قدم فريق بقيادة كبيرعلماء الذكاء الاصطناعي العام شين ليج “Shane Legg” في Google DeepMind، إطارًا جديدًا لفهم أنظمة الذكاء الاصطناعي العام وما يأتي قبلها بشكل أفضل.
الجوهر؟ بالنسبة لأبحاث الذكاء الاصطناعي، من المهم أن نحدد بوضوح ما يعنيه الذكاء الاصطناعي العام. نحن بحاجة إلى قياس ليس فقط كيفية أداء أنظمة الذكاء الاصطناعي، ولكن أيضًا قدرتها على التكيف والاستقلالية.
تتناول أبحاث DeepMind تسعة تعريفات للذكاء الاصطناعي العام. ومع ذلك، فإن كل منها يقصر في التقاط الطبيعة الحقيقية للذكاء الاصطناعي العام (AGI) بشكل كامل. وهي تتراوح من اختبار تورينج، الذي يقيم قدرات المحادثة، إلى الاختبارات العملية مثل اختبار القهوة، وحتى تشمل مفاهيم مجردة مثل الوعي.خذ نماذج اللغة الحالية. قد يجتازون اختبار تورينج، لكن هذا وحده لا يجعل منهم الذكاء الاصطناعي العام. لا يزال تعقيد الوعي في الآلات لغزًا. وبينما يشير فشل النظام في أداء المهام اليومية مثل صنع القهوة إلى أنه ليس الذكاء الاصطناعي العام، فإن العكس لا يعني تلقائيًا أنه كذلك.
فريق DeepMind يدعو إلى معايير ستة أضعاف. ويؤكدون على أهمية التركيز على القدرات الوظيفية للذكاء الاصطناعي، بدلاً من السمات المجسمة مثل الوعي. يجب أن يأخذ التقييم المتوازن للذكاء الاصطناعي في الاعتبار تنوع وكفاءة المهام التي يمكن لنظام الذكاء الاصطناعي التعامل معها.
الفريق يقترح إعطاء الأولوية للقدرات المعرفية، دون الإصرار على ضرورة تنفيذ المهام الجسدية حتى يصبح النظام مؤهلاً للذكاء الاصطناعي العام. كما أنها تسلط الضوء على أهمية التعرف على إمكانات النظام لأداء المهام على مستوى الذكاء الاصطناعي العام، بغض النظر عن استعداده الحالي للنشر في سيناريوهات العالم الحقيقي.
يقدم DeepMind إطارًا يتم من خلاله تعيين “أداء” و”عممية” الذكاء الاصطناعي. ويتراوح هذا من عدم وجود ذكاء اصطناعي إلى الذكاء الاصطناعي العام فوق طاقة البشر، متجاوزًا القدرات البشرية في كل مهمة. ينظر “الأداء” إلى كيفية مقارنة الذكاء الاصطناعي بالقدرات البشرية، ويقيس “العمومية” مدى اتساع نطاق المهام حيث يلبي الذكاء الاصطناعي هذه القدرات.
بقلم: كبيرعلماء الذكاء الاصطناعي العام شين ليج “Shane Legg” في Google DeepMind
via: Blog Google
