعی می کند داده های “جعلی” قانع کننده ایجاد کند . شبکه تبعیض آمیز ( discriminator network ) سعی در بیان تفاوت بین داده های جعلی و واقعی دارد. با هر چرخه آموزش ، تولید کننده در تولید داده های جعلی بهتر می شود و تشخیص دهنده در کشف داده های جعلی ماهرتر می شود. با قرار دادن دو شبکه در برابر یکدیگر در طول آموزش ، هر دو می توانند به عملکرد بهتری دست یابند.

GAN ها برای انجام برخی کارهای قابل توجه مورد استفاده قرار گرفته اند.

مانند چرخاندن  فیلم های dashcam از روز به شب یا از زمستان به تابستان.

در مقاله ی بعدی با ادامه ی مبحث همراه  ما باشید.

برچسب ها
درباره نویسنده

ارسال نظر شما

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Mimtechmagazine