L'intelligence artificielle générale fait place à des machines capables de se comporter, de fonctionner et d'apprendre comme nous !
intelligence artificielle a changé la façon dont la machine effectue le travail. Aujourd'hui, votre ordinateur peut effectuer de nombreuses tâches personnelles et professionnelles si vous l'entraînez avec des outils d'IA. Quelques exemples sont la création d'images, la production de voix à partir de texte, le contrôle d'utilitaires, etc.
Mais ceux-ci ne sont pas vraiment intelligents. Il y a beaucoup de mois de formation derrière une telle automatisation.
Que diriez-vous d'une application informatique vraiment intelligente qui peut apprendre par elle-même ? C'est le domaine de l'intelligence artificielle générale. Lisez la suite pour découvrir cette technologie révolutionnaire dès aujourd'hui !
Introduction
L'IAG est une technologie qui peut rendre les logiciels et le matériel si intelligents qu'ils expriment des capacités cognitives de type humain. Il a d'autres noms comme l'IA forte, l'IA complète, etc.
Pour simplifier, vous présentez au système intelligent AGI un problème qu'il ne connaissait pas auparavant. L'ordinateur intelligent analysera le problème, effectuera des recherches en ligne et fournira une solution au problème.
IBM, OpenAI, Microsoft, Google Brain, Darktrace, Deepmind, etc., sont les acteurs les plus rapides de la technologie AGI. Ces entreprises essaient d'infuser les éléments suivants dans un ordinateur intelligent conçu :
- Intelligence générale de type humain
- L'intelligence express n'est liée à aucune tâche spécifique comme taper ou parler
- Généraliser les nouveaux apprentissages et relier les connaissances aux expériences antérieures
- Donner du sens à partir d'apprentissages qualitativement différents
- Percevoir et analyser les tâches à partir du contexte réel
Actuellement, il n'existe pas de véritable intelligence artificielle générale (IAG). IBM Strong AI et Google Brain font des progrès, mais ils ne sont pas prêts pour la production.
Benefits and Needs
Nous avons besoin d'AGI pour remplacer les êtres humains dans les endroits dangereux. En outre, les ordinateurs AGI peuvent offrir un niveau de productivité imprévu dans les opérations commerciales.
Les applications AGI aideront également la race humaine à résoudre des énigmes difficiles dans les domaines de la médecine, de la santé, de la chaîne d'approvisionnement, de l'économie, de la finance et des sciences sociales.
Voici quelques autres raisons vitales pour développer une AGI :
- Les applications AGI peuvent montrer une meilleure compréhension de de cause à effet pour aider les humains dans les projets d'évaluation des risques.
- Les AGI peuvent utiliser efficacement divers perceptions sensorielles comme la couleur, le son, la profondeur, les visuels et les dimensions.
- De tels programmes informatiques intelligents peuvent commander à un bras robotique d'effectuer dextérité comme assembler des appareils électroniques du début à la fin.
- La solution traitement du langage naturel (PNL) capacité d'un AGI facilitera l'automatisation. Vous pouvez simplement dire quelques mots clés et l'outil AGI créera le flux automatisé dont vous avez besoin.
- Les AGI peuvent résoudre des problèmes uniques après avoir examiné le problème et analysé l'environnement réel. Il n'est pas nécessaire de remplir les conditions If/Then, If/Else, etc.
- Les AGI peuvent aider les créateurs de contenu, les artistes, les concepteurs et les architectes avec des idées originales.
- Les applications AGI peuvent offrir un excellent service client sans aucun échec puisqu'elles exposeront également intelligence émotionnelle et sociale.
AI vs. AGI
# 1. Mode d'action
L'IA, également appelée IA étroite, est une application intelligente réactive. Il réagira avec une liste prédéfinie d'actions lorsqu'il recevra des signaux de déclencheurs d'événements.
Les AGI n'auront besoin d'aucun déclencheur d'événement. Ces applications réagiront de manière proactive, comme les humains, pour prévenir les problèmes, résoudre des énigmes, etc.
# 2. Champ d'action
Les IA étroites ou faibles ont également un étendue des travaux. Une IA qui écrit ne doit pas conduire une voiture et vice versa. L'application limitée rend également le développement coûteux et inefficace au niveau de la production.
Un AGI peut gérer une usine de fabrication entière, des milliers de foyers dans une localité d'une région ou tous les bureaux de votre entreprise. Il est ouvert à tous les défis car il possède des capacités d'apprentissage cognitif, de raisonnement et d'action proactive.
# 3. Des talents pour la résolution des problèmes
Les IA étroites résolvent principalement des problèmes fermés tels que la navigation GPS, la recherche sur le Web basée sur des mots clés, écriture IA, achèvement du code AI, etc.
L'intelligence artificielle générale peut gérer des problèmes ouverts comme la création d'un marketing de terrain stratégie en analysant le marché, les clients et les produits.
# 4. Capacité de la mémoire
La plupart des programmes d'IA faibles sont basés sur des machines à mémoire limitée. Les IA reposent sur un ensemble de réseaux de neurones artificiels et de bases de données de formation. Lorsque la base de données ou les algorithmes sont anciens, les IA restent bloquées.
Les AGI viendront avec une mémoire virtuellement infinie (ressources de connaissances) via des bases de données locales, bases de données cloud, et Internet.
# 5. Mises à niveau
Les humains doivent régulièrement mettre à niveau les IA faibles à mesure que les exigences commerciales et les tendances du marché changent.
Les AGI mettront eux-mêmes à jour leurs mémoires et leurs bases de données. Il ne doit pas demander d'intervention humaine.
Approaches
# 1. L'approche sous-symbolique
Ici, les développeurs AGI utilisent des applications qui ressemblent au cerveau humain. Par exemple, AlphaGo de DeepMind, réseaux de neurones convolutifs, systèmes d'apprentissage en profondeur, etc.
# 2. L'approche symbolique
Dans cette méthode, les développeurs AGI utilisent organigrammes, des symboles et des instructions si-alors. L'intelligence artificielle générale utilise un algorithme principal pour apprendre et créer une base de connaissances. De plus, il peut comparer l'algorithme et ses symboles avec des aspects du monde réel et développer de meilleurs processus de pensée que les IA faibles.
# 3. Approche corps entier
Dans ce concept, les développeurs AGI veulent inclure toutes les capacités logicielles, matérielles, réseau et sensorielles dans un corps de type humain. L'humanoïde peut marcher, parler, toucher les gens, etc.
# 4. L'approche hybride
La voie hybride du développement de l'IAG repose sur les approches sous-symboliques et symboliques.
Un exemple réussi de cette catégorie est Sophia, un robot humanoïde. Il comprend à la fois des systèmes symboliques et connexionnistes. Par exemple, Sophia a besoin de l'architecture CogPrime et de la base de données AtomSpace pour ses fonctionnalités.
# 5. Approche mathématique
Les chercheurs visent à allouer aux AGI une puissance de calcul infinie. Par conséquent, ces applications et appareils intelligents seront en mesure d'effectuer le nombre requis de résolutions de problèmes mathématiques pour prendre des décisions exceptionnelles.
How Does AGI Work?
Un programme AGI utilisera diverses technologies pour atteindre des capacités cognitives de niveau humain. Ceux-ci sont comme ci-dessous:
Entrée et sortie (E/S)
Les AGI utilisent divers dispositifs sensoriels pour effectuer leurs tâches dans les usines de fabrication ou en tant que voitures autonomes. Ces capteurs peuvent être visuels, RFID, de température, de pression, de vitesse, de mouvement, etc.
Un autre groupe d'AGI peut nécessiter l'OCR, des connecteurs de base de données, etc., pour effectuer des opérations commerciales dans les bureaux.
Motricité
Corps entier, bras robotiques, véhicules autonomes, etc., fonctionnent en réalisant des mouvements fins. Les AGI reposent sur des habiletés motrices acquises à partir de réseaux de neurones, de traitement d'images 3D, de mimétisme visuel, etc.
PNL
Un AGI peut apprendre à partir de diverses sources telles que des articles de sites Web, des revues de recherche, des livres électroniques, des vidéos YouTube, etc. À cette fin, l'application intelligente apprend d'abord à interpréter le langage naturel en langage machine.
Raisonnement et résolution de problèmes
Un robot ou une application AGI utilise souvent des simulations pour résoudre un problème unique. Grâce à ses énormes capacités de traitement et de mémoire, la machine peut exécuter plusieurs simulations simultanément. Ensuite, selon le taux de réussite, il peut choisir une simulation.
La pensée créative
Les AGI peuvent utiliser plusieurs réseaux de neurones pour créer des idées uniques et créatives telles que des formes d'art, des notes de musique, des articles, etc.
Reconnaissance faciale et traitement du son
Les AGI humanoïdes qui interagissent avec les gens utilisent principalement l'analyse sonore et la reconnaissance faciale. Après avoir traité les éléments audio et visuels de son environnement et recoupé avec les bases de connaissances existantes, il peut interagir avec les humains.
Challenges
L'intelligence artificielle générale a une immense possibilité de transformer le monde de l'IA. Mais atteindre ce stade n'est pas un processus sans heurts. Voici les défis et les obstacles au développement d'une AGI :
# 1. Maîtriser les compétences humaines
Pour obtenir une véritable intelligence de niveau humain, un AGI doit maîtriser certaines capacités. Ceux-ci incluent la motricité, la compréhension du langage naturel, la perception sensorielle, la connexion émotionnelle et sociale et la créativité au niveau humain.
# 2. Absence de protocole de travail
Il n'existe pas de protocoles de travail standard des systèmes d'IA pour une collaboration sans effort. Par conséquent, le déploiement d'un système AGI complet se heurte à des lacunes techniques inévitables.
# 3. Manque d'alignement commercial
L'intégration de l'IA dans les systèmes existants reste un processus complexe. Comme les parties prenantes concernées ignorent encore ses paramètres opérationnels, il est difficile d'aligner son développement sur les objectifs de l'entreprise.
# 4. Lacunes de la communication
Il existe toujours un fossé de communication entre les différents systèmes d'IA. Étant donné que le partage de données transparent entre ces systèmes est impossible, l'inter-apprentissage des modèles d'IA est entravé et son universalité est réduite.
# 5. Absence de direction AGI
Il n'y a pas de plans ou de directives pour la mise en œuvre de l'AGI dans les opérations commerciales de l'entreprise. Ainsi, sa mise en œuvre devient coûteuse, et sa réalisation est entravée.
Trends
Comme vous le savez, le développement complet de l'intelligence artificielle générale reste à réaliser. Cependant, ces tendances de l'IA influenceront l'AGI :
# 1. Traitement du langage naturel (PNL)
Le NLP ou traitement du langage naturel fait référence au processus par lequel l'IA peut comprendre le langage humain et le convertir en codes pris en charge par la machine. En utilisant la PNL, AGI peut s'attendre à pouvoir interagir avec les humains de manière réaliste.
# 2. Métaverse
Métaverse est une technologie qui offre une expérience utilisateur immersive. Avec plus de personnes intéressées, AGI évoluera pour aider Metaverse à construire un monde virtuel.
# 3. IA Low-Code ou No-Code
Il existe une demande croissante de solutions low-code ou no-code, même pour les outils et algorithmes d'IA. Ces solutions sont livrées avec des interfaces intuitives pour faciliter les processus de développement d'applications complexes.
# 4. Augmentation de la main-d'œuvre
Cela signifie que des employés humains et numériques travaillent côte à côte dans une organisation. Bien que beaucoup craignent que l'IA ne rende les humains au chômage, l'inclure dans les opérations la rendra plus efficace.
# 5. AI quantique
Quantum AI a de fortes chances d'influencer l'AGI en accélérant les algorithmes ML et en vous aidant à obtenir des résultats rapidement. Il peut également neutraliser les obstacles auxquels AGI pourrait être confrontée en analysant un énorme volume de données.
# 6. Éthique de l'IA
Les risques potentiels de l'IA sont impossibles à ignorer. Si elle n'est pas utilisée correctement, l'IA pourrait être dangereuse pour l'humanité. Par conséquent, l'éthique de l'IA recevra plus d'attention dans les années à venir.
# 7. Chatbots IA
Les chatbots IA ou les assistants virtuels peuvent avoir une conversation naturelle et effectuer des opérations basées sur des règles. Remplaçant les agents de support humains, ces chatbots ont déjà réduit les coûts opérationnels des entreprises. À l'avenir, cela peut révolutionner AGI.
Risks of AGI
- Si la base de données de l'AGI est limitée, elle peut prendre des décisions désastreuses préjudiciables aux entreprises et aux habitations.
- Les AGI peuvent devenir la cible d'attaques de piratage avancées. Si un pirate cale une machine AGI, cela pourrait endommager toute l'entreprise.
- Les développeurs d'IA ont signalé divers incidents de décisions biaisées prises par des prototypes d'AGI.
- Donner aux AGI un accès illimité à la base de données pourrait également enfreindre diverses réglementations en matière de confidentialité à travers le monde.
Ensuite, nous allons découvrir des exemples concrets d'intelligence artificielle générale.
Real-World Examples
# 1. Recherche IA de ROSS
L'avocat de l'IA ROSSE peut rechercher des milliards de documents juridiques en moins de trois secondes. Vous pouvez saisir n'importe quelle question juridique, et il fournira des réponses précises.
Il s'agit d'un AGI car il utilise diverses technologies intelligentes telles que le classement, la récupération et la compréhension. Aussi, il a un champ d'action plus large puisqu'il couvre toutes les niches du domaine juridique.
# 2. AlphaGo
AlphaGo est un joueur de jeu de société Go basé sur l'IA. C'est la première machine intelligente qui a vaincu un joueur de go professionnel vivant. Bien qu'il s'agisse d'une IA avec un champ d'action limité, elle possède des capacités d'auto-apprentissage. AlphaGo peut apprendre de son concurrent et de ses propres erreurs.
# 3. OpenAI's Outils d'IA intégrés
OpenAI's gamme de systèmes d'IA, comme mentionné ci-dessous, peut accomplir diverses tâches automatiquement lorsqu'elles sont combinées à l'aide d'appels d'API :
- GPT-3 crée des textes basés sur le langage naturel à partir de phrases simples et d'indices. De nombreux jeux en ligne et réalité mixte des expériences telles que "Virtual Being" de FableStudio utilisent GPT-3 pour des histoires interactives.
- Codex aide les développeurs à traduire les entrées en langage naturel en codes pour une utilisation pratique Coding.
- DALL·E aide les créateurs NFT et les artistes numériques à produire des milliers d'œuvres d'art originales et uniques en quelques minutes. L'IA peut également éditer des images.
# 4. IBM Watson
IBM Watson est un ensemble d'IA à service complet pour les entreprises. Nous pouvons l'appeler un AGI car il a diverses applications. Il existe différentes IA Watson, et celles-ci sont les suivantes :
- IBM Watson Assistant pour le service client ou l'assistance virtuelle
- IBM Watson Discovery crée des informations et des réponses à partir de documents commerciaux complexes
- Compréhension et classificateur du langage naturel IBM Watson
Mot de la fin
Jusqu'à présent, vous avez exploré le concept d'intelligence artificielle générale. Vous avez également appris son fonctionnement, ses défis, ses exemples, ses risques, etc.
Apprendre ce qui précède vous aidera à planifier correctement vos projets de développement d'intelligence artificielle. Il doit être suffisamment flexible pour inclure des applications intelligentes de nouvelle génération dans votre projet et en faire une AGI.
Si vous êtes une entreprise qui cherche à rendre ses opérations plus productives et plus rentables, AGI pourrait être la réponse bien que d'autres développements soient en cours.
Ensuite, vous pouvez en savoir plus sur machine learning.
