От новичка до сверхчеловека: ученые создали систему для измерения интеллектуальности ИИ систем.
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:
или Зарегистрируйся 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.
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:
- Фокус на способности, а не на механизмы достижения;
- Универсальность не является единственным критерием AGI – модели должны демонстрировать высокую производительность;
- Физическое воплощение ИИ в робототехнике не является обязательным для AGI;
- Важны задачи в области когнитивных и метакогнитивных навыков;
- Необходима «экологическая обоснованность» оценок, то есть измерение ИИ на реальных задачах;
- Фокус на отслеживании прогресса в разработке AGI, а не на фиксации на одной конечной точке.
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.
- Источник новости
- www.securitylab.ru