什么是通用人工智能? 你需要知道的一切

通用人工智能为可以像我们一样行为、执行和学习的机器让路!

人工智能改变了机器执行工作的方式。 今天,如果您使用 AI 工具训练您的计算机,它可以执行许多个人和专业任务。 一些示例包括创建图像、从文本生成语音、控制实用程序等。

但这些并不是真正的智能。 这种自动化背后有很多个月的培训。

一个可以自我学习的真正智能的计算机应用程序怎么样? 那是人工智能的领域。 今天继续阅读以了解这项突破性技术!

介绍

AGI 是一种可以使软件和硬件变得非常智能以表达类似人类认知能力的技术。 它还有其他名称,如强 AI、全 AI 等。

为了简化它,您向智能 AGI 系统提出了一个它以前不知道的问题。 智能计算机将分析问题,进行一些在线研究,并提供问题的解决方案。

IBM、OpenAI、微软、Google Brain、Darktrace、Deepmind等,是AGI技术的快速推动者。 这些公司正试图在工程智能计算机中注入以下内容:

  • 类人通用智能
  • 表达智能与打字或说话等任何特定任务无关
  • 概括新知识并将知识与以前的经验联系起来
  • 从质量不同的学习中理解意义
  • 从现实世界中感知和分析任务

目前,还没有真正的通用人工智能(AGI)。 IBM Strong AI 和 Google Brain 正在取得一些进展,但这些还没有为生产做好准备。

  如何从 Xbox Live Gamertag 中查找 IP 地址

好处和需求

我们需要 AGI 来代替危险场所的人类。 此外,AGI 计算机可以在业务运营中提供意想不到的生产力水平。

AGI 应用程序还将帮助人类解决医学、医疗保健、供应链、经济、金融和社会科学方面的难题。

以下是开发 AGI 的其他一些重要原因:

  • AGI 应用程序可以更好地理解因果关系,以帮助人类进行风险评估项目。
  • AGI 可以有效地使用各种感官知觉,如颜色、声音、深度、视觉和尺寸。
  • 这样的智能计算机程序可以命令机械臂执行精细的运动技能,例如从头到尾组装电子设备。
  • AGI 的自然语言处理 (NLP) 能力将使自动化变得更容易。 你只需说出一些关键词,AGI 工具就会构建你需要的自动化流程。
  • AGI 可以在查看问题并分析现实环境后解决独特的问题。 无需满足任何 If/Then、If/Else 等条件。
  • AGI 可以帮助内容创作者、艺术家、设计师和建筑师提出开箱即用的想法。
  • AGI 应用程序可以毫无遗漏地提供出色的客户服务,因为它们还将展现情感和社交智能。

人工智能与通用人工智能

#1。 作用方式

AI,又名狭义 AI,是一种反应式智能应用程序。 当它从事件触发器接收到信号时,它将对预设的操作列表做出反应。

AGI 不需要任何事件触发器。 这些应用程序会像人类一样主动响应,以防止出现问题、解决难题等。

#2。 行动范围

狭义或弱人工智能的工作范围也有限。 写作 AI 不应驾驶汽车,反之亦然。 有限的应用程序还使生产级别的开发成本高昂且效率低下。

一个 AGI 可以运行整个制造厂、一个地区的数千个家庭,或者您企业的所有公司办公室。 它对任何挑战都持开放态度,因为它具有认知学习、推理和主动采取行动的能力。

#3。 解决问题的能力

Narrow AI 主要解决封闭式问题,如 GPS 导航、基于关键字的网页搜索、AI 写作、AI 代码补全等。

通用人工智能可以处理开放式问题,例如通过分析市场、客户和产品来制定现场营销策略。

#4。 内存容量

大多数弱人工智能程序都基于有限的内存机器。 人工智能依赖于一组人工神经网络和训练数据库。 当数据库或算法陈旧时,人工智能就会陷入困境。

AGI 将通过本地数据库、云数据库和互联网提供几乎无限的内存(知识资源)。

#5。 升级

随着业务需求和市场趋势的变化,人类需要定期升级弱人工智能。

AGI 将自行升级其内存和数据库。 它不得要求人为干预。

方法

#1。 次符号方法

在这里,AGI 开发人员使用类似于人脑的应用程序。 比如DeepMind的AlphaGo、卷积神经网络、深度学习系统等。

#2。 符号方法

在这种方法中,AGI 开发人员使用流程图、符号和 if-then 语句。 通用人工智能使用主要算法来学习和创建知识库。 此外,它可以将算法及其符号与现实世界的各个方面进行比较,并开发出比弱人工智能更好的思维过程。

#3。 全身方法

在这个概念中,AGI 开发人员希望将所有的软件、硬件、网络和感官能力都包含在类人的身体中。 类人动物可以走路、说话、触摸人等等。

#4。 混合方法

AGI 开发的混合方式依赖于子符号和符号方法。

这个类别的一个成功例子是人形机器人 Sophia。 它包括符号系统和联结系统。 例如,Sophia 需要 CogPrime 架构和 AtomSpace 数据库来实现其功能。

#5。 数学方法

研究人员旨在为 AGI 分配无限的计算能力。 因此,这些智能应用程序和设备将能够执行所需数量的数学问题解决以做出出色的决策。

  9个易于使用的薪资考勤卡计算器

AGI 是如何工作的?

AGI 程序将利用各种技术来实现人类水平的认知能力。 这些如下:

输入和输出 (I/O)

AGI 使用各种传感设备在制造工厂或自动驾驶汽车中执行任务。 这些传感器可以是视觉、RFID、温度、压力、速度、运动等。

另一组 AGI 可能需要 OCR、数据库连接器等,以在办公室执行业务操作。

运动技能

全身、机械臂、自动驾驶汽车等,通过精细动作来工作。 AGI 依赖于从神经网络、3D 图像处理、视觉模仿等获得的运动技能。

自然语言处理

AGI 可以从各种来源学习,如网站文章、研究期刊、电子书、YouTube 视频等。为此,智能应用程序首先学习将自然语言解释为机器语言。

推理和解决问题

AGI 机器人或应用程序通常使用模拟来解决独特的问题。 由于它具有巨大的处理和存储能力,机器可以同时运行多个模拟。 然后,根据成功率,它可以选择一种模拟。

创造性思维

AGI 可以使用多个神经网络来创造独特的创意,如艺术形式、音符、文章等。

面部识别和声音处理

与人互动的人形 AGI 大多使用声音分析和面部识别。 在处理来自其环境的音频和视频并与现有知识库进行交叉检查后,它可以与人类互动。

挑战

通用人工智能具有改变人工智能世界的巨大可能性。 但达到这个阶段并不是一个顺利的过程。 以下是开发 AGI 的挑战和障碍:

#1。 掌握类人技能

AGI 要获得真正的人类智能,就必须掌握一些能力。 这些包括运动技能、自然语言理解、感官知觉、情感和社会联系以及人类水平的创造力。

#2。 缺乏工作协议

没有标准的人工智能系统工作协议可以轻松协作。 因此,部署一个全面的 AGI 系统面临着不可避免的技术缺陷。

#3。 缺乏业务一致性

将 AI 集成到现有系统中仍然是一个复杂的过程。 由于相关利益相关者仍然不知道其运营参数,因此很难使其发展与业务目标保持一致。

#4。 沟通差距

独立的人工智能系统之间仍然存在沟通鸿沟。 由于这些系统之间的无缝数据共享是不可能的,人工智能模型的相互学习受到阻碍,其普适性降低。

#5。 缺乏 AGI 方向

没有在企业业务运营中实施 AGI 的计划或方向。 因此,它的实施变得昂贵,并且实现受到阻碍。

如您所知,完整的通用人工智能开发尚未实现。 然而,这些 AI 趋势将影响 AGI:

#1。 自然语言处理 (NLP)

NLP 或自然语言处理是指 AI 可以理解人类语言并将其转换为机器支持的代码的过程。 利用 NLP,AGI 有望与人类进行逼真的交互。

#2。 元界

Metaverse 是一种提供身临其境的用户体验的技术。 随着更多人的兴趣,AGI 将进化为协助 Metaverse 构建虚拟世界。

#3。 低代码或无代码 AI

对低代码或无代码解决方案的需求不断增加,甚至对 AI 工具和算法也是如此。 这些解决方案带有直观的界面,可简化复杂的应用程序开发过程。

#4。 劳动力增加

这意味着人类和数字员工在一个组织中并肩工作。 尽管许多人担心 AI 会使人类失业,但将 AI 纳入运营将使它更有效率。

  2022 年面向中小型企业的 7 个最佳 Active Directory 和 Office 365 管理软件

#5。 量子人工智能

量子 AI 很有可能通过加速 ML 算法并帮助您快速获得结果来影响 AGI。 它还可以消除 AGI 在分析大量数据时可能面临的障碍。

#6。 人工智能伦理

人工智能的潜在风险不容忽视。 如果使用不当,人工智能可能会对人类造成危害。 因此,人工智能伦理在未来几年将受到更多关注。

#7。 人工智能聊天机器人

人工智能聊天机器人或虚拟助手可以进行自然对话并执行基于规则的操作。 这些聊天机器人取代了人工支持代理,已经降低了企业的运营成本。 将来,这可以彻底改变 AGI。

通用人工智能的风险

  • 如果 AGI 的数据库有限,它可能会做出破坏企业和家庭的灾难性决定。
  • AGI 可能成为高级黑客攻击的目标。 如果黑客阻止了 AGI 机器,则可能会损害整个业务。
  • AI 开发人员报告了各种原型 AGI 做出的有偏见的决策事件。
  • 为 AGI 提供不受限制的数据库访问权限也可能违反全球各种隐私法规。

接下来,我们将查看通用人工智能的真实示例。

真实世界的例子

人工智能律师 ROSS 可以在三秒内搜索数十亿份法律文件。 您可以输入任何法律问题,它会提供准确的答案。

它是 AGI,因为它利用了各种智能技术,如排序、检索和理解。 此外,它具有更广泛的行动范围,因为它涵盖了法律领域的所有领域。

#2。 阿尔法围棋

AlphaGo 是一款基于 AI 的围棋棋盘游戏玩家。 这是第一台击败职业围棋选手的智能机器。 虽然这是一个行动范围有限的人工智能,但它具有自学能力。 AlphaGo 可以从竞争对手和自己的错误中吸取教训。

#3.OpenAI 的捆绑人工智能工具

如下所述,OpenAI 的一系列 AI 系统在使用 API 调用组合时可以自动完成各种任务:

  • GPT-3 从简单的短语和线索创建基于自然语言的文本。 许多在线游戏和混合现实体验,如 FableStudio 的故事驱动的“虚拟存在”,都使用 GPT-3 进行互动故事。
  • Codex 帮助开发人员将自然语言输入翻译成代码,以便于编码。
  • DALL·E 协助 NFT 创作者和数字艺术家在几分钟内制作出数千件原创和独特的艺术品。 人工智能还可以编辑图像。

#4。 IBM沃森

IBM Watson 是面向企业的全方位服务 AI 捆绑包。 我们可以称它为 AGI,因为它有各种应用程序。 有不同的 Watson AI,如下所示:

  • 用于客户服务或虚拟协助的 IBM Watson Assistant
  • IBM Watson Discovery 从复杂的业务文档中创建洞察力和答案
  • IBM Watson 自然语言理解和分类器

最后的话

到目前为止,您已经探索了通用人工智能的概念。 您还了解了它的工作原理、挑战、示例、风险等。

了解以上内容将帮助您正确规划您的人工智能开发项目。 它必须足够灵活以在您的项目中包含下一代智能应用程序并使其成为 AGI。

如果您是一家希望提高运营效率和成本效益的企业,AGI 可能是答案,尽管更多的开发正在进行中。

接下来,您可以查看有关机器学习的更多信息。