Marzenie o inteligentnej maszynie
Ludzie od dawna wyobrażali sobie maszyny zdolne mówić, rozumować i wykonywać zadania podobne do ludzkich. Przez wiele lat pozostawało to jednak wyłącznie częścią filozofii, literatury i opowieści o przyszłości.
Dopiero rozwój matematyki, logiki i pierwszych komputerów sprawił, że pytanie o inteligentne maszyny zaczęło nabierać technicznego znaczenia.
Początki współczesnego myślenia o inteligencji maszynowej
W połowie XX wieku naukowcy zaczęli poważnie zastanawiać się, czy procesy kojarzone z ludzkim myśleniem można opisać za pomocą reguł, symboli i obliczeń.
Jednym z najważniejszych pytań stało się to, czy maszyna może nie tylko wykonywać polecenia, ale również rozwiązywać nowe problemy, uczyć się i prowadzić logiczne rozumowanie.
Alan Turing i pytanie o myślącą maszynę
Alan Turing należał do osób, które nadały tym rozważaniom konkretny kierunek. Zamiast próbować dokładnie zdefiniować myślenie, zaproponował ocenę zachowania maszyny podczas rozmowy z człowiekiem.
Jego podejście pokazało, że inteligencję maszynową można analizować poprzez zdolność działania, komunikowania się i rozwiązywania problemów.
Narodziny badań nad sztuczną inteligencją
W latach pięćdziesiątych XX wieku powstała dziedzina sztucznej inteligencji. Pierwsi badacze wierzyli, że możliwe będzie zbudowanie maszyn zdolnych do rozumowania, uczenia się i wykonywania wielu zadań.
Początkowo nie rozdzielano wyraźnie AI wyspecjalizowanej od inteligencji ogólnej. Wielu naukowców zakładało, że rozwój systemów rozwiązujących pojedyncze problemy z czasem doprowadzi do powstania bardziej uniwersalnej inteligencji.
Od ambitnych planów do wyspecjalizowanych systemów
Pierwsze programy potrafiły rozwiązywać zadania logiczne, grać w proste gry i wykonywać obliczenia symboliczne. Sukcesy te budziły ogromny optymizm.
Szybko jednak okazało się, że działanie w rzeczywistym świecie jest znacznie trudniejsze. System dobrze radzący sobie z jednym zadaniem zwykle nie potrafił przenieść swoich umiejętności do innej dziedziny.
Potrzeba rozróżnienia AI i AGI
Wraz z rozwojem technologii coraz wyraźniej widoczna była różnica pomiędzy systemem wyspecjalizowanym a inteligencją zdolną działać ogólnie.
Współczesne określenie AGI zaczęto wykorzystywać po to, aby odróżnić ogólną sztuczną inteligencję od modeli i programów projektowanych do konkretnych zastosowań.
Dlaczego koncepcja AGI powróciła?
Przez wiele lat badania skupiały się głównie na praktycznych, wąskich zastosowaniach AI. Rozwój uczenia maszynowego, sieci neuronowych i coraz większych modeli ponownie otworzył jednak pytanie o inteligencję ogólną.
Systemy zaczęły wykonywać wiele różnych zadań, pracować z tekstem, obrazem, dźwiękiem i kodem. To sprawiło, że granica pomiędzy AI wyspecjalizowaną a bardziej uniwersalnymi możliwościami stała się mniej oczywista.
AGI jako cel, hipoteza i kierunek badań
Dla jednych AGI jest konkretnym celem technologicznym. Dla innych pozostaje hipotezą opisującą możliwy przyszły etap rozwoju sztucznej inteligencji.
Nie ma jednej, powszechnie przyjętej drogi prowadzącej do jej stworzenia. Nie wiadomo również, czy AGI powstanie poprzez rozwój obecnych modeli, czy będzie wymagała zupełnie nowych rozwiązań.
Koncepcja nadal się zmienia
Sposób rozumienia AGI zmienia się wraz z rozwojem technologii. To, co kiedyś uznawano za przejaw inteligencji, dziś może być traktowane jako zwykła funkcja programu.
Dlatego dyskusja o AGI nie dotyczy wyłącznie możliwości maszyn, ale również tego, jak definiujemy inteligencję, rozumienie, samodzielność i zdolność uczenia się.
Co dalej?
Znając początki koncepcji AGI, możemy dokładniej porównać ją ze współczesną sztuczną inteligencją.
W następnym artykule przedstawimy najważniejsze różnice pomiędzy AI a AGI oraz wyjaśnimy, dlaczego nie są to pojęcia oznaczające dokładnie to samo.