Wat is kunstmatige algemene intelligentie? Alles wat u moet weten

Kunstmatige algemene intelligentie maakt plaats voor machines die zich kunnen gedragen, presteren en leren zoals wij!

Kunstmatige intelligentie heeft de manier waarop machines werken veranderd. Tegenwoordig kan je computer veel persoonlijke en professionele taken uitvoeren als je hem traint met AI-tools. Enkele voorbeelden zijn het maken van afbeeldingen, het produceren van spraak uit tekst, het besturen van hulpprogramma’s, enz.

Maar deze zijn niet echt intelligent. Er zitten vele maanden training achter een dergelijke automatisering.

Hoe zit het met een echt intelligente computerapplicatie die uit zichzelf kan leren? Dat is het domein van kunstmatige algemene intelligentie. Lees verder om deze baanbrekende technologie vandaag nog te leren!

Introductie

AGI is een technologie die software en hardware zo slim kan maken dat ze menselijke cognitieve vaardigheden uitstralen. Het heeft andere namen zoals sterke AI, volledige AI, enz.

Om het te vereenvoudigen, je legt het slimme AGI systeem een probleem voor dat het nog niet kende. De slimme computer analyseert het probleem, doet wat online onderzoek en levert een oplossing voor het probleem.

IBM, OpenAI, Microsoft, Google Brain, Darktrace, Deepmind, enz. zijn de snelle spelers in de AGI technologie. Deze bedrijven proberen het volgende in een slimme computer te stoppen:

• Menselijke algemene intelligentie
• Express intelligentie is niet gekoppeld aan een specifieke taak zoals typen of spreken
• Nieuwe kennis generaliseren en de kennis koppelen aan eerdere ervaringen
• Lessen die kwalitatief verschillend zijn zinvol maken
• Taken waarnemen en analyseren vanuit de echte wereldcontext

Op dit moment bestaat er nog geen echte kunstmatige algemene intelligentie (AGI). IBM Strong AI en Google Brain boeken enige vooruitgang, maar deze zijn nog niet productierijp.

Voordelen en behoeften

We hebben AGI nodig om mensen op gevaarlijke plaatsen te vervangen. Ook kunnen AGI-computers zorgen voor een ongekende productiviteit in de bedrijfsvoering.

AGI-toepassingen zullen de mensheid ook helpen om lastige puzzels op te lossen in de geneeskunde, gezondheidszorg, toeleveringsketen, economie, financiën en sociale wetenschappen.

Hier zijn enkele andere belangrijke redenen om een AGI te ontwikkelen:

• AGI-toepassingen kunnen een beter begrip van oorzaak en gevolg vertonen om mensen te helpen met risicobeoordelingsprojecten.
• AGI’s kunnen effectief gebruik maken van verschillende zintuiglijke waarnemingen zoals kleur, geluid, diepte, visuals en dimensies.
• Dergelijke intelligente computerprogramma’s kunnen opdracht geven aan een robotarm om fijne motorische vaardigheden uit te voeren, zoals het van begin tot eind in elkaar zetten van elektronische apparaten.
• De natuurlijke taalverwerking (NLP) van een AGI zal automatisering gemakkelijker maken. Je hoeft alleen maar een paar trefwoorden in te spreken en de AGI tool bouwt de geautomatiseerde flow die je nodig hebt.
• AGI’s kunnen unieke problemen oplossen nadat ze naar het probleem hebben gekeken en de echte omgeving hebben geanalyseerd. Het is niet nodig om te voldoen aan Als/Dan, Als/Else, etc. voorwaarden.
• AGI’s kunnen content creators, kunstenaars, ontwerpers en architecten helpen met out-of-the-box ideeën.
• AGI apps kunnen uitstekende klantenservice bieden zonder enige misser omdat ze ook emotionele en sociale intelligentie zullen vertonen.

AI vs. AGI

#1. Werking

AI, ook wel smalle AI genoemd, is een reactieve slimme toepassing. Het zal reageren met een vooraf ingestelde lijst van acties wanneer het signalen ontvangt van event triggers.

AGI’s hebben geen event triggers nodig. Deze apps zullen proactief reageren, net als mensen, om problemen te voorkomen, puzzels op te lossen, enz.

#2. Reikwijdte van actie

Smalle of zwakke AI’s hebben ook een beperkt werkterrein. Een schrijvende AI zal geen auto besturen en omgekeerd. De beperkte toepassing maakt de ontwikkeling ook duur en inefficiënt op productieniveau.

Eén AGI zou een hele productiefabriek, duizenden huizen in een plaats in een regio of alle bedrijfskantoren van je bedrijf kunnen besturen. Het staat open voor elke uitdaging omdat het cognitief kan leren, redeneren en proactief actie kan ondernemen.

#3. Probleemoplossend vermogen

Smalle AI’s lossen meestal problemen op met een beperkt doel, zoals GPS-navigatie, zoeken op het web op basis van trefwoorden, AI schrijven, AI code voltooien, enz.

Kunstmatige algemene intelligentie kan open problemen aan, zoals het creëren van een field marketing strategie door het analyseren van de markt, klanten en producten.

#4. Geheugencapaciteit

De meeste zwakke AI-programma’s zijn gebaseerd op machines met een beperkt geheugen. AI’s vertrouwen op een set kunstmatige neurale netwerken en trainingsdatabases. Als de database of algoritmen oud zijn, lopen AI’s vast.

AGI’s zullen worden geleverd met vrijwel oneindig geheugen (kennisbronnen) via lokale databases, clouddatabases en het internet.

#5. Upgrades

Mensen moeten zwakke AI’s regelmatig upgraden als de bedrijfsvereisten en markttrends veranderen.

AGI’s zullen hun geheugen en databases zelf upgraden. Ze zullen niet om menselijke tussenkomst vragen.

Benaderingen

#1. De subsymbolische benadering

Hier gebruiken AGI ontwikkelaars toepassingen die lijken op het menselijk brein. Bijvoorbeeld DeepMind’s AlphaGo, convolutionele neurale netwerken, diep lerende systemen, etc.

#2. De symbolische benadering

Bij deze methode gebruiken AGI-ontwikkelaars stroomdiagrammen, symbolen en als-dan statements. Kunstmatige algemene intelligentie gebruikt een primair algoritme om te leren en een kennisbasis te creëren. Verder kan het algoritme en de symbolen ervan vergelijken met aspecten uit de echte wereld en betere denkprocessen ontwikkelen dan zwakke AI’s.

#3. De benadering van het hele lichaam

In dit concept willen AGI-ontwikkelaars alle software, hardware, netwerken en zintuiglijke vermogens in een mensachtig lichaam opnemen. De humanoïde kan lopen, praten, mensen aanraken, enzovoort.

#4. De hybride benadering

De hybride manier van AGI ontwikkeling is gebaseerd op de sub-symbolische en symbolische benaderingen.

Een succesvol voorbeeld van deze categorie is Sophia, een humanoïde robot. Het omvat zowel symbolische als connectionistische systemen. Sophia heeft bijvoorbeeld de CogPrime architectuur en AtomSpace database nodig voor haar functionaliteiten.

#5. Wiskundige benadering

Onderzoekers streven ernaar om de AGI’s oneindige rekenkracht toe te wijzen. Hierdoor zullen deze slimme apps en apparaten in staat zijn om het vereiste aantal wiskundige problemen op te lossen om uitstekende beslissingen te nemen.

Hoe werkt AGI?

Een AGI programma maakt gebruik van verschillende technologieën om cognitieve vaardigheden op menselijk niveau te bereiken. Deze staan hieronder:

Invoer en uitvoer (I/O)

AGI’s gebruiken verschillende sensorische apparaten om hun taken in fabrieken of als zelfrijdende auto’s uit te voeren. Deze sensoren kunnen visueel, RFID, temperatuur, druk, snelheid, beweging, enz. zijn.

Een andere groep AGI’s kan OCR, databasekoppelingen, enz. nodig hebben om bedrijfsactiviteiten in kantoren uit te voeren.

Motorische vaardigheden

Het hele lichaam, robotarmen, autonome voertuigen, enz. werken door het maken van fijne bewegingen. AGI’s vertrouwen op motorische vaardigheden die zijn opgedaan via neurale netwerken, 3D-beeldverwerking, visuele nabootsing, enzovoort.

NLP

Een AGI kan leren van verschillende bronnen, zoals websiteartikelen, onderzoekstijdschriften, eBooks, YouTube-video’s, enz. Hiervoor leert de slimme toepassing eerst natuurlijke taal te interpreteren in machinetaal.

Redeneren en problemen oplossen

Een AGI robot of applicatie gebruikt vaak simulaties om een uniek probleem op te lossen. Omdat de machine enorme verwerkings- en geheugencapaciteiten heeft, kan hij meerdere simulaties tegelijk uitvoeren. Op basis van het succespercentage kan dan een simulatie worden gekozen.

Creatief denken

AGI’s kunnen meerdere neurale netwerken gebruiken om unieke en creatieve ideeën te creëren, zoals kunstvormen, muzieknoten, artikelen, etc.

Gezichtsherkenning en geluidsverwerking

Humanoïde AGI’s die interactie hebben met mensen gebruiken meestal geluidsanalyse en gezichtsherkenning. Na het verwerken van de audio en visuals uit de omgeving en cross-checking met bestaande kennisbanken, kan het communiceren met mensen.

Uitdagingen

Kunstmatige algemene intelligentie heeft een immense mogelijkheid om de wereld van AI te transformeren. Maar het bereiken van dit stadium gaat niet van een leien dakje. Hier zijn de uitdagingen en hindernissen voor de ontwikkeling van een AGI:

#1. Mensachtige vaardigheden beheersen

Om echte intelligentie op menselijk niveau te verkrijgen, moet een AGI een aantal vaardigheden beheersen. Dit zijn onder andere motorische vaardigheden, het begrijpen van natuurlijke taal, zintuiglijke waarneming, emotionele en sociale verbinding en creativiteit op menselijk niveau.

#2. Afwezigheid van werkprotocol

Er zijn geen standaard werkprotocollen van AI-systemen voor moeiteloze samenwerking. Daarom heeft het inzetten van een uitgebreid AGI-systeem te maken met onvermijdelijke technische tekortkomingen.

#3. Gebrek aan zakelijke afstemming

De integratie van AI in bestaande systemen blijft een complex proces. Omdat de betrokken belanghebbenden nog steeds niet op de hoogte zijn van de operationele parameters, is het moeilijk om de ontwikkeling in lijn te houden met de bedrijfsdoelstellingen.

#4. Communicatiehiaten

Er is nog steeds een communicatiekloof tussen afzonderlijke AI-systemen. Omdat naadloze gegevensuitwisseling tussen deze systemen onmogelijk is, wordt het leren van AI-modellen belemmerd en wordt de universaliteit ervan beperkt.

#5. Afwezigheid van AGI-richting

Er zijn geen plannen of aanwijzingen voor het implementeren van AGI in de bedrijfsvoering van bedrijven. Hierdoor wordt de implementatie kostbaar en de realisatie belemmerd.

Trends

Zoals je weet moet de ontwikkeling van kunstmatige algemene intelligentie nog worden voltooid. Echter, deze AI trends zullen AGI beïnvloeden:

#1. Natuurlijke taalverwerking (NLP)

NLP of Natural Language Processing verwijst naar het proces waarbij AI menselijke taal kan begrijpen en omzetten in machine-ondersteunde codes. Door NLP te gebruiken, kan AGI verwachten realistisch met mensen te kunnen communiceren.

#2. Metaverse

Metaverse is een technologie die een meeslepende gebruikerservaring biedt. Als meer mensen geïnteresseerd zijn, zal AGI zich ontwikkelen om Metaverse te helpen bij het bouwen van een virtuele wereld.

#3. Low-Code of No-Code AI

Er is een toenemende vraag naar low-code of no-code oplossingen, zelfs voor AI tools en algoritmes. Deze oplossingen worden geleverd met intuïtieve interfaces om complexe app-ontwikkelingsprocessen gemakkelijker te maken.

#4. Personeelsuitbreiding

Dit betekent dat mensen en digitale werknemers zij aan zij werken in een organisatie. Hoewel veel mensen vrezen dat AI mensen werkloos zal maken, zal het efficiënter worden om AI op te nemen in de bedrijfsvoering.

#5. Quantum AI

Quantum AI heeft een grote kans om AGI te beïnvloeden door ML-algoritmes te versnellen en je te helpen snel resultaten te krijgen. Het kan ook de obstakels neutraliseren waarmee AGI te maken kan krijgen bij het analyseren van een enorme hoeveelheid gegevens.

#6. AI ethiek

De potentiële risico’s van AI zijn onmogelijk te negeren. Als AI niet op de juiste manier wordt gebruikt, kan het gevaarlijk zijn voor de mensheid. Daarom zal AI-ethiek de komende jaren meer aandacht krijgen.

#7. AI-chatbots

AI-chatbots of virtuele assistenten kunnen een natuurlijke conversatie voeren en op regels gebaseerde handelingen uitvoeren. Deze chatbots vervangen menselijke supportmedewerkers en hebben de operationele kosten voor bedrijven al verlaagd. In de toekomst kan dit een revolutie betekenen voor AGI.

Risico’s van AGI

• Als de database van de AGI beperkt is, kan deze desastreuze beslissingen nemen die schade toebrengen aan bedrijven en huizen.
• AGI’s kunnen het doelwit worden van geavanceerde hackaanvallen. Als een hacker een AGI-machine platlegt, kan dit het hele bedrijf beschadigen.
• AI-ontwikkelaars hebben verschillende incidenten gemeld waarbij prototype-AGI’s bevooroordeelde beslissingen namen.
• Als we AGI’s onbeperkte toegang geven tot databases, kan dit ook in strijd zijn met verschillende privacyregels over de hele wereld.

Vervolgens zullen we kijken naar echte voorbeelden van Artificial General Intelligence.

Voorbeelden uit de praktijk

#1. Geautomatiseerde contractbeoordeling van ThoughtRiver

De AI intelligentie van ThoughtRiver‘s Contract Acceleration Platform kan juridische documenten doorzoeken, contracten beoordelen en markeren, strategieën bepalen en zelfs corrigeren om deals over de eindstreep te krijgen.

Het kan zelfs historische precedenten aanhalen om de onderhandelingspositie te versterken. Het is alsof je zowel Mike Ross als Harvey Spector in je hoek hebt.

#2. AlphaGo

AlphaGo is een AI-gebaseerde Go-speler. Het is de eerste slimme machine die een levende professionele Go-speler heeft verslagen. Hoewel dit een AI is met een beperkte actieradius, heeft het zelflerende capaciteiten. AlphaGo kan leren van zijn concurrent en zijn eigen fouten.

#3. Gebundelde AI-toolsvan OpenAI

OpenAI’s reeks AI-systemen, zoals hieronder vermeld, kunnen verschillende taken automatisch uitvoeren wanneer ze gecombineerd worden via API-aanroepen:

• GPT-3 maakt op natuurlijke taal gebaseerde teksten van eenvoudige zinnen en aanwijzingen. Veel online games en mixed reality ervaringen zoals FableStudio’s verhaalgedreven “Virtual Being” gebruiken GPT-3 voor interactieve verhalen.
• Codex helpt ontwikkelaars om invoer in natuurlijke taal te vertalen naar codes voor eenvoudig coderen.
• DALL-E helpt NFT-makers en digitale kunstenaars om in een paar minuten duizenden originele en unieke kunstwerken te maken. De AI kan ook afbeeldingen bewerken.

#4. IBM Watson

IBM Watson is een full-service AI-bundel voor bedrijven. We kunnen het een AGI noemen omdat het verschillende toepassingen heeft. Er zijn verschillende Watson AI’s, zoals hieronder:

• IBM Watson Assistant voor klantenservice of virtuele assistentie
• IBM Watson Discovery creëert inzichten en antwoorden uit complexe bedrijfsdocumenten
• IBM Watson Natural Language Understanding en Classifier

Laatste woorden

Tot nu toe heb je het concept van kunstmatige algemene intelligentie verkend. U hebt ook de werking, uitdagingen, voorbeelden, risico’s en nog veel meer geleerd.

Het leren van het bovenstaande zal je helpen bij het correct plannen van je kunstmatige intelligentie ontwikkelingsprojecten. Het moet flexibel genoeg zijn om de volgende generatie slimme toepassingen in je project op te nemen en er een AGI van te maken.

Als je als bedrijf je activiteiten productiever en kosteneffectiever wilt maken, kan AGI het antwoord zijn, hoewel er nog meer ontwikkelingen gaande zijn.

Vervolgens kun je meer te weten komen over machine learning.