Genel Yapay Zeka (AGI)

Yapay Genel Zeka (AGI), bir makinenin çok çeşitli görevlerde bilgiyi anlamak, öğrenmek ve uygulamak için insan yeteneklerine eşit veya onları aşan bilişsel esnekliğe sahip olduğu bilgisayar biliminde teorik bir dönüm noktasıdır. Belirli işlevler için tasarlanmış mevcut AI sistemlerinden farklı olarak, bir AGI otonom muhakeme, tanıdık olmayan ortamlarda problem çözme ve bir alanın deneyimlerini başka bir alana genelleme yeteneğine sahip olacaktır. AGI yoğun araştırma ve tartışma konusu olmaya devam etse de, OpenAI ve Google gibi büyük araştırma kuruluşlarının nihai hedefidir ve teknolojiyle etkileşimimizi yeniden şekillendirmeyi vaat etmektedir.

AGI ile Dar AI'yı Ayırt Etmek

AGI'ye ulaşmak için gereken sıçramayı anlamak için, onu bugün etkileşimde bulunduğumuz Yapay Zeka (AI) ile ayırt etmek gerekir.

• Yapay Dar Zeka (ANI): Zayıf AI olarak da bilinen bu kategori, mevcut tüm AI uygulamalarını kapsar. Bu sistemler, önceden tanımlanmış belirli görevlerde mükemmeldir. Örneğin, Ultralytics , nesne algılama ve görüntü segmentasyonu için yüksek düzeyde optimize edilmiş, son teknoloji bir ANI modelidir. YOLO26, nesneleri bir insandan daha hızlı ve daha doğru bir şekilde tanımlayabilir, ancak bu görevler için açıkça yeniden eğitilmedikçe satranç oynayamaz veya şiir yazamaz .
• AGI (Güçlü Yapay Zeka): Genellikle Güçlü Yapay Zeka olarak adlandırılan AGI sistemi, tek bir modalite ile sınırlı kalmaz. Gerçek transfer öğrenimi sergiler ve fizik simülasyonunda öğrenilen mantığı finansal piyasalara uygulayabilir. Bu düzeyde çok yönlülük, insan beyninin geniş bilişsel hesaplama yeteneklerini taklit eder. AGI, fizik simülasyonunda öğrenilen mantığı finansal piyasalara uygulayabilir. Bu düzeyde çok yönlülük, insan beyninin geniş bilişsel hesaplama yeteneklerini taklit eder.

Temel Özellikler ve Zorluklar

AGI'yi geliştirmek, sinir ağına (NN) daha fazla veri eklemenin ötesinde önemli teknik engelleri aşmayı gerektirir. Bu, aşağıdakileri destekleyen mimariler oluşturmayı içerir: -

• Soyut Akıl Yürütme: Önceden belirli bir eğitim verisi olmadan karmaşık, yeni durumları analiz etme ve mantıklı sonuçlara varma yeteneği.
• Sağduyu: Nedensellik ve fiziksel yasaların sezgisel olarak anlaşılması, mevcut derin öğrenme (DL) modellerinin tam olarak kavramakta zorlandığı bir özellik. .
• Bilinç: Bir makinenin duygu sahibi olup olamayacağına dair felsefi ve teknik bir zorluktur. Çin Odası Argümanı gibi düşünce deneylerinde sıklıkla tartışılır.

Bu özellikleri elde etmek için, yenilikçilerden gelen gelişmiş donanımlara dayanan muazzam hesaplama kaynakları gereklidir . NVIDIA gibi yenilikçilerden gelen gelişmiş donanımlara ve verimli model optimizasyon tekniklerine dayanmak gerekecektir.

Varsayımsal Gerçek Dünya Uygulamaları

AGI henüz mevcut olmadığından, uygulamaları spekülatif ancak dönüştürücüdür. Stanford HAI gibi kurumlardaki uzmanlar, AGI'nin tamamen otonom bir ajan olarak hareket ederek endüstrilerde devrim yaratabileceğini öne sürüyor.

1. Otonom Bilimsel Araştırma: Taramalarda anormallikleri vurgulayarak doktorlara yardımcı olan sağlık hizmetlerindeki mevcut yapay zekadan farklı olarak, AGI tıbbi literatürü bağımsız olarak inceleyebilir, hipotezler oluşturabilir ve hastalıkları tedavi etmek için deneyler tasarlayabilir.
2. Genel Amaçlı Robotik: Robotik alanında AGI, makinelerin yapılandırılmamış ortamlarda hareket etmesini sağlayacaktır. AGI ile çalışan bir robot, yeniden programlanmaya gerek kalmadan herhangi bir evin kendine özgü düzenine ve ihtiyaçlarına uyum sağlayarak ev işlerini yapabilir, yemek pişirebilir ve yaşlı bakımı sağlayabilir. Bu, robotikte AI için yeni olanaklar yaratır.

Mevcut Yapay Zekanın Sınırlarını Görselleştirme

AGI'yi henüz kodlayamıyoruz, ancak gelişmiş Dar AI'nın yeteneklerini gösterebiliriz. Aşağıdaki kod parçacığı kullanır ultralytics bir çıkarım görevi yürütmek için paket. Bu, modelin özel olarak eğitildiği nesneleri algılamaya sınırlı olması ve AGI'nın genel anlayışından yoksun olması nedeniyle ANI'yi temsil eder.

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()

İleriye Giden Yol: ANI'den AGI'ye

Mevcut araştırmalar, çok modlu öğrenme yoluyla dar uygulamalar ile genel zeka arasındaki boşluğu doldurmaktadır. GPT-4 ve büyük dil modelleri (LLM) gibi modeller, metin, kod ve görüntüleri aynı anda işleyerek genel muhakeme yeteneğinin ilk belirtilerini göstermeye başlamıştır. Ultralytics gibi araçlar, geliştiricilerin giderek daha sofistike modeller eğitmelerine olanak tanıyarak, bir gün gerçek AGI'ye yol açabilecek temel araştırmalara katkıda bulunuyor. Şu an için, denetimli öğrenmeyi ustalaştırmak ve belirli görevleri optimize etmek, AI'nın değerinden yararlanmanın en etkili yolu olmaya devam ediyor.