De Fire Primære Typene Kunstig intelligens

De Fire Primære Typene Kunstig intelligens

De Fire Primære Typene Kunstig intelligens. Å skape en kunstig superintelligens som overgår menneskets evner er et fjernt mål. Til tross for langsom fremgang, akselererer utviklingen av mer avanserte typer AI. Superintelligent AI kan bli menneskehetens siste oppfinnelse. Å utvikle en type AI som er så sofistikert at den kan skape AI-enheter med enda større intelligens. Kan forandre menneskeskapt oppfinnelse for alltid. Slike enheter ville overgå menneskelig intelligens og oppnå supermenneskelige prestasjoner.

Hvor nær er vi å skape AI som overgår menneskets sinn? Det korte svaret er ikke veldig nært, men tempoet øker siden den moderne AI-feltet startet på 1950-tallet.

På 1950- og 1960-tallet utviklet AI seg dramatisk mens datavitenskapsmenn, matematikere og eksperter innen andre felt forbedret algoritmene og maskinvaren. Til tross for påstander fra AI-pionerene. Om at en tenkende maskin sammenlignbar med menneskehjernen var nært forestående, viste målet seg å være unnvikende, og støtten til feltet dalte. AI-forskningen gjennomgikk flere oppturer og nedturer til den igjen økte rundt 2012, drevet av den dype læringsrevolusjonen.

I dag er interessen for og bruken av AI på sitt høyeste, med gjennombrudd som skjer hver dag. Generative AI-programmer, som ChatGPT, har skapt mye samtale både i AI-samfunnet og i generell samfunnsdiskurs. Med økningen av ulike generative AI-modeller er nå AI et brukbart verktøy for å skape unik tekst, bilder og lyd. Som er i det minste i begynnelsen – ikke mulig å skille fra menneskeskapt innhold. Selv om mange er begeistret for denne muligheten. Har generative AI allerede blitt kritisert for manglende kreditering av kildedataene. I kunstskapelse, og kommersiell bruk har til og med blitt delvis kreditert for forfatter- og skuespillerstreiker.

Nåværende tilstand og typer kunstig intelligens

Selv om generativ AI har utviklet seg raskt de siste årene, er det fremdeles langt unna superintelligent AI. Generativ AI er bare i stand til å skape tekst, bilder og lyd på nær menneskelig kvalitetsnivå. Fordi det mates med enorme mengder data for opplæring. AI-programmet vil ikke vite om dataene det gir til en bruker er aktuelle, akkurat som det ikke vil vite om det gir brukeren nøyaktige råd. I et nylig tilfelle skapte ChatGPT fiktive rettssaker som en advokat uvitende refererte til i retten. Men hva avgjør forskjellen mellom våre nåværende generative AI-modeller og superintelligent AI? AI kan kategoriseres basert på enten evner eller funksjonalitet. Når det er sagt, så er utviklingen ved det å skape menneskelignende ai modeller. Så stor, at det nå blir brkt kunstige AI-Modeller, i reklamer. Slik som denne kunstige og «Spanske» AI-Modellen«. Som erstatter de menneskelige modellene.

Det er fire hovedtyper av AI som er basert på funksjonalitet. De to første typene tilhører en kategori kjent som smal AI, eller AI som er trent til å utføre spesifikke eller begrensede oppgaver. De to siste typene er ennå ikke oppnådd og tilhører en kategori noen ganger kalt sterk AI.

Reaksjonsbasert AI

Reaksjonsbaserte AI-algoritmer opererer kun på nåværende data og har begrensede evner. Denne typen AI har ingen spesifikk funksjonell hukommelse, noe som betyr at den ikke kan bruke tidligere erfaringer for å veilede sine nåværende og fremtidige handlinger. Denne typen AI er kjent som reaksjonsbasert eller reaktiv AI, og den utfører utover menneskelig kapasitet innenfor visse områder. Mest bemerkelsesverdig beseiret IBMs reaktive AI Deep Blue sjakkstormester Garry Kasparov i 1997. Denne typen AI er også nyttig for anbefalingsmotorer og søppelpostfiltre.

Imidlertid er reaksjonsbasert AI ekstremt begrenset. I virkeligheten er mange av våre handlinger ikke reaktive. For det første har vi kanskje ikke all informasjon for hånden for å reagere. Likevel er mennesker mestere i å forutse og kan forberede seg på det uventede, selv basert på ufullkommen informasjon. Dette scenariet med ufullkommen informasjon har vært en av milepælene i utviklingen av AI. Og er nødvendig for en rekke bruksområder, fra forståelse av naturlig språk til selvkjørende biler.

Av den grunn. Har forskere arbeidet med å utvikle neste nivå av AI, som har evnen til å huske og lære.

Det er tilfelle med mange AI- og maskinlæringsmodeller. Utledet fra statistisk matematikk kan disse modellene vurdere store mengder data og produsere en tilsynelatende intelligent utgang.

Maskiner med Begrenset Hukommelse: Framgang og Utfordringer

Begrenset hukommelsesbasert AI kan midlertidig lagre data fra tidligere erfaringer.

Som nevnt tidligere. Var det i 2012, at den dype læringsrevolusjonen. Basert på vår forståelse av hjernens indre mekanismer ble det utviklet en algoritme som kunne etterligne måten våre nevroner kobler seg sammen på. En av egenskapene ved dyp læring er at den blir smartere jo mer data den trenes på.

Dyp læring forbedret dramatisk AI’s bildeanerkjennelseskapasiteter, og snart ble det født andre typer AI-algoritmer, som dyp forsterkningslæring. Disse AI-modellene var mye bedre til å absorbere egenskapene til treningsdataene sine, men enda viktigere, de kunne forbedre seg over tid.

Et bemerkelsesverdig eksempel er Googles AlphaStar-prosjekt, som beseiret topp profesjonelle spillere i sanntidsstrategispillet StarCraft II. Modellene ble utviklet for å jobbe med ufullkommen informasjon, og AI-en spilte gjentatte ganger mot seg selv for å lære nye strategier og perfeksjonere beslutningene sine. I StarCraft kunne en beslutning en spiller tok tidlig i spillet ha avgjørende effekter senere. Derfor måtte AI-en kunne forutsi utfallet av handlingene sine langt på forhånd. Vi ser det samme konseptet i selvkjørende biler, der AI-en må forutsi banen til nærliggende biler for å unngå kollisjoner. I disse systemene baserer AI-en handlingene sine på historiske data. Unødvendig å si, reaktive maskiner var ikke i stand til å håndtere slike situasjoner.

Begrenset hukommelses-AI brukes også vanligvis i chatbots, virtuelle assistenter og naturlig språkbehandling.

Tross alle disse fremskrittene ligger AI fortsatt bak menneskelig intelligens. Spesielt krever det enorme mengder data for å lære enkle oppgaver. Mens modellene kan omtrenes for å avansere og forbedre seg, vil endringer i miljøet AI-en ble trent på, tvinge den til full omtrening fra bunnen av. For eksempel, vurder et språk: Når vi lærer et andre språk, blir det å lære et tredje og fjerde proporsjonalt lettere. For AI gjør det ingen forskjell.

Dette er begrensningen av smal AI – den kan bli perfekt på å utføre en spesifikk oppgave, men mislykkes elendig med de minste endringer.

Teori om Sinnet i AI: Ut over Gjenkjennelse til Forståelse

Teori om sinne evne refererer til AI-maskinens evne til å tillegge mentale tilstander til andre enheter. Uttrykket stammer fra psykologi og krever at AI-en infererer motivene og intensjonene til enheter – for eksempel deres tro, følelser og mål. Denne typen AI er ennå ikke utviklet.

Følelsesbasert AI, for øyeblikket under utvikling, har som mål å gjenkjenne, simulere, overvåke og svare adekvat på menneskelige følelser ved å analysere stemme, bilde og annen type data. Men denne evnen, selv om den potensielt er uvurderlig innen helsevesen, kundeservice, reklame og mange andre områder, er fremdeles langt fra å være en AI med teori om sinnet. Den sistnevnte er ikke bare i stand til å variere sin behandling av mennesker basert på evnen til å oppdage deres emosjonelle tilstand – den er også i stand til å forstå dem.

Forståelse, som det generelt er definert, er en av de store barrierene for AI. Typen AI som kan generere et mesterverk av et portrett, har fremdeles ingen anelse om hva den har malt. Den kan generere lange essays uten å forstå et ord av det den har sagt. En AI som har nådd tilstanden med teori om sinn, ville ha overvunnet denne begrensningen.

Selvbevisst AI: Ambisjoner Utover Nåværende Grenser

De tidligere diskuterte AI-typene er forløpere for selvbevisste eller bevisste maskiner – systemer som er klar over sin egen interne tilstand så vel som den til andre. Dette betyr i praksis en AI som er på nivå med menneskelig intelligens og kan etterligne de samme følelsene, ønskene eller behovene.

Dette er et svært ambisiøst mål der vi verken har algoritmene eller maskinvaren.

Om kunstig generell intelligens (AGI) og selvbevisst AI er korrelerte, gjenstår å se i den fjerne fremtiden. Vi vet fortsatt for lite om menneskehjernen til å bygge en kunstig en som er nesten like intelligent.

Ytterligere typer AI: Smal, generell og super AI

Den hurtige utviklingen av AI har ført til utallige termer for de typer AI som mennesker har utviklet og fortsetter å streve med å oppfinne. I tillegg er det ikke enighet blant alle om hva disse termene refererer til, noe som bidrar til vanskeligheten med å forstå hva AI kan og ikke kan gjøre.

De følgende ofte brukte termene er ofte knyttet til de fire AI-typene som er beskrevet ovenfor:

• Smal AI eller svak AI: Dette er den vanligste typen AI som eksisterer i dag. Den kalles smal AI fordi den er trent for å utføre en enkelt eller begrenset oppgave, ofte langt raskere og bedre enn mennesker kan. Svak refererer til det faktum at AI ikke besitter generell menneskelig intelligens. Eksempler på smal AI inkluderer chatbots, autonome kjøretøy, Siri og Alexa, samt anbefalingssystemer.
• Kunstig generell intelligens: Noen ganger referert til som sterk AI, er AGI en type – ennå ikke realisert – mangefasettert maskinintelligens som kan lære og forstå like godt som et menneske. Ideelt sett kunne denne AI utføre oppgaver like effektivt som et menneske, og den ville ha evnen til å lære, forstå og fungere på en lignende måte som et menneske.
• Kunstig superintelligens: Dette refererer til AI som er selvbevisst, med kognitive evner som overstiger menneskets. Superintelligent AI ville være i stand til å tenke, resonnere, lære og fatte beslutninger. Kunstig superintelligens ville være bedre på alt mennesker gjør med god margin, da den ville ha tilgang til store mengder minne, data- og analysebehandling.

Smal til kunstig superintelligens

AI-utviklingen, som spenner fra smal til kunstig superintelligens, er kompleks og utfordrende å definere entydig. Smal AI, som allerede er utbredt, fokuserer på spesifikke oppgaver, som chatbots og autonome kjøretøy. Drømmen om kunstig generell intelligens (AGI) gir et glimt av maskiner som forstår og lærer som mennesker. På toppen av dette står visjonen om kunstig superintelligens, hvor maskiner overstiger menneskelig kognisjon. Denne utviklingen gir opphav til diskusjoner om terminologi og utfordrer vår evne til å gripe AI’s nåværende og fremtidige potensial

AI-teknologien har en lys fremtid med potensial for betydelig vekst. Økt integrasjon av AI innenfor områder som helse, autonomi og industri forventes. Fremtidige artikler kan utforske spesifikke bruksområder og utviklinger som former AI-landskape