Czy generatywna sztuczna inteligencja nie jest tym samym, co sztuczna inteligencja ogólna? Jaka jest różnica między nimi?
Od czasu, gdy sztuczna inteligencja znalazła się w centrum uwagi pod koniec 2022 r., niemal co tydzień pojawiają się tysiące modeli sztucznej inteligencji. Nadążanie za tym, co robi co, może być zawrotne.
Jeśli znasz podstawy sztucznej inteligencji, być może znasz już generatywną sztuczną inteligencję (GAI). I odwrotnie, możesz nie być tak zaznajomiony z innym rodzajem sztucznej inteligencji, zwanym sztuczną inteligencją ogólną (AGI).
Chociaż brzmią podobnie, nie są do końca takie same. I nie, to nie tylko dlatego, że ich akronimy są zamienione. Jaka jest różnica między nimi?
Co to jest sztuczna inteligencja ogólna?
Wyobraź sobie sztuczną inteligencję, która może myśleć, rozumować, postrzegać, wnioskować – wszystko to, co ludzie potrafią. Tym i czymś więcej powinna być sztuczna inteligencja ogólna. Choć teoretyczna, sztuczna inteligencja ogólna (AGI) mogłaby wykonać dowolne zadanie intelektualne, tak jak człowiek, ale z mniejszą liczbą błędów lub bez błędów.
Różni się od sztucznej wąskiej inteligencji (ANI), która jest wysoko wykwalifikowana w określonej dziedzinie lub zakresie zadań. Wąska inteligencja została zaprojektowana tak, aby wyróżniać się tylko w jednym lub kilku konkretnych zadaniach, jak emerytowany profesor w bardzo niszowej dyscyplinie.
Proponuje się, aby AGI była sztuczną inteligencją, która może odczuwać, podejmować decyzje w oparciu o swoje uczucia, rozwiązywać problemy, uczyć się, przetwarzać języki i wykonywać inne zdolności poznawcze. Bez uprzedniego podania danych, AGI powinno wymyślić coś sensownego, niezależnie od zaangażowanych zmiennych.
Sztuczna inteligencja science fiction ledwo się zbliża, więc AGI to wciąż tylko teoria. Chociaż niektóre modele AI w pracach są bliskie opisowi AGI, nadal w dużej mierze opierają się na dostarczonych danych i nie sformułowały jeszcze niezależnego rozumowania. Chociaż przodują w rozwiązywaniu problemów, przetwarzaniu języka naturalnego i tym podobnych, wciąż jest daleko, zanim będziemy mogli nazwać ich pełnoprawnymi AGI.
Na przykład Google DeepMind pracuje dzień i noc, aby opracować modele AGI, które mogą być na równi z ludzką inteligencją, z możliwością uczenia się i rozumowania tak jak ludzie. Aby dowiedzieć się więcej, sprawdź niesamowite rzeczy, które mogą zrobić istniejące boty Google DeepMind.
Jakie są więc potencjalne zastosowania sztucznej inteligencji ogólnej? Cóż, obiecuje znaleźć znaczenie w każdej możliwej dziedzinie. Na przykład AGI i biotechnologia mogą zapewnić najwyższej jakości opiekę zdrowotną za ułamek kosztów. Może spersonalizować plany leczenia i przyspieszyć diagnozę przy minimalnych błędach.
Może to zrobić i wiele więcej w dziedzinach takich jak robotyka i automatyka, badania, edukacja, rolnictwo, eksploracja kosmosu itp.
Czym jest generatywna sztuczna inteligencja?
Jak wspomniano wcześniej, większość modeli AI istniejących w chwili pisania tego tekstu należy do tej kategorii.
Generatywna sztuczna inteligencja (GAI) obejmuje każdą sztuczną inteligencję, która, jak sama nazwa wskazuje, generuje nowy materiał, czy to dźwięk, obraz, czy tekst, z wcześniej przypisanych danych. Innymi słowy, każda sztuczna inteligencja, której musisz udzielić monitów o wygenerowanie treści lub odpowiedzieć na żądania, uzyskując dostęp do przechowywanych informacji, może zostać sklasyfikowana jako GAI.
Na przykład zwykłe translatory tekstu na mowę i obraz na obraz oraz nowsze rozwiązania, takie jak DALL-E (Co to jest DALL-E?), MuseNet, generatywne sieci przeciwstawne oparte na stylach (StyleGAN), Jukebox i wstępnie wyszkolone transformatory generatywne (GPT-3, GPT-3.5, GPT-4) są sklasyfikowane w ramach generatywnej sztucznej inteligencji.
Generatywna sztuczna inteligencja wykorzystuje techniki głębokiego uczenia się, aby generować treści jak najbardziej zbliżone do monitów. Używają monitów jako materiałów konstrukcyjnych do tworzenia treści, o które prosisz. Oto niektóre przykłady tego, co ChatGPT może dla Ciebie zrobić jeśli chcesz dowiedzieć się więcej na ten temat.
W jaki sposób sztuczna inteligencja ogólna i sztuczna inteligencja generatywna są podobne?
Chociaż różnią się sposobem działania i doświadczeniem, AGI i generatywna sztuczna inteligencja mają kilka wspólnych cech.
1. Uczenie się
AGI i GAI to modele uczenia maszynowego, które uczą się za pomocą nadzorowanych, częściowo nadzorowanych i nienadzorowanych algorytmów wykorzystujących głębokie sieci neuronowe. Ma to na celu umożliwienie im analizy i przetwarzania danych w celu wygenerowania treści zgodnej z kontekstem podpowiedzi.
Podobnie jak ludzie, modele AGI mogą uczyć się na podstawie różnych danych i doświadczeń. Jednocześnie GAI jest szkolony na istniejących dużych pulach danych, aby zrozumieć podstawowe wzorce i relacje między danymi w celu generowania nowych, znaczących i odpowiednich danych.
2. Zakres zastosowań
Zarówno AGI, jak i GAI mogą być wykorzystywane do szerokiego zakresu celów, w tym między innymi do treści tekstowych, graficznych i wideo.
Generatywną sztuczną inteligencję można opracować, aby służyła różnym celom w ograniczonych dziedzinach. Z drugiej strony sztuczna inteligencja ogólna ma naturalne zastosowanie w każdej dziedzinie życia, ponieważ może samodzielnie rozumować i wykonywać zadania.
3. Katalizatory zmian
Celem postępu technologicznego jest wspieranie zmian i wzrostu. AGI i GAI są nieodzowne w szybkim śledzeniu bardzo potrzebnych zmian i innowacji, których świat desperacko potrzebuje.
Wraz z wprowadzeniem użytecznych GAI i AGI ludzkość ma pewność, że wkrótce nastąpi szybki postęp, wykładniczo skracający czas pracy ludzkiej.
4. Źródło dylematu etycznego
Uzyskanie dodatkowej pomocy ze strony sztucznej inteligencji wydaje się dobrym pomysłem, ale pojawia się kilka obaw związanych z koniecznością wyznaczenia wyraźnej granicy tego, co jest etycznie słuszne, aby sztuczna inteligencja nadzorowała.
W przypadku generatywnej sztucznej inteligencji tak było obawy dotyczące praw autorskich dotyczących sztuki AI i nawet pytania o to, czy sztuka AI jest prawdziwą sztuką. AGI, mając wystarczająco dużo czasu, może uznać ludzkość za bezsensowną i posunąć się do eksterminacji ludzkości - horror science fiction, który stanie się rzeczywistością.
Przepisy w dziedzinie sztucznej inteligencji stanowią wyzwanie, ponieważ są to niezbadane wody dla rasy ludzkiej.
Czym sztuczna inteligencja ogólna różni się od sztucznej inteligencji generatywnej?
Najbardziej znaczącą różnicą między nimi jest to, że AGI nie zostało jeszcze opracowane, podczas gdy GAI istnieje i jest już w użyciu. Inne różnice polegają na tym, że:
1. Tryby działania
Poza faktem, że AGI wciąż znajduje się na liście życzeń informatyków, ich tryby działania są wyraźnie różne.
Sztuczna inteligencja ogólna nie ogranicza się do żadnego konkretnego zadania ani dziedziny, wykonując zadania bez określonego programowania. Z drugiej strony generatywna sztuczna inteligencja koncentruje się na generowaniu nowych treści w ramach niszy w oparciu o istniejące wzorce i dane.
2. Zdolność adaptacji
AGI może uczyć się i dostosowywać do nowych sytuacji, podczas gdy generatywna sztuczna inteligencja jest ograniczona danymi wejściowymi i specyficzną domeną, w której działa.
AGI nadzorujący sprzedaż i finanse organizacji będzie w stanie dostosować się w przypadku nagłej zmiany, takiej jak pandemia. Model AGI będzie w stanie wyciągać inteligentne wnioski z dostępnych danych i rekonfigurować operacje organizacji, aby sprostać nowym zmianom.
Jest to coś, czego sama generatywna sztuczna inteligencja nie jest w stanie zrobić.
3. Poznawanie
Sztuczna inteligencja ogólna jest prawdopodobnie podobna do człowieka w swoim podejściu do rozwiązywania problemów. Jest to przeciwieństwo generatywnej sztucznej inteligencji, która działa na wcześniej wytrenowanych sekwencjach wejścia-wyjścia. Generatywna sztuczna inteligencja może robić tylko to, do czego została zaprogramowana, nie więcej, nie mniej. Z drugiej strony AGI będzie się uczyć, rozumować, porównywać i wnioskować.
Mówiąc prościej, AGI może myśleć jak człowiek, a może nawet lepiej.
4. Podejście do nauki
Generatywna sztuczna inteligencja często uczy się poprzez nienadzorowane szkolenie za pośrednictwem obszernych zasobów danych, które uczy ją, jak tworzyć nowe treści z wcześniej istniejących.
AGI będzie wykorzystywać kombinację uczenia nadzorowanego i nienadzorowanego oraz uczenia się przez wzmacnianie. Dzięki temu może dokonywać inteligentnych wyborów w obliczu ogromnych zasobów, którymi dysponuje.
GAI, AGI i nie tylko
Nie można zaprzeczyć, że ogólna sztuczna inteligencja to marzenie, które szybko zamienia się w rzeczywistość. Dopiero przyzwyczajamy się do generatywnej sztucznej inteligencji, ale nie możemy czuć się zbyt komfortowo.
Ogólna sztuczna inteligencja wkrótce stanie się nie tylko teorią, ale rozwiniętą, aktywną formą inteligencji, która, miejmy nadzieję, będzie działać z nami i dla nas.