Ali ni generativni AI enak umetni splošni inteligenci? Kakšna je razlika med obema?
Odkar je AI prebil v središče pozornosti konec leta 2022, se skoraj vsak teden pojavlja na tisoče modelov AI. Lahko je vrtoglavo, ko poskušaš slediti tem, kdo počne kaj.
Če ste seznanjeni z osnovami AI, morda že poznate generativno umetno inteligenco (GAI). Nasprotno pa morda niste tako dobro seznanjeni z drugo vrsto AI, imenovano umetna splošna inteligenca (AGI).
Čeprav zvenijo podobno, niso povsem enaki. In ne, ni samo zato, ker so njihove črke akronimov zamenjane. Torej, kakšna je razlika med obema?
Kaj je umetna splošna inteligenca?
Predstavljajte si umetno inteligenco, ki lahko razmišlja, sklepa, zaznava, sklepa – vse, kar zmorejo ljudje. To in še več naj bi bila umetna splošna inteligenca. Čeprav teoretično, bi umetna splošna inteligenca (AGI) lahko opravila katero koli intelektualno nalogo, tako kot človek, vendar z manj ali brez napak.
Razlikuje se od umetne ozke inteligence (ANI), ki je visoko usposobljena na določenem področju ali obsegu nalog. Ozka inteligenca je zasnovana tako, da blesti le pri eni ali zelo malo posebnih nalogah, kot je zaslužni profesor v zelo nišni disciplini.
AGI naj bi bil AI, ki lahko čuti, sprejema odločitve na podlagi svojih čustev, rešuje probleme, se uči, obdeluje jezike in izvaja druge kognitivne sposobnosti. Brez predhodnega podajanja podatkov bi moral AGI pripraviti nekaj pomembnega, ne glede na vključene spremenljivke.
Znanstvenofantastični AI se komaj približajo, zato je AGI še vedno le teorija. Čeprav se nekateri modeli umetne inteligence v delu približajo opisu AGI, se še vedno močno zanaša na posredovane podatke in mora še oblikovati neodvisno razmišljanje. Čeprav blestijo pri reševanju problemov, obdelavi naravnega jezika in podobno, so še daleč, preden jih lahko imenujemo popolni AGI.
Na primer, Google DeepMind dela dan in noč, da bi razvil modele AGI, ki so lahko enaki človeški inteligenci, s sposobnostjo učenja in razmišljanja tako kot ljudje. Če želite izvedeti več, si oglejte neverjetne stvari, ki jih zmorejo Googlovi obstoječi roboti DeepMind.
Kakšne so torej možne uporabe umetne splošne inteligence? No, obljublja, da bo našel pomembnost na vseh področjih, ki si jih lahko zamislite. Na primer, AGI in biotehnologija lahko zagotovita vrhunsko zdravstveno varstvo za delček cene. Lahko prilagodi načrte zdravljenja in pospeši diagnozo z minimalnimi napakami.
To in še veliko več lahko naredi na področjih, kot so robotika in avtomatizacija, raziskave, izobraževanje, kmetijstvo, raziskovanje vesolja itd.
Kaj je generativna umetna inteligenca?
Kot smo že omenili, večina modelov AI, ki obstajajo v času pisanja, spada v to kategorijo.
Generativna umetna inteligenca (GAI) vključuje katero koli umetno inteligenco, ki, kot pove že ime, ustvarja novo gradivo, bodisi zvok, sliko ali besedilo, iz predhodno pripisanih podatkov. Z drugimi besedami, vsak AI, ki mu morate dati pozive za ustvarjanje vsebine ali odziv na zahteve z dostopanjem do shranjenih informacij, je lahko razvrščen kot GAI.
Na primer običajni prevajalniki besedila v govor in slike v sliko ter novejši razvoj, kot je DALL-E (Kaj je DALL-E?), MuseNet, Generative Adversarial Networks (StyleGAN), Jukebox in Generative Pre-trained Transformers (GPT-3, GPT-3.5, GPT-4) so kategorizirani pod Generative AI.
Generativna umetna inteligenca uporablja tehnike globokega učenja za ustvarjanje vsebine, ki je čim bližje pozivom. Pozive uporabljajo kot gradbeni material za izdelavo vsebine, ki jo zahtevate. Tukaj je nekaj primeri, kaj lahko ChatGPT stori za vas če želite izvedeti več o tem.
Kako sta si umetna splošna inteligenca in generativna umetna inteligenca podobni?
Čeprav se razlikujeta po svojem načinu delovanja in strokovnem znanju, imata AGI in Generative AI več skupnih stvari.
1. Učenje
AGI in GAI sta modela strojnega učenja, ki se učita prek nadzorovanih, delno nadzorovanih in nenadzorovanih algoritmov z uporabo globokih nevronskih mrež. To je zato, da lahko analizirajo in obdelajo podatke za ustvarjanje vsebine v skladu s kontekstom poziva.
Tako kot ljudje se lahko tudi modeli AGI učijo iz različnih podatkov in izkušenj. Hkrati se GAI usposablja na obstoječih velikih zbirkah podatkov, da razume temeljne vzorce in razmerja med podatki, da ustvari nove, smiselne in ustrezne podatke.
2. Razpon aplikacij
Tako AGI kot GAI se lahko uporabljata za široko paleto namenov, vključno z besedilom, slikami in video vsebinami, a ne omejeno nanje.
Generativno umetno inteligenco je mogoče razviti za različne namene na omejenih področjih. Po drugi strani pa je umetna splošna inteligenca seveda uporabna na vseh področjih življenja, saj lahko samostojno sklepa in opravlja naloge.
3. Katalizatorji za spremembe
Cilj tehnološkega napredka je spodbujanje sprememb in rasti. AGI in GAI sta nepogrešljiva pri hitrem sledenju prepotrebnim spremembam in inovacijam, ki jih svet nujno potrebuje.
Z uvedbo uporabnih GAI in AGI je človeštvo prepričano, da bo kmalu sledil hiter napredek, ki bo eksponentno zmanjšal človeški delovni čas.
4. Vir etične dileme
Medtem ko se dodatna pomoč umetne inteligence sliši kot dobra ideja, se pojavi več pomislekov, ko je potrebna jasna meja, kaj je etično prav, da nadzoruje umetna inteligenca.
Z Generative AI jih je bilo skrbi glede pravil o avtorskih pravicah v zvezi z umetnostjo umetne inteligence in celo vprašanja o tem, ali je AI umetnost prava umetnost. AGI, če bo dovolj časa, bo morda videl človeštvo kot nesmiselno in se bo zavzel za njegovo iztrebljenje – znanstvenofantastična grozljivka, ki bo spremenila resničnost.
Predpisi na področju umetne inteligence so bili zahtevni, saj so to neznane vode za človeštvo.
Kako se umetna splošna inteligenca razlikuje od generativne umetne inteligence?
Najpomembnejša razlika med njima je, da AGI še ni razvit, medtem ko GAI obstaja in je že v uporabi. Druge razlike so v naslednjem:
1. Načini delovanja
Razen dejstva, da je AGI še vedno na seznamu želja računalničarjev, se njihovi načini delovanja izrazito razlikujejo.
Splošna umetna inteligenca ni omejena na nobeno specifično nalogo ali domeno, saj opravlja naloge brez posebnega programiranja. Po drugi strani se generativni AI osredotoča na ustvarjanje nove vsebine znotraj niše na podlagi obstoječih vzorcev in podatkov.
2. Prilagodljivost
AGI se lahko uči in prilagaja novim situacijam, medtem ko je generativni AI omejen z vhodnimi podatki in specifično domeno, v kateri deluje.
AGI, ki nadzira prodajo in finance organizacije, se bo lahko prilagodil v primeru nenadne spremembe, kot je pandemija. Model AGI bo sposoben narediti inteligentne sklepe iz razpoložljivih podatkov in preoblikovati delovanje organizacije, da bo ustrezalo novemu razvoju.
To je nekaj, česar generativna umetna inteligenca sama ne more narediti.
3. Spoznanje
Umetna splošna inteligenca je v svojem pristopu k reševanju problemov verjetno precej podobna človeški. To je v nasprotju z Generative AI, ki deluje na vnaprej usposobljenih vhodno-izhodnih zaporedjih. Generativni AI lahko naredi le tisto, za kar je bil programiran, nič več in nič manj. AGI se bo po drugi strani učil, razmišljal, primerjal in sklepal.
Preprosto povedano, AGI lahko razmišlja kot človek in morda celo bolje.
4. Učni pristop
Generativni AI se pogosto uči z nenadzorovanim usposabljanjem prek obsežnih podatkovnih virov, ki ga naučijo, kako ustvariti novo vsebino iz predhodno obstoječih.
AGI bo uporabljal kombinacijo nadzorovanega in nenadzorovanega učenja ter učenja s krepitvijo. To zagotavlja, da lahko sprejema inteligentne odločitve glede na ogromne vire, ki so mu na voljo.
GAI, AGI in drugod
Ni zanikati, da je umetna splošna inteligenca stvar sanj, ki se hitro spremenijo v resničnost. Na generativno umetno inteligenco se šele navajamo, vendar se nam ne sme preveč udobiti.
Umetna splošna inteligenca bo kmalu presegla le teorijo, temveč bolj natančno oblikovano aktivno obliko inteligence, ki bo, upajmo, delovala z nami in za nas.
