Artificial General Intelligence (AGI)

Общий искусственный интеллект (AGI) представляет собой теоретическую веху в компьютерных науках, на которой машина обладает когнитивной гибкостью для понимания, обучения и применения знаний в широком спектре задач, соответствуя возможностям человека или превосходя их. В отличие от современных систем ИИ, разработанных для конкретных функций, AGI будет способен к автономному рассуждению, решению проблем в незнакомых условиях и обобщению опыта из одной предметной области в другую. Хотя AGI остается предметом интенсивных исследований и дискуссий, это конечная цель крупных исследовательских организаций, таких как OpenAI и Google DeepMind, которая обещает изменить то, как мы взаимодействуем с технологиями.

Link to this sectionОтличие AGI от узкого ИИ#

Чтобы понять скачок, необходимый для достижения AGI, важно отличать его от того искусственного интеллекта (ИИ), с которым мы взаимодействуем сегодня.

• Узкий искусственный интеллект (ANI): Эта категория, также известная как слабый ИИ, охватывает все существующие ИИ-приложения. Эти системы превосходны в специфических, предопределенных задачах. Например, Ultralytics YOLO26 — это современная модель ANI, высоко оптимизированная для обнаружения объектов и сегментации изображений. Хотя YOLO26 может распознавать объекты быстрее и точнее человека, она не сможет играть в шахматы или писать стихи, если её специально не переобучить для этих задач.
• AGI (сильный ИИ): Часто называемая сильным ИИ, система AGI не была бы ограничена одной модальностью. Она проявляла бы подлинное трансферное обучение, позволяющее использовать логику, усвоенную в физической симуляции, и применять её на финансовых рынках. Такой уровень универсальности имитирует широкие возможности когнитивных вычислений человеческого мозга.

Link to this sectionОсновные характеристики и проблемы#

Разработка AGI требует преодоления серьезных технических препятствий, выходящих за рамки простого добавления данных в нейронную сеть (NN). Это предполагает создание архитектур, поддерживающих:

• Абстрактное мышление: Способность анализировать сложные, новые ситуации и делать логические выводы без предварительных конкретных данных для обучения.
• Здравый смысл: Интуитивное понимание причинно-следственных связей и физических законов — черта, которую современным моделям глубокого обучения (DL) по-прежнему трудно полностью освоить.
• Сознание: Философская и техническая проблема, касающаяся того, может ли машина обладать разумом, часто обсуждаемая в мысленных экспериментах, таких как Аргумент китайской комнаты.

Достижение этих черт, вероятно, потребует колоссальных вычислительных ресурсов, опирающихся на передовое оборудование от инноваторов, таких как NVIDIA, и эффективные методы оптимизации моделей.

Link to this sectionГипотетические реальные применения#

Поскольку AGI еще не существует, его применения носят умозрительный, но трансформационный характер. Эксперты из таких институтов, как Stanford HAI, предполагают, что AGI может совершить революцию в отраслях, выступая в качестве полностью автономного агента.

1. Автономные научные исследования: В отличие от текущего ИИ в здравоохранении, который помогает врачам, подсвечивая аномалии на снимках, AGI мог бы самостоятельно изучать медицинскую литературу, формулировать гипотезы и разрабатывать эксперименты для лечения болезней.

2. Робототехника общего назначения: В области робототехники AGI позволит машинам ориентироваться в неструктурированных средах. Робот на базе AGI мог бы выполнять домашние дела, готовить еду и ухаживать за пожилыми людьми, адаптируясь к уникальной планировке и потребностям любого дома без перепрограммирования. Это создает новые возможности для ИИ в робототехнике.

Link to this sectionВизуализация предела современного ИИ#

Хотя мы еще не можем запрограммировать AGI, мы можем продемонстрировать возможности продвинутого узкого ИИ. Следующий фрагмент кода использует пакет ultralytics для выполнения задачи логического вывода. Это представляет собой ANI, поскольку модель ограничена обнаружением объектов, на которых она была специально обучена, и ей не хватает общего понимания, присущего AGI.

from ultralytics import YOLO

# Load the YOLO26 model (Artificial Narrow Intelligence)
# This model excels at vision tasks but is limited to its training domain
model = YOLO("yolo26n.pt")

# Perform object detection on an image
results = model.predict("https://ultralytics.com/images/bus.jpg")

# The model identifies patterns, but does not 'understand' the scene context
results[0].show()

Link to this sectionПуть вперед: от ANI к AGI#

Текущие исследования преодолевают разрыв между узкими приложениями и общим интеллектом с помощью мультимодального обучения. Модели, такие как GPT-4 и большие языковые модели (LLM), начинают проявлять зачатки общего мышления за счет одновременной обработки текста, кода и изображений. Инструменты, такие как Ultralytics Platform, позволяют разработчикам обучать все более сложные модели, внося вклад в фундаментальные исследования, которые однажды могут привести к настоящему AGI. На данный момент освоение обучения с учителем и оптимизация конкретных задач остаются наиболее эффективным способом извлечения пользы из ИИ.