범용 인공 지능(AGI)

인공 일반 지능(AGI)은 다음과 같은 이론적 개념입니다. 인공 지능(AI) 인간이 할 수 있는 모든 지적 작업에 지식을 이해하고, 학습하고, 적용할 수 있는 능력을 갖춘 기계를 의미합니다. 인간이 할 수 있는 모든 지적 작업에 오늘날 널리 사용되는 전문화된 시스템과 달리 AGI는 인지적 유연성을 갖추고 있어 익숙하지 않은 문제를 추론하고, 다양한 영역의 경험을 일반화하며, 특정 재현 없이도 자율적으로 새로운 도전에 대해 특별히 다시 프로그래밍할 필요 없이 자율적으로 작동할 수 있습니다. 인간 수준의 지능을 추구하는 것은 은 OpenAI와 구글 딥마인드를 비롯한 많은 선도적인 연구소의 궁극적인 목표이며 Google 딥마인드를 비롯한 많은 주요 연구소의 궁극적인 목표이며, 기술 진화의 차세대 기술

AGI와 인공 협소 지능(ANI) 비교

AGI의 중요성을 완전히 이해하려면 현재 우리가 활용하고 있는 지능의 형태와 구별하는 것이 중요합니다. 활용하고 있습니다.

• 인공 협소 지능(ANI): 약한 인공지능이라고도 하는 이 범주는 기존의 모든 인공지능 애플리케이션을 포괄합니다. 이러한 시스템은 특정 작업에 탁월하도록 탁월하도록 설계되었습니다. 예를 들어 Ultralytics YOLO11 은 최적화된 강력한 ANI 모델입니다. 물체 감지 및 이미지 분할에 최적화된 모델입니다. 이러한 시각적 작업을 초인적인 속도로 수행하지만 소설을 쓰거나 복잡한 사회적 상황을 탐색하는 능력은 부족합니다.
• AGI(강력한 AI): AGI 시스템은 단일 양식에 국한되지 않습니다. 게임 이론과 같은 한 분야의 지식을 게임 이론과 같은 한 분야의 지식을 경제 모델링과 같은 다른 분야로 이전하여 진정한 전이 학습. 이 개념은 강인한 인공지능과 밀접하게 연관되어 있습니다. 기계가 의식이나 지성을 가지고 있다는 의미로, 사고 실험과 관련된 철학적 논쟁의 주제인 차이니즈 룸 논쟁.

가상적인 실제 응용 분야

AGI는 아직 존재하지 않지만, 스탠퍼드 HAI와 같은 기관의 전문가들과 MIT CSAIL과 같은 기관의 전문가들은 이 기술이 등장하면 거의 모든 산업 분야에 산업

1. 전체론적 의료 연구: AGI는 유전체학, 화학, 환자 병력의 지식을 통합하여 지식을 통합하여 복잡한 질병에 대한 치료법을 독자적으로 발견할 수 있습니다. 이는 현재의 의료 분야의 AI를 훨씬 뛰어넘을 것입니다. 완전히 새로운 과학적 가설을 세우고 테스트하여 의료 이미지를 분석하거나 특정 환자 결과를 예측하는 것 가설을 세우고 테스트함으로써
2. 고급 자율 시스템: 현재의 로봇은 비정형 환경의 엣지 케이스에 어려움을 겪고 있습니다. AGI는 차세대 로봇 공학 분야의 AI를 통해 기계가 혼란스러운 재난 지역을 탐색하거나 혼란스러운 재난 지역을 탐색하거나 인간의 상식과 적응력으로 일반적인 가사 작업을 수행할 수 있습니다, 노동과 물류에 큰 영향을 미칠 수 있습니다.

기술적 과제와 윤리적 고려 사항

AGI를 개발하려면 엄청난 기술적 장애물을 극복해야 합니다. 여기에는 패턴 매칭을 뛰어넘어 딥러닝(DL)의 패턴 매칭을 넘어 추상적인 추론과 추론과 장기적인 계획이 가능한 시스템으로 나아가야 합니다. 이를 위해서는 대규모 컴퓨팅 리소스가 필요할 수 있으며, 다음과 같은 회사의 고급 하드웨어에 의존하는 대규모 컴퓨팅 리소스가 필요할 수 있습니다. NVIDIA 같은 회사의 고급 하드웨어에 의존하는 기초 모델.

또한, AGI의 잠재적 힘은 다음과 같은 중요한 질문을 제기합니다. AI 윤리. 이러한 시스템이 인간의 가치에 부합하도록 보장하는 것은 가치에 부합하도록 보장하는 것은 다음과 같은 조직에서 가장 중점을 두는 부분입니다. Anthropic 및 미래 생명 연구소. 목표는 다음과 같은 것을 만드는 것입니다. 의도하지 않은 결과를 방지하는 AI 안전 프레임워크를 만드는 것입니다. 의도하지 않은 결과를 방지하는 AI 안전 프레임워크를 만드는 것이 목표입니다.

다음 코드 스니펫은 현재 ANI의 제한 사항을 보여주는 예시입니다. ultralytics 패키지입니다. 모델은 모델은 명시적으로 인식하도록 훈련된 객체(예: COCO 데이터 세트의 객체)만 detect 수 있으며, 이는 현재 기술과 AGI가 가질 수 있는 일반적인 이해 사이의 격차를 강조합니다.

from ultralytics import YOLO

# Load a pretrained YOLO11 model (ANI)
# This model is specialized for detecting specific object classes
model = YOLO("yolo11n.pt")

# Run inference on an image
# Unlike AGI, the model does not 'understand' the scene context
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the detection results
results[0].show()

ANI와 AGI 사이의 간극을 좁히기 위한 연구가 계속되고 있으며, 신경망과 인공지능의 새로운 아키텍처를 신경망과 강화 학습을 탐구하고 있습니다. 관심 있는 분들을 위해 관심 있는 분들을 위해 인공 지능 발전 협회(AAAI)는 이 분야의 발전에 대한 이 분야의 궤적에 대한 업데이트를 정기적으로 발표합니다. 또한 최신 일반 추론의 일부 측면을 모방하기 시작하고 있는 일반 추론.