Как близка общая искусственная интеллигенция? В погоне за AGI

Современные модели искусственного интеллекта уже умеют проектировать молекулы, писать рабочий код и генерировать связный текст, но при этом иногда не справляются с простыми задачами, которые человек решает за минуты. Этот разрыв — высокий уровень узкой компетенции и хрупкость при общем рассуждении — отражает главный вызов создания общей искусственной интеллигенции (AGI).

Разрыв между узкими навыками и общим мышлением

Модели сегодня хорошо проходят узкоспецифичные тесты: предсказывают следующий токен, оптимизируют молекулу под цель или пишут код по спецификации. Однако их поведение часто лишено гибкости, необходимой для перехода между задачами, импровизации при неполной информации или планирования во времени.

Вопрос в том, сможем ли мы благодаря улучшенным архитектурам, большим и качественным данным, вычислительным ресурсам и системному дизайну создать машины, способные демонстрировать устойчивую производительность во множестве доменов.

Прогнозы лидеров отрасли

Дарио Амодеи, сооснователь Anthropic, предсказывает появление некоторой формы «мощного ИИ» уже к 2026 году. Он предполагает системы с экспертными знаниями на уровне, сравнимом с Нобелевскими достижениями в отдельных областях, способные переключаться между текстом, аудио и физическим миром и автономно рассуждать в направлении целей.

Сэм Олтман, генеральный директор OpenAI, считает, что свойства, близкие к AGI, «входят в поле зрения», а их влияние на общество будет сопоставимо с электричеством и интернетом. Он отмечает вклад стабильного прогресса в обучении, доступности данных и вычислений, а также снижение затрат.

Оценки сроков и опросы экспертов

Оптимизм распространён и среди широкой аудитории исследователей: агрегированные прогнозы дают по крайней мере 50% шанс достижения нескольких вех AGI к 2028 году. Один из опросов экспертного сообщества оценивал вероятность того, что машины превзойдут людей во всех задачах без помощи людей, в 10% к 2027 году и в 50% к 2047 году. С каждым новым прорывом медианные временные горизонты сокращаются.

Иэн Братт из Arm отмечает, что «большие языковые и рассуждающие модели трансформируют практически все отрасли», что подтверждает быстрое влияние накопительных улучшений.

Что может привести к появлению AGI?

Чаще всего называют несколько ключевых факторов: большие и качественные наборы данных, алгоритмические инновации для улучшения обобщения и рассуждений, значительный рост вычислительных мощностей и повышение эффективности обучения, а также новые подходы к объединению мультимодальных данных и взаимодействию с физическим миром. Не менее важны системные решения: оркестрация операций, механизмы безопасности и инструменты, позволяющие моделям надёжно действовать в реальном мире.

Комбинация аппаратного обеспечения, программных решений и социально-технической инфраструктуры — включая доступность недорогих вычислений и инвестиции — вероятно, определит скорость и безопасность появления более общих систем.

Неопределённости и риски

Сроки остаются предметом споров и зависят от предположений о законах масштабирования, появлении новых способностей и общественных приоритетах. Даже при быстрой форме появления AGI последствия будут зависеть от регуляции, выбора сценариев развертывания и того, насколько исследования по безопасности и выравниванию поспеват за ростом способностей.

Источник материала

Обзор основан на отчёте Insights, подготовленном для MIT Technology Review. Контент Insights исследовали и написали люди — авторы, редакторы и аналитики — при поддержке иллюстраторов и рецензентов.