De la inteligenÈa artificialÄ generalÄ la âsuperinteligenÈÄâ: patru posibile cÄi de dezvoltare
Dezvoltarea inteligenței artificiale generale (AGI) ar putea să nu reprezinte punctul final al progresului în domeniu. Într-o analiză, Google DeepMind examinează scenariile prin care sistemele AI ar putea ajunge la inteligență artificială generală superioară (ASI), capabilă să depășească performanțele unor grupuri mari de experți umani.
AGI desemnează, în general, un sistem capabil să îndeplinească o gamă largă de sarcini cognitive la un nivel comparabil cu cel al oamenilor. ASI ar reprezenta o etapă ulterioară: un sistem care ar putea depăși în mod constant echipe de specialiști în aproape toate domeniile de interes pentru oameni, inclusiv în activități de cercetare care necesită, în prezent, ani de muncă.
Analiza pornește de la ideea că inteligența artificială nu evoluează către un singur prag, ci de-a lungul unui continuum. Astfel, atingerea nivelului uman nu ar exclude apariția unor sisteme mult mai performante, iar trecerea către „superinteligență†ar putea avea loc gradual, printr-o succesiune de progrese tehnologice.
Patru posibile trasee către „superinteligențăâ€
Autorul analizei identifică patru direcții prin care sistemele AI ar putea depăși capacitățile umane.
Prima este extinderea modelelor și a cantității de date utilizate pentru antrenare. Până acum, creșterea puterii de calcul, a volumului de date și a resurselor alocate antrenării a fost însoțită de îmbunătățirea performanțelor. Totuși, această cale se poate lovi de limite precum lipsa datelor de calitate, randamentele tot mai mici ale modelelor de dimensiuni mari și costurile infrastructurii necesare.
A doua direcție ar presupune schimbări fundamentale în tehnologia AI. Modelele actuale au încă dificultăți în anumite domenii, precum învățarea continuă, înțelegerea mediului înconjurător și luarea deciziilor. De asemenea, rămâne deschisă întrebarea dacă sistemele vor putea inventa concepte și abstracții cu adevărat noi, nu doar să recombine informații existente.
A treia posibilitate este coordonarea unui număr foarte mare de agenți AI. Asemenea organizațiilor și comunităților umane, grupuri de sisteme specializate ar putea rezolva probleme pe care un singur agent nu le-ar putea aborda. Eficiența unei asemenea colaborări nu este însă garantată. Coordonarea poate deveni mai dificilă pe măsură ce grupurile cresc, iar riscurile includ răspândirea de informații false, manipularea și înțelegerile dintre agenți pentru atingerea unor obiective nedorite.
A patra cale este autoîmbunătățirea recursivă. În acest scenariu, sistemele AI ar contribui la dezvoltarea unor generații ulterioare de inteligență artificială, îmbunătățind programele, arhitecturile modelelor, metodele de antrenare sau datele folosite. Progresul ar putea astfel să se accelereze, însă analiza subliniază că astfel de procese se pot bloca atunci când metodele de evaluare nu sunt suficient de fiabile.
Calculul ar putea deveni mult mai ieftin
Analiza examinează și posibilitatea unei industrializări a activităților cognitive, pe măsură ce resursele de calcul devin mai accesibile, iar sistemele AI pot executa sarcini tot mai ieftin și mai rapid.
Pe baza tendințelor din ultimul deceniu, cercetătorii DeepMind estimează că stocul global efectiv de capacitate de calcul disponibilă pentru AI ar putea crește de aproximativ zece ori pe an, dacă se cumulează îmbunătățirile hardware, eficiența algoritmilor și investițiile în infrastructură. O asemenea extrapolare ar însemna o creștere de ordinul miliardelor de ori într-un interval de zece ani.
Analiza oferă și un exemplu ipotetic privind costurile. O sarcină cognitivă realizată de sistemele actuale cu un consum de calcul evaluat la un miliard de dolari ar putea ajunge să coste aproximativ 1.000 de dolari peste zece ani, dacă eficiența hardware și software ar continua să se îmbunătățească în ritmul presupus de analiză.
Aceste cifre sunt proiecții bazate pe extrapolarea unor tendințe, nu predicții certe. Chiar și o creștere foarte mare a numărului și vitezei agenților AI nu ar garanta, singură, apariția unei inteligențe generale superioare. Unele probleme ar putea necesita descoperiri tehnologice calitative, nu doar mai multă putere de calcul.
Progresul ar putea fi accelerat, dar și limitat
Cele patru direcții nu se exclud reciproc și ar putea acționa simultan. De exemplu, sisteme mai eficiente ar putea contribui la coordonarea unor grupuri mai mari de agenți, iar aceste grupuri ar putea accelera cercetarea și dezvoltarea unor modele noi.
În același timp, evoluția este condiționată de obstacole fizice și economice, precum disponibilitatea energiei, capacitatea de producție a semiconductorilor și extinderea infrastructurii. În cazul autoîmbunătățirii, o altă problemă este verificarea rezultatelor: în anumite domenii, oamenii ar putea avea dificultăți în a evalua corect performanțele unor sisteme care îi depășesc deja.
Potrivit analizei, progresele rapide în următorul deceniu reprezintă o posibilitate care trebuie luată în serios, dar nu o evoluție inevitabilă. De asemenea, susține că monitorizarea capacităților AI și pregătirea pentru efectele lor necesită colaborare între cercetători, companii și instituții naționale și internaționale.

