A Lucidez Sintético (IA) está em toda secção. Desde assistentes inteligentes até automóveis autónomos, os sistemas de IA estão a transformar as nossas vidas e os nossos negócios. Mas e se existisse uma IA que pudesse fazer mais do que executar tarefas específicas? E se existisse um tipo de IA que pudesse aprender e pensar uma vez que um ser humano ou até mesmo superar a lucidez humana?
Esta é a visão da Lucidez Sintético Universal (AGI), uma forma hipotética de IA que tem o potencial de realizar qualquer tarefa intelectual que os humanos possam realizar. AGI é frequentemente contrastada com Lucidez Sintético Estreita (ANI), o estado atual da IA que só pode se evidenciar em um ou alguns domínios, uma vez que jogar xadrez ou reconhecer rostos. A AGI, por outro lado, teria a capacidade de compreender e raciocinar em vários domínios, uma vez que linguagem, lógica, originalidade, bom siso e emoção.
AGI não é um noção novo. Tem sido a visão orientadora da investigação em IA desde os primeiros dias e continua a ser a teoria que mais desculpa ramificação. Alguns entusiastas da IA acreditam que a AGI é inevitável e iminente e levará a uma novidade era de progresso tecnológico e social. Outros são mais céticos e cautelosos e alertam para os riscos éticos e existenciais de gerar e controlar uma entidade tão poderosa e imprevisível.
Mas quão perto estamos de saber a AGI, e faz sentido tentar? Esta é, de facto, uma questão importante cuja resposta pode fornecer uma verificação da verdade para os entusiastas da IA que estão ansiosos por testemunhar a era da lucidez sobre-humana.
O que é umaIG e uma vez que isso é dissemelhante da IA?
A AGI se destaca da IA atual por sua capacidade de realizar qualquer tarefa intelectual que os humanos possam, se não, superá-los. Essa eminência ocorre em termos de vários recursos principais, incluindo:
- pensamento abstrato
- a capacidade de generalizar a partir de casos específicos
- baseando-se em diversos conhecimentos prévios
- utilizando o bom siso e a consciência para a tomada de decisões
- compreender a causalidade em vez de somente reciprocidade
- informação e interação eficazes com humanos e outros agentes.
Embora estas características sejam vitais para saber lucidez semelhante à humana ou sobre-humana, continuam a ser difíceis de tomar para os actuais sistemas de IA.
A IA atual depende predominantemente do estágio de máquina, um ramo da ciência da computação que permite que as máquinas aprendam com dados e experiências. O estágio de máquina opera por meio de estágio supervisionado, não supervisionado e por reforço.
O estágio supervisionado envolve estágio de máquina a partir de dados rotulados para prever ou qualificar novos dados. A aprendizagem não supervisionada envolve encontrar padrões em dados não rotulados, enquanto a aprendizagem por reforço centra-se na aprendizagem a partir de ações e feedback, na otimização de recompensas ou na minimização de custos.
Apesar de saber resultados notáveis em áreas uma vez que visão computacional e processamento de linguagem oriundo, os atuais sistemas de IA são limitados pela qualidade e quantidade de dados de treinamento, algoritmos predefinidos e objetivos específicos de otimização. Muitas vezes precisam de ajuda com adaptabilidade, mormente em situações novas, e de mais transparência na explicação do seu raciocínio.
Em contraste, a AGI está prevista para ser livre destas limitações e não dependeria de dados, algoritmos ou objectivos predefinidos, mas sim das suas próprias capacidades de aprendizagem e pensamento. Aliás, a AGI poderia comprar e integrar conhecimentos de diversas fontes e domínios, aplicando-os perfeitamente a tarefas novas e variadas. Aliás, a AGI se destacaria no raciocínio, na informação, na compreensão e na manipulação do mundo e de si mesma.
Quais são os desafios e abordagens para saber AGI?
A realização da AGI apresenta desafios consideráveis que abrangem dimensões técnicas, conceituais e éticas.
Por exemplo, definir e medir a lucidez, incluindo componentes uma vez que memória, atenção, originalidade e emoção, é um tropeço fundamental. Aliás, modelar e simular as funções do cérebro humano, uma vez que percepção, cognição e emoção, apresenta desafios complexos.
Aliás, os desafios críticos incluem a concepção e implementação de algoritmos e arquitecturas de aprendizagem e raciocínio escaláveis e generalizáveis. Prometer a segurança, fiabilidade e responsabilização dos sistemas AGI nas suas interações com humanos e outros agentes e alinhar os valores e objetivos dos sistemas AGI com os da sociedade é também de extrema preço.
Várias direções e paradigmas de pesquisa foram propostos e explorados na procura da AGI, cada um com pontos fortes e limitações. IA Simbólicauma abordagem clássica que utiliza lógica e símbolos para representação e manipulação do conhecimento, destaca-se em problemas abstratos e estruturados uma vez que matemática e xadrez, mas precisa de ajuda para dimensionar e integrar dados sensoriais e motores.
Da mesma maneira, IA Conexionistauma abordagem moderna que emprega redes neurais e aprendizagem profunda para processar grandes quantidades de dados, destaca-se em domínios complexos e ruidosos uma vez que visão e linguagem, mas precisa de ajuda na tradução e generalizações.
IA híbrida combina IA simbólica e conexionista para alavancar seus pontos fortes e superar pontos fracos, visando sistemas mais robustos e versáteis. De forma similar, EIA revolucionária usa algoritmos evolutivos e programação genética para evoluir sistemas de IA através da seleção oriundo, buscando soluções novas e ideais sem restrições do design humano.
Por último, IA neuromórfica utiliza hardware e software neuromórficos para emular sistemas neurais biológicos, visando modelos cerebrais mais eficientes e realistas e permitindo interações naturais com humanos e agentes.
Estas não são as únicas abordagens à AGI, mas algumas das mais proeminentes e promissoras. Cada abordagem tem vantagens e desvantagens e ainda precisa saber a generalidade e a lucidez que a AGI exige.
AGI Exemplos e aplicações
Embora a AGI ainda não tenha sido alcançada, alguns exemplos notáveis de sistemas de IA apresentam certos aspectos ou características que lembram a AGI, contribuindo para a visão de uma eventual realização da AGI. Estes exemplos representam avanços em direção à AGI, apresentando capacidades específicas:
AlphaZero, desenvolvido pela DeepMind, é um sistema de aprendizagem por reforço que aprende de forma autônoma a jogar xadrez, shogi e Go, sem conhecimento ou orientação humana. Demonstrando proficiência sobre-humana, AlphaZero também apresenta estratégias inovadoras que desafiam a sabedoria convencional.
Da mesma forma, o GPT-3 da OpenAI gera textos coerentes e diversos sobre vários tópicos e tarefas. Capaz de responder perguntas, redigir redações e imitar diferentes estilos de escrita, o GPT-3 apresenta versatilidade, embora dentro de certos limites.
Da mesma forma, o NEAT, um algoritmo evolutivo criado por Kenneth Stanley e Risto Miikkulainen, desenvolve redes neurais para tarefas uma vez que controle de robôs, jogos e geração de imagens. A capacidade da NEAT de evoluir a estrutura e função da rede produz soluções novas e complexas não predefinidas por programadores humanos.
Embora estes exemplos ilustrem o progresso em direcção à AGI, também sublinham as limitações e lacunas existentes que necessitam de maior exploração e desenvolvimento na prossecução da verdadeira AGI.
Implicações e riscos da AGI
A AGI apresenta desafios científicos, tecnológicos, sociais e éticos com implicações profundas. Economicamente, pode gerar oportunidades e perturbar os mercados existentes, aumentando potencialmente a desigualdade. Ao mesmo tempo que melhora a instrução e a saúde, a AGI pode introduzir novos desafios e riscos.
Eticamente, poderia promover novas normas, cooperação e empatia e introduzir conflitos, competição e crueldade. A AGI pode questionar os significados e propósitos existentes, expandir o conhecimento e redefinir a natureza e o tramontana humanos. Portanto, as partes interessadas devem considerar e abordar estas implicações e riscos, incluindo investigadores, promotores, decisores políticos, educadores e cidadãos.
O resultado final
A AGI está na vanguarda da investigação em IA, prometendo um nível de intelecto que ultrapassa as capacidades humanas. Embora a visão cative os entusiastas, persistem desafios na concretização deste objetivo. A IA atual, que se destaca em domínios específicos, deve atender ao potencial expansivo da AGI.
Numerosas abordagens, desde a IA simbólica e conexionista até modelos neuromórficos, lutam pela realização da AGI. Exemplos notáveis uma vez que AlphaZero e GPT-3 mostram avanços, mas o verdadeiro AGI permanece indefinido. Com implicações económicas, éticas e existenciais, a jornada para a AGI exige atenção colectiva e exploração responsável.