هوش عمومی مصنوعی چیست؟
هوش عمومی مصنوعی (AGI) حوزه ای از تحقیقات نظری هوش مصنوعی به زبان ساده برای کودکان هوش مصنوعی است که تلاش می کند نرم افزاری با هوش انسان مانند و توانایی خودآموزی ایجاد کند. هدف این است که نرم افزار بتواند کارهایی را انجام دهد که لزوماً برای آنها آموزش یا توسعه نیافته است.
فناوری‌های هوش مصنوعی فعلی (AI) همگی در مجموعه‌ای از پارامترهای از پیش تعیین‌شده عمل می‌کنند. به عنوان مثال، مدل های هوش مصنوعی که در زمینه تشخیص و تولید تصویر آموزش دیده اند، نمی توانند وب سایت بسازند. AGI یک پیگیری نظری برای توسعه سیستم‌های هوش مصنوعی است که دارای خودکنترلی مستقل، هوش مصنوعی به زبان ساده برای کودکان درجه معقولی از درک خود و توانایی یادگیری مهارت‌های جدید هستند. می تواند مشکلات پیچیده ای را در تنظیمات و زمینه هایی که در زمان ایجاد آن به آن آموزش داده نشده بود، حل کند. AGI با توانایی های انسانی یک مفهوم نظری و هدف تحقیقاتی باقی مانده است.
تفاوت بین هوش مصنوعی و هوش عمومی مصنوعی چیست؟
در طول دهه‌ها، محققان هوش مصنوعی چندین نقطه عطف را ترسیم کرده‌اند که هوش ماشینی را به‌طور قابل‌توجهی پیشرفته کرده است - حتی تا حدی که هوش انسان را در کارهای خاص تقلید می‌کند. به عنوان مثال، خلاصه‌کننده‌های هوش مصنوعی از مدل‌های یادگیری ماشین (ML) برای استخراج نکات مهم از اسناد و ایجاد یک هوش مصنوعی به زبان ساده برای کودکان خلاصه قابل فهم استفاده می‌کنند. بنابراین هوش مصنوعی یک رشته علوم کامپیوتر است که نرم افزار را قادر می سازد تا وظایف بدیع و دشوار را با عملکرد در سطح انسانی حل کند.
در مقابل، یک سیستم AGI می تواند مشکلات را در حوزه های مختلف، مانند یک انسان، بدون دخالت دستی حل کند. به جای محدود شدن به یک حوزه خاص، AGI می تواند خودآموزش دهد و مشکلاتی را که هرگز برای آنها آموزش ندیده بود حل کند. بنابراین AGI یک نمایش نظری از یک هوش مصنوعی کامل است که وظایف پیچیده را با توانایی های شناختی تعمیم یافته انسان حل می کند.
برخی از دانشمندان علوم کامپیوتر بر این باورند که AGI یک برنامه هوش مصنوعی به زبان ساده برای کودکان کامپیوتری فرضی با درک انسان و توانایی های شناختی است. سیستم‌های هوش مصنوعی می‌توانند بدون آموزش اضافی در چنین تئوری‌هایی، انجام وظایف ناآشنا را یاد بگیرند. متناوباً، سیستم‌های هوش مصنوعی که امروزه از آنها استفاده می‌کنیم، قبل از اینکه بتوانند وظایف مرتبط را در همان دامنه انجام دهند، به آموزش اساسی نیاز دارند. برای مثال، شما باید یک مدل زبان بزرگ (LLM) را با مجموعه داده های پزشکی تنظیم کنید تا بتواند به طور مداوم به عنوان یک چت بات پزشکی عمل کند.
هوش مصنوعی قوی در مقایسه با هوش مصنوعی ضعیف
هوش مصنوعی قوی یک هوش مصنوعی کامل یا AGI است که قادر هوش مصنوعی به زبان ساده برای کودکان به انجام وظایف با سطوح شناختی انسان علیرغم داشتن دانش کمی است. داستان های علمی تخیلی اغلب هوش مصنوعی قوی را به عنوان یک ماشین فکر با درک انسانی به تصویر می کشد که محدود به محدودیت های دامنه نیست.
در مقابل، هوش مصنوعی ضعیف یا هوش مصنوعی باریک، سیستم‌های هوش مصنوعی محدود به مشخصات محاسباتی، الگوریتم‌ها و وظایف خاصی هستند که برای آنها طراحی شده‌اند. به عنوان مثال، مدل‌های قبلی هوش مصنوعی حافظه محدودی دارند و برای تصمیم‌گیری تنها به داده‌های زمان واقعی متکی هستند. حتی برنامه‌های کاربردی هوش مصنوعی در حال ظهور با حفظ حافظه بهتر، هوش مصنوعی ضعیف در نظر گرفته می‌شوند، زیرا نمی‌توان آنها را برای حوزه‌های دیگر تغییر کاربری داد.
رویکردهای نظری برای تحقیقات هوش مصنوعی چیست؟
دستیابی به AGI به طیف گسترده‌تری از فناوری‌ها، داده‌ها و ا هوش مصنوعی به زبان ساده برای کودکان تصالات متقابل نیاز دارد که مدل‌های هوش مصنوعی امروزی را تقویت می‌کند. خلاقیت، ادراک، یادگیری و حافظه برای ایجاد هوش مصنوعی که رفتارهای پیچیده انسانی را تقلید می کند ضروری است. کارشناسان هوش مصنوعی چندین روش را برای هدایت تحقیقات AGI پیشنهاد کرده اند.
نمادین
رویکرد نمادین فرض می‌کند که سیستم‌های کامپیوتری می‌توانند AGI را با بازنمایی افکار انسانی با شبکه‌های منطقی در حال توسعه توسعه دهند. شبکه منطقی نمادی از اشیاء فیزیکی با منطق اگر-دیگر است، به سیستم هوش مصنوعی اجازه می‌دهد تا ایده‌ها را در سطح بالاتری از تفکر تفسیر کند. با این حال، بازنمایی نمادین نمی هوش مصنوعی به زبان ساده برای کودکان تواند توانایی های شناختی ظریف را در سطح پایین تر مانند ادراک تکرار کند.
رابط
رویکرد ارتباط گرا (یا ظهور گرا) بر تکرار ساختار مغز انسان با معماری شبکه عصبی تمرکز دارد. نورون های مغز می توانند مسیرهای انتقال خود را با تعامل انسان با محرک های خارجی تغییر دهند. دانشمندان امیدوارند مدل‌های هوش مصنوعی با اتخاذ این رویکرد زیر نمادین بتوانند هوش انسان‌مانند را تکرار کنند و قابلیت‌های شناختی سطح پایین را نشان دهند. مدل‌های زبان بزرگ نمونه‌ای از هوش مصنوعی هستند که از روش پیوندگرا برای درک زبان‌های طبیعی استفاده می‌کنند.
یونیورسالیست ها
محققانی که رویکرد جهانی گرایی را اتخاذ می کنند بر پرداختن به پیچیدگی های AGI در سطح محاسبات تمرکز می کنند. آنها تلاش می‌کنند راه‌حل‌های نظری را فرموله کنند که بتوانند آنها را به سیستم‌های عملی AGI تبدیل کنند.
معماری کل ارگانیسم
رویکرد معماری کل ارگانیسم شامل ادغام مدل‌های هوش مصنوعی با نمایش فیزیکی بدن انسان است. دانشمندانی که از این نظریه حمایت می کنند معتقدند AGI تنها زمانی قابل دستیابی است که سیستم از تعاملات فیزیکی بیاموزد.
ترکیبی
رویکرد ترکیبی روش‌های نمادین و فرعی بازنمایی افکار انسانی Artificial intelligence in plain language for children را برای دستیابی به نتایجی فراتر از یک رویکرد واحد مطالعه می‌کند. محققان هوش مصنوعی ممکن است تلاش کنند تا اصول و روش‌های شناخته‌شده متفاوتی را برای توسعه یکسان کنند
مفید ترین مسابقات اسکرچ