Co to jest AGI?
Autor: Redakcja Domeny.ForSale Opublikowano
W skrócie: AGI to ogólna sztuczna inteligencja: system, który potrafiłby uczyć się i rozwiązywać bardzo różne problemy, także w nowych dla siebie sytuacjach, na poziomie porównywalnym z człowiekiem. Nie istnieje jednak jedna powszechnie uzgodniona definicja ani test potwierdzający osiągnięcie AGI. Wszechstronny chatbot nie jest automatycznie AGI, a sama inteligencja nie oznacza świadomości.
Co oznacza ogólna sztuczna inteligencja
Skrót AGI pochodzi od angielskiego artificial general intelligence. Słowo „ogólna” opisuje zakres zdolności: nie chodzi o mistrzostwo w jednym zadaniu, lecz o możliwość wykorzystania wiedzy i umiejętności w wielu dziedzinach. Taki system powinien radzić sobie również z problemami, dla których nie przygotowano mu wcześniej szczegółowej procedury.
Ważny jest tu transfer wiedzy, czyli przenoszenie tego, czego system nauczył się w jednym kontekście, do innego. Człowiek uczący się obsługi programu księgowego może wykorzystać wcześniejsze doświadczenie z arkuszem kalkulacyjnym. Od AGI oczekiwalibyśmy podobnej elastyczności, obejmującej znacznie szerszy zbiór zadań niż obsługa oprogramowania.
Definicje różnią się wymaganym poziomem zdolności. Jedne akcentują wykonywanie większości zadań poznawczych na poziomie człowieka, inne — zdolność uczenia się, samodzielność lub przydatność w pracy. Dlatego deklaracja „osiągnęliśmy AGI” niewiele wyjaśnia bez wskazania, jakie kryteria przyjęto i jak je sprawdzono.
Czym AGI różni się od obecnych modeli AI
Wyspecjalizowana sztuczna inteligencja jest projektowana lub trenowana do określonego rodzaju zadań, na przykład wykrywania obiektów na zdjęciach albo rekomendowania produktów. Może przewyższać człowieka w swoim obszarze, a jednocześnie nie potrafić wykonać zadania spoza niego. Program szachowy nie staje się ogólnie inteligentny tylko dlatego, że pokonuje najlepszych graczy.
Duże modele językowe, czyli systemy uczące się wzorców języka na obszernych zbiorach danych, są bardziej wszechstronne. Potrafią tworzyć tekst, analizować informacje i pomagać w programowaniu. Modele wielomodalne przetwarzają dodatkowo różne rodzaje danych, na przykład obrazy i dźwięk. Tak szeroki zakres zastosowań utrudnia prosty podział na AI „do jednego zadania” i AGI.
Wszechstronność nie jest jednak tym samym co niezawodna zdolność rozwiązywania nowych problemów. Model może dobrze wyjaśniać trudne zagadnienie, a chwilę później popełnić błąd w prostym zadaniu lub wygenerować nieprawdziwą informację. Płynność wypowiedzi nie wystarcza więc do oceny jego ogólnej inteligencji.
Nie należy też utożsamiać AGI z agentem AI. Agent to system, który wykonuje kolejne kroki w dążeniu do celu, na przykład korzysta z wyszukiwarki i uruchamia kod. Dostęp do narzędzi oraz możliwość działania bez każdorazowej zgody użytkownika nie dowodzą jeszcze ogólnej inteligencji.
Jak można sprawdzać, czy system zbliża się do AGI
Nie ma pojedynczego egzaminu, który rozstrzygałby tę kwestię. Benchmark, czyli zestaw zadań służący do porównywania systemów, mierzy tylko wybrane umiejętności. Dobry wynik może też być trudny do interpretacji, jeśli podobne zadania znalazły się wcześniej w danych treningowych modelu.
Przy ocenie deklaracji o AGI pomocne są cztery pytania:
- Czy zadania są rzeczywiście nowe? System powinien radzić sobie nie tylko ze znanymi schematami i ich drobnymi wariantami.
- Jak wiele pomocy potrzebuje? Znaczenie mają podpowiedzi, przygotowanie środowiska oraz poprawki wprowadzane przez człowieka.
- Czy wynik jest powtarzalny? Jedna udana demonstracja nie pokazuje odsetka błędów ani warunków, w których system zawodzi.
- Czy potrafi wykorzystać nowe informacje? Istotne jest dostosowanie działania do zmienionych reguł, a nie wyłącznie odtwarzanie wyuczonych odpowiedzi.
Wyobraź sobie system, który ma zaplanować zaopatrzenie małej piekarni. Musi zrozumieć nieznany arkusz sprzedaży, uwzględnić terminy przydatności, wykryć brakujące dane i zmienić plan po awarii chłodni. Wygenerowanie przekonującego harmonogramu to za mało: ocena powinna obejmować poprawność obliczeń, reakcję na zmianę warunków i rozpoznanie momentu, w którym trzeba zapytać właściciela o decyzję. Nawet sukces w tym scenariuszu byłby dowodem określonych umiejętności, nie samodzielnym potwierdzeniem AGI.
Czy AGI oznacza świadomość lub superinteligencję
AGI opisuje zdolności, natomiast świadomość dotyczy między innymi subiektywnego doświadczania. System mógłby spełniać funkcjonalne kryteria AGI, nie dając tym samym dowodu, że coś odczuwa. Wypowiedź modelu „jestem świadomy” również nie stanowi takiego dowodu.
Superinteligencja to odrębne pojęcie: oznaczałaby inteligencję wyraźnie przewyższającą ludzką w szerokim zakresie dziedzin. AGI nie musi więc z definicji być od człowieka lepsza we wszystkim. Nie musi też mieć ciała robota — choć część koncepcji inteligencji podkreśla rolę interakcji z fizycznym otoczeniem.
Jak czytać zapowiedzi AGI i podejmować decyzje
Nie ma uzgodnionej daty powstania AGI. Przewidywania zależą zarówno od oceny postępu technicznego, jak i od przyjętej definicji. Prognozę badacza lub firmy należy traktować jako ocenę, a nie ustalony termin.
Przy nowym ogłoszeniu sprawdź w dokumentacji twórców definicję sukcesu, metodę testowania i opis ograniczeń. Następnie poszukaj niezależnej oceny: oficjalna deklaracja potwierdza stanowisko firmy, ale sama nie rozstrzyga, czy jej system osiągnął AGI.
Jeśli wybierasz narzędzie do pracy, zacznij od własnego zadania testowego i określ dopuszczalny poziom błędów. Do decyzji o wdrożeniu bardziej przydadzą się poprawność, koszt i możliwość kontroli wyników niż etykieta „AGI”.
Zobacz też: Co to jest Linux?
Przeczytaj także
