28.11.2023 | Как понять, насколько «умен» искусственный интеллект? DeepMind предлагает шкалу |
Google DeepMind предпринимает шаги для уточнения понятия искусственного интеллекта общего назначения (Artifical General Intelligence, AGI ), которое стало часто употребляемым, но редко конкретизированным термином в индустрии ИИ. Основная идея AGI заключается в том, что человеческий интеллект обладает универсальностью: в отличие от специализированных программ, мы можем обучаться разнообразным задачам. Создание такой гибкости в машинах считается священным Граалем для многих исследователей ИИ. Исследователи Google DeepMind предлагают рассматривать AGI не как конечную цель, а как различные уровни развития. Современные чат-боты, по мнению специалистов, являются первым звеном в этой цепи. DeepMind отметила необходимость чёткого определения AGI, акцентируя внимание на атрибутах, таких как производительность, универсальность и автономия ИИ-систем. Исследователи вдохновлялись беспилотным вождением, где способности разделены на 6 уровней автономии. Компания DeepMind предлагает принципы, которым должно соответствовать определение AGI:
На основе указанных принципов команда предлагает структуру «Уровни AGI» (Levels of AGI) для категоризации алгоритмов на основе их производительности и универсальности. Уровни варьируются от «новичка», который относится к модели, равной или немного лучше, чем неквалифицированный человек, до «компетентного», «эксперта», «виртуоза» и «сверхчеловеческого», что означает модель, которая превосходит всех людей. Уровни могут применяться как к узкоспециализированному, так и к ИИ общего назначения, что помогает различать программы, предназначенные для решения круга задач каждого типа ИИ. Некоторые узкоспециализированные ИИ-алгоритмы, такие как AlphaFold от DeepMind, уже достигли сверхчеловеческого уровня. Кроме того, лидирующие чат-боты, такие как ChatGPT от OpenAI и Bard от Google, считаются примерами начинающего AGI. Исследователь искусственного интеллекта из Нью-Йоркского университета Джулиан Тогелиус отмечает, что разделение производительности и универсальности помогает отличать предыдущие достижения ИИ от прогресса в направлении AGI, принося ясность в дискуссию по этой теме. |
Проверить безопасность сайта