Artificial General Intelligence (AGI)

Artificial General Intelligence (AGI) đại diện cho một cột mốc lý thuyết trong khoa học máy tính, nơi máy móc sở hữu sự linh hoạt về nhận thức để hiểu, học hỏi và áp dụng kiến thức trên nhiều loại tác vụ khác nhau, đạt được hoặc vượt qua khả năng của con người. Không giống như các hệ thống AI hiện tại được thiết kế cho các chức năng cụ thể, AGI có khả năng lập luận tự chủ, giải quyết vấn đề trong các môi trường chưa quen thuộc và tổng quát hóa kinh nghiệm từ lĩnh vực này sang lĩnh vực khác. Mặc dù AGI vẫn là chủ đề nghiên cứu và tranh luận gay gắt, nhưng đây là mục tiêu tối thượng đối với các tổ chức nghiên cứu lớn như OpenAI và Google DeepMind, hứa hẹn định hình lại cách chúng ta tương tác với công nghệ.

Phân biệt AGI với Narrow AI#

Để hiểu được bước nhảy vọt cần thiết để đạt tới AGI, điều quan trọng là phải phân biệt nó với Artificial Intelligence (AI) mà chúng ta tương tác ngày nay.

• Artificial Narrow Intelligence (ANI): Còn được gọi là Weak AI, danh mục này bao gồm tất cả các ứng dụng AI hiện có. Các hệ thống này xuất sắc trong các tác vụ cụ thể, được xác định trước. Ví dụ, Ultralytics YOLO26 là một mô hình ANI tiên tiến được tối ưu hóa cao cho object detection và image segmentation. Mặc dù YOLO26 có thể nhận diện các đối tượng nhanh hơn và chính xác hơn con người, nó không thể chơi cờ vua hoặc viết thơ trừ khi được đào tạo lại rõ ràng cho các tác vụ đó.
• AGI (Strong AI): Thường được gọi là Strong AI, một hệ thống AGI sẽ không bị giới hạn trong một phương thức duy nhất. Nó sẽ thể hiện transfer learning thực sự, cho phép nó tiếp thu logic học được trong mô phỏng vật lý và áp dụng vào thị trường tài chính. Mức độ linh hoạt này bắt chước các khả năng cognitive computing rộng lớn của bộναq con người.

Các Đặc điểm và Thách thức Cốt lõi#

Phát triển AGI đòi hỏi phải vượt qua các rào cản kỹ thuật đáng kể ngoài việc chỉ đơn thuần bổ sung thêm dữ liệu cho một neural network (NN). Nó liên quan đến việc tạo ra các kiến trúc hỗ trợ:

• Abstract Reasoning: Khả năng phân tích các tình huống phức tạp, mới lạ và hình thành các kết luận logic mà không cần training data cụ thể trước đó.
• Common Sense: Sự hiểu biết trực quan về nguyên nhân kết quả và các định luật vật lý, một đặc điểm vẫn còn khó khăn đối với các mô hình deep learning (DL) hiện tại để nắm bắt hoàn toàn.
• Consciousness: Một thách thức về triết học và kỹ thuật liên quan đến việc liệu một máy móc có thể sở hữu cảm giác hay không, thường được thảo luận trong các thí nghiệm tư duy như Chinese Room Argument.

Đạt được các đặc điểm này có lẽ đòi hỏi tài nguyên tính toán khổng lồ, dựa vào phần cứng tiên tiến từ các nhà đổi mới như NVIDIA và các kỹ thuật model optimization hiệu quả.

Các Ứng dụng Thực tế Giả định#

Vì AGI chưa tồn tại, các ứng dụng của nó mang tính suy đoán nhưng có tính chất chuyển đổi. Các chuyên gia tại các tổ chức như Stanford HAI cho rằng AGI có thể cách mạng hóa các ngành công nghiệp bằng cách đóng vai trò là một tác nhân hoàn toàn tự trị.

1. Autonomous Scientific Research: Không giống như AI in healthcare hiện tại, hỗ trợ bác sĩ bằng cách làm nổi bật các điểm bất thường trong ảnh chụp quét, AGI có thể độc lập xem xét tài liệu y tế, hình thành các giả thuyết và thiết kế các thí nghiệm để chữa bệnh.

2. General Purpose Robotics: Trong lĩnh vực robotics, AGI sẽ cho phép máy móc điều hướng các môi trường chưa có cấu trúc. Một robot được cung cấp năng lượng bởi AGI có thể thực hiện các công việc gia đình, nấu ăn và cung cấp dịch vụ chăm sóc người cao tuổi, thích ứng với bố cục và nhu cầu độc đáo của bất kỳ ngôi nhà nào mà không cần lập trình lại. Điều này tạo ra các khả năng mới cho AI in robotics.

Hình dung về Giới hạn của AI hiện tại#

Mặc dù chúng ta chưa thể lập trình mã cho AGI, chúng ta có thể chứng minh khả năng của Narrow AI tiên tiến. Đoạn mã sau sử dụng gói ultralytics để chạy một tác vụ suy luận. Điều này đại diện cho ANI vì mô hình bị giới hạn trong việc phát hiện các đối tượng mà nó được đào tạo cụ thể, thiếu sự hiểu biết tổng quát của một 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()

Con đường phía trước: Từ ANI đến AGI#

Nghiên cứu hiện tại đang thu hẹp khoảng cách giữa các ứng dụng hẹp và trí tuệ tổng quát thông qua multi-modal learning. Các mô hình như GPT-4 và large language models (LLMs) đang bắt đầu cho thấy những tia sáng về khả năng lập luận tổng quát bằng cách xử lý văn bản, mã và hình ảnh đồng thời. Các công cụ như Ultralytics Platform trao quyền cho các nhà phát triển đào tạo các mô hình ngày càng tinh vi, đóng góp vào nghiên cứu nền tảng có thể một ngày nào đó dẫn đến AGI thực sự. Hiện tại, việc làm chủ supervised learning và tối ưu hóa các tác vụ cụ thể vẫn là cách hiệu quả nhất để tận dụng giá trị của AI.