هوش مصنوعی عمومی Artificial General Intelligence چیست؟

یک هوش مصنوعی عمومی در واقع ماشینی است که می تواند دنیای اطراف خود را همانند یک انسان درک کند و دارای ظرفیت و گنجایش مشابه برای انجام تسک ها و کارهای مختلف می باشد. در حال حاضر هوش مصنوعی عمومی وجود ندارد اما می توانیم رد پای آن را در داستان های تخیلی از قرن پیش مشاهده کنیم و در فیلم های مانند 2001:اودیسه فضایی ببینیم..

داستان های تخیلی و فیلم هایی که راجب هوش مصنوعی وجود دارند به طور گسترده ای با آن چه در واقعیت وجود دارد متفاوت هستند، البته بیشتر آن ها علاقه دارند تا ذهن ها را به سمت تصور نابجا در مورد ماشین های هوشمندی که قرار است انسان ها را ریشه کن کنند و یا به بردگی بکشند، ببرند. در چنین داستان هایی ، هوش مصنوعی عمومی اغلب به شکل موجودی بی تفاوت نسبت به درد و رنج انسان یا حتی کسی که خواهان نابودی بشر هستند تصویر می شوند.

در مقابل چنین تصوری، رمان ها و داستان هایی نیز وجود دارند که هوش مصنوعی عمومی را به عنوان متولیان خیر و خوبی نمایش می دهند که جوامع را با عدالت اداره می کنند و رنج ها را از بین می برند و آن را تبدیل به جایی می کنند که ساکنانش می توانند با شور و شوق و با یک سرعت نفس گیر به پیشرفت خود ادامه دهند.

این که این تصورات تا چه میزان نزدیک به هوش مصنوعی عمومی است و یا چه میزان با دنیای واقعی ارتباط دارد، به دلیل اینکه هنوز نتوانسته ایم به چنین چیزی به طور کامل دست پیدا کنیم در هاله ای از ابهام وجود دارد و هیچ کس نمی تواند به قطعیت بگوید خوب است یا بد. اما در هر صورت علم در دنیا دارد به سمتی می رود که روزی یک ماشین بتواند همانند انسان فکر کند و تصمیم بگیرد و عمل کند.

یک هوش مصنوعی عمومی چه کاری می تواند انجام دهد؟

از نظر تئوری یک هوش مصنوعی عمومی می تواند تمام کارهایی که یک انسان انجام می دهد را به طور کامل اجرا کند همین طور بسیاری از کارهایی که انسان از پس آن ها بر نمی آید. می توان گفت هوش مصنوعی عمومی حداقل می تواند همانند انسان عمل کند، تفکر و استدلال انعطاف پذیرداشته باشد و کارهای محاسباتی انجام دهد.

باید بدانیم که با این سطح از آگاهی و دانش یک ماشین یا دستگاه می تواند هر تسک و کاری که بر انسان محول می شود را به شیوه آن انجام دهد و با گذشت زمان نیز هوش مصنوعی می تواند تمام نقش های مختلف انسان را به راحتی اجرا کند. در ابتدای این راه ممکن است نیرو کار انسانی ارزان تر از نیرو کار هوش مصنوعی باشد و یا ممکن است نیرو انسانی و هوش مصنوعی در کنار یک دیگر کار کنند اما کم کم با پیشرفت هوش مصنوعی، هوش مصنوعی نیروی کار انسانی را به کنار می راند.

این خاتمه دادن به نیاز حضور نیروی انسانی هم جنبه های مثبت و هم جنبه های منفی در زندگی اجتماعی و سایر وجوح زندگی انسان ها خواهد داشت و باید از این نظر از ابتدا برای آن تفکر شود تا باعث به وجود آمدن معضل نشود.

امروزه که بحث ها در زمینه هوش مصنوعی عمومی و محدود و کاربرد های آن بالا گرفته است برخی خواستار جدی شدن مبحث معرفی درآمد عمومی جهانی (UBI) هستند. بر طبق این مبحث دولت ها موظف خواهند بود تا به طور مستمر به شهروندان حقوق بدهند.

گذشته از تاثیرات منفی ای که تصور می شود هوش مصنوعی عمومی به همراه داشته باشد، ظهور این نوع هوش مصنوعی می تواند بسیار مفید باشد. تصور کنید که جمعیتی از دانش با بهترین و درخشان ترین ذهن ها به توسعه فن آوری و تولید بپردازند و در چنین شرایطی بسیاری از مشکل هایی که در حال حاضر انسان با آن ها دست و پنجه نرم می کند، مانند تغییرات شدید آب و هوایی، رفع خواهد شد.

در سطح عادی، چنین سیستم هایی می توانند کارهای عادی تر و روزمره را انجام دهند، از کارهای ساده مانند رانندگی اتومبیل تا کارهایی مانند تشخیص پزشکی و عمل جراحی را انجام دهد و در بخش های مهم مربوط به مال و جان انسان ها بسیار مفید باشد.

آیا هوش مصنوعی عمومی می تواند به هوش ابر انسانی برسد؟

بله، چنین هوشی نه تنها از توانایی های کلی انسانی برخوردار است بلکه می تواند تمام مزایایی که کامپیوتر و ماشین ها نسبت به انسان دارد را در بهترین سطح دارا باشند.

چه زمانی انسان ها به هوش مصنوعی عمومی دست پیدا می کنند؟

با توجه به اینکه از چه کسی چنین سوالی می پرسید پاسخ سوالتان از 11 سال دیگر تا هیچ زمانی متفاوت خواهد بود. یکی از دلایل آن است که چنین سیستمی به سختی قابل پیاده سازی می باشد. امروزه بیشتر سیستم های مبنی بر هوش مصنوعی به صورت خدمات آنلاین هستند و سیستم هایی می باشند که می توانند زبان را بشناسند، گفتار را بفهمند و تشخیص چهره و عکس و فیلم  داشته باشید و بتواند آن را تجزیه و تحلیل کند. این پیشرفت های ساده در هوش مصنوعی و کمک هایی که به توسعه و پیشرفت می کنند می تواند چشم انداز مثبتی از هوش مصنوعی عمومی را در اختیار بشریت قرار دهند.

با این حال سیستم های هوش مصنوعی که امروزه مورد استفاده قرار می گیرند بسیار ساده و تک محوری هستند و تنها می توانند از پس یک تسک محول شده بر آیند که این کار نیز پس از آموزش های گسترده قابل اجراست و برای کار دیگری نمی توان از آن ها استفاده کرد. ماهیت این نوع از هوش مصنوعی (هوش مصنوعی عمومی) در واقع هوشی است که بتواند هر تسکی که به آن محول می شود را انجام دهد و در واقع هوش مصنوعی محدود پله ای کوچک برای رسیدن به آن است.

منبع: zdnet.com

اگر به این مطلب علاقه داشتید، آن را با دوستان خود به اشتراک بگذارید.

هوش مصنوعی محدود (artificial narrow intelligence)

هوش مصنوعی محدود نوعی از هوش مصنوعی است که در آن یک فناوری نسبت به انسان در تسک تعریف شده خاصی بهتر عمل می کند. بر خلاف هوش مصنوعی عمومی ، هوش مصنوعی محدود بر زیر مجموعه واحد از توانایی ها و پیشرفت های شناختی در یک کار بخصوص تمرکز دارد.

تعریف هوش مصنوعی محدود

در تاریخچه هوش مصنوعی ، هوش مصنوعی محدود بسیار زودتر از انواع دیگر هوش مصنوعی پدید آمده است. ممکن است بنظر برسد  که برخی از اولین سیستم های رایانه ای نیز از انسان ها در نوع خاصی از محاسبات و کارهای کمیتی ، بهتر عمل کرده است. بنابراین ممکن است تصور شود که آن فناوری ها باعث به وجود آمدن هوش مصنوعی محدود شده اند.

این روزها نمونه های هوش مصنوعی محدود زیاد است. رایانه ها در بازی های پیچیده ای مانند شطرنج ، تصمیم گیری هوشمندانه در زمینه تجارت و در انواع دیگر کارهای مفید و برجسته توانسته اند از انسانها پیشی بگیرند و بسیار خوب عمل کنند. با توجه به این موضوع ، جامعه فناوری به سمت تکامل سیستم های هوش مصنوعی گسترده تر و عمومی تر پیش می رود.

هوش مصنوعی محدود یک هدف آسان تر بود ، و هنوز بحث زیادی در مورد اینکه چگونه کامپیوترها با توجه به پیچیدگی مغز انسان قادر به برتری در هوش مصنوعی به طور کلی خواهند بود ، وجود دارد. با این حال ، پدیده هایی مانند پیشرفت هایی که در پردازش زبان طبیعی صورت گرفته است به رایانه ها امکان نوشتن اخبار و رمان های داستانی را می دهند ، و به ایده آل های انسان درباره آنچه می تواند الگوی هوش مصنوعی عمومی باشد ، نزدیک می شوند.

تفاوت بین هوش مصنوعی محدود و عمومی

هوش مصنوعی ضعیف جایی است که ما در حال حاضر در آن قرار داریم و هوش مصنوعی عمومی آینده ای است که می خواهیم به آن برویم. هوش مصنوعی محدود به نوعی از هوش مصنوعی اطلاق می شود که قادر است تنها یک کار خاص را انجام دهد. یک فیلترینگ اسپم یا لیست پخش پیشنهادی از Spotify یا حتی یک اتومبیل خود ران- که همه کاربردهای فناوری پیشرفته به حساب می آیند- جز هوش مصنوعی محدود دسته بندی می شود. حتی واتسون ، ابر رایانه رسانه ای IBM که می تواند متخصصان انسانی را مغلوب خود کند فقط نمونه ای از هوش مصنوعی محدود می باشد.

هوش مصنوعی محدود به این معنا است که در آن سیستم هوش مصنوعی میزان خاصی از هوش را در یک زمینه خاص به کار برده می شود ، اما این سیستم تنها رایانه یا ماشینی است که وظایف بسیار تخصصی و محدود را برای انسان ها انجام می دهد.

هوش مصنوعی عمومی بسیار پیچیده تر است. این واژه به سیستمی اطلاق می شود که قادر به مقابله با هر کار کلی است که از آن خواسته می شود ، دقیقاً همانند یک انسان. ایده آل هوش مصنوعی عمومی آن است که این سیستم توانایی های شناختی و درک تجربی کلی از محیط هایی که در آن قرار دارد را به همراه توانایی پردازش این داده ها با سرعت بسیار بیشتر از انسان ها داشته باشند.

از این رو نتیجه می گیریم که این سیستم ها در بعد دانش ، توانایی شناختی و سرعت پردازش از نظر انسانی قوی تر می شوند و لحظه ای همه چبز جالب تر می شود که بدانیم این هوش برتر در حقیقت ساخته همان انسان است. یکی از این موارد همان چیزی است که ریموند کورزویل ، مدیر مهندسی Google ، از آن به عنوان “تکینگی” یاد می کند.

از نظر کورزویل ، تا سال 2029 سیستم هوش مصنوعی آزمایش سنتی تورینگ را پشت سر می گذارد و به سطح هوش انسانی خواهد رسید. او تا سال 2045 پیش بینی می کند که تکینگی تکنولوژیکی رخ خواهد داد و در آن انسان قادر خواهد بود تا نئوکورتکس خود را به نوعی از سیستم ذخیره سازی – به احتمال زیاد مبتنی بر فضای ابری یا احتمالاً متصل به dna – مجهز کند و قادر به ادغام این نئوکورتکس با تقویت کننده هوش مصنوعی باشد. در اصل ، نهادهای هوش مصنوعی با آگاهی انسانی ادغام می شوند و فواید شناختی برای گونه های انسانی به ارمغان می آورند.

کاربردهای هوش مصنوعی محدود

از هوش مصنوعی محدود می توان در زمینه های زیر استفاده کرد:

• اتومبیل های خود ران که یاد می گیرند چگونه رانندگی کنند مانند اتومبیل های گوگل و Uber ، که هم اکنون نیز وجود دارند.
• تشخیص چهره در دفاتر بانکی که می تواند به شما در انجام کارهای شخصی کمک کند.
• با توجه به تمام اطلاعات مالی شما فرم مالیاتتان را تکمیل می کند.
• یک ربات که با توجه به ترجیحات قبلی شما ، پروازها و هتل های مورد نظرتان را برای شما رزرو می کند.
• برنامه ریزی مجازی که دست راست شما برای مدیریت برنامه هایتان و گردهمایی های شما خواهد بود.
• ایجاد لیست پخش موسیقی شخصی برای شما که بر اساس روال تمرینات ورزشی روزانه و غیره است.

این زیر مجموعه های هوش مصنوعی ، که ممکن است در تشخیص صدا و درک لهجه های رایج مانند دستیاران فردی مانند Siri و Cortana باشد ، می توانند با یادگیری ماشین و یادگیری عمیق به کمک شما بیایند و از کیفیت بسیار بالایی برخوردار هستند تا بتواند تحلیلی عظیم و اطلاعات ساختاری در نظر گرفته شده را برای شما انجام دهند.

منبع: ZDnet.com

یادگیری ماشین چیست؟ تعریف ساده

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه های رایانه ای است که بتوانند به داده ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند.

فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود، مانند مثال ها، تجارب مستقیم و یا دستور العمل ها، تا به یک الگو در داده ها برسند و بر اساس این مثال هایی که ارائه می دهیم، تصمیمات بهتری بگیرند. هدف اصلی آن است که به کامپیوتر این اجازه را بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتوانند اقدامات خود را بر مطابق با آن تنظیم کنند.

مفهوم ساده یادگیری ماشین

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز تولید می شوند، و به طور معمول توسط سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از سبک یادگیری یا عملکرد، تمام الگوریتم های یادگیری ماشینی به شرح زیر هستند:

• نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامیوتر آن را می فهمد.
• ارزشیابی:  همچنین معروف به عملکرد هدف/نمره دهی.
• بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.

 هدف اساسی الگوریتم های یادگیری ماشین ، تعمیم یادگیری ها به فراتر از نمونه های آموزش داده شده است، یعنی تفسیر موفقیت آمیز داده ها.

برخی از روش های یادگیری ماشین

الگوریتم های یادگیری ماشین عمدتا در دو نوع نظارت شده و نظارت نشده دسته بندی می شوند.

• الگوریتم یادگیری ماشین نظارت شده می تواند از آن چه که در گذشته آموخته اند و همچنین داده های جدید برچسب گذاری شده، برای پیشبینی آینده استفاده کند. این کار از آنالیز مجموعه داده های آموزشی شروع می شود، الگوریتم یادگیری یک عملکرد استنباطی تولید می کند تا پیش بینی های مربوط به مقادیر خروجی را انجام دهد. این نوع سیستم قادر است پس از آموزش های کافی برای هر داده جدیدی هدف مشخص کند. این الگوریتم یادگیری همچنین می تواند خروجی اش را با خروجی درست و از قبل تعیین شده مقایسه کند و خطاهای موجود را بیابد تا بر اساس آن مدل را اصلاح کند.
  • در مقابل، زمانی از الگوریتم های یادگیری ماشین بدون نظارت استفاده می شود که اطلاعات مورد نیاز برای آموزش نه طبقه بندی شده باشد و نه برچسب زده باشد. یادگیری بدون نظارت چگونگی اینکه سیستم می تواند توصیف ساختار پنهان از داده های بدون برچسب استنباط کنند، مطالعه می کند. این نوع سیستم خروجی مناسب را مشخص نمی کند و تنها می تواند داده ها را کاوش کند و از داده های برچسب زده نشده ساختارهای پنهان را استنتاج می کند.
  • الگوریتم یادگیری ماشین نیمه نظارت شده بین دو نوع قبلی قرار دارد. این سیستم از هر دو نوع داده برچسب زده شده و برچسب نزده شده برای آموزش استفاده می کند. سیستم هایی که از این روش استفاده می کنند، می توانند دقت یادگیری را تا میزان قابل توجهی بهبود ببخشند. معمولا زمانی این نوع یادگیری را انتخاب می کنیم که داده های برچسب زده شده بدست آمده  نیاز به منابع ماهر و مرتبط برای آموزش و یادگیری دارند. در غیر این صورت ، دستیابی به داده های دارای برچسب معمولاً نیازی به منابع اضافی ندارد.
  • الگوریتم های یادگیری ماشین تقویت کننده روشی هستند که به وسیله اقدامات با محیط خود در تعامل هستند و خطاها و پاداش ها را کشف می کنند. آزمایش، جست و جوی خطاها و  پاداش های تاخیری مهم ترین ویژگی های یادگیری تقویتی هستند. این نوع یادگیری به ماشین ها و عوامل نرم افزار اجازه می دهد تا به طور خودکار، برای به حداکثر رساندن عملکرد خود، رفتار ایده آل خود را مشخص کنند. این سیستم از بازخورد پاداش ساده استفاده می کند تا ببیند کدام عمل بهتر بهتر است و این امر به عنوان سیگنال تقویت شناخته شده است.

یادگیری ماشین آنالیز مقادیر انبوهی از داده ها را امکان پذیر می کند. این یادگیری در شناسایی فرصت های سودآور و یا خطرناک معمولا نتایج سریعتر و دقیق تری ارائه می کند اما برای آموزش آن ممکن است به زمان و منابع اضافی نیاز داشته باشیم.  تلفیقی از یادگیری ماشین و هوش مصنوعی و فناوری های شناختی می تواند در پردازش حجم زیادی از اطلاعات موثر باشد.

منبع: emerj.com

اگر این مطلب برای شما نیز مفید بود، آن را با دوستان خود به اشتراک بگذارید.

عصر هوش مصنوعی پیش روی ما است و از بسیاری جهات ، ما را مجذوب خود کرده است. ما در اطلاعات ، مقالات و نظریه ها در مورد هوش مصنوعی غرق شده ایم. کارشناسان و غیر کارشناسان تلاش می کنند آینده ای را که ناشی از ظهور این فناوری است برای ما پیش بینی کنند. . به دلیل جریان مداوم اطلاعات در هوش مصنوعی ، تشخیص اینکه دقیقاً هوش مصنوعی چیست ، دشوارتر می شود. تعداد کمی از ما قادر به تعریف هوش مصنوعی هستیم. بسیاری از ما آن را با سایر کلید واژه ها مانند “روبات” اشتباه می گیریم و مترادف می دانیم.

به لطف کتابهای علمی تخیلی ، فیلم ها و گمانه زنی های مربوط به آینده ، بسیاری از ما تصوری از دنیایی را که توسط ربات ها اداره می شود را داریم. حالا که ظاهراً در دوره هوش مصنوعی قرار گرفته ایم ، ناگزیریم که بپرسیم و بیشتر بدانیم که هوش مصنوعی چیست؟ چقدر با آنچه در تصور ماست متفاوت است؟

حقیقت این است که ، با وجود اینکه در محاصره هوش مصنوعی و اطلاعات آن هستیم، کمتر کسی از اصطلاح “هوش مصنوعی” به درستی استفاده می کنند. سو استفاده و سو تفاهم از این اصطلاح می تواند باعث شود که ما اظهارات و مفروضات غلطی را در مورد آنچه که آینده در اختیار دارد ، قرار دهیم. همانطور که می دانیم ، جهان با یک سرعت رو به افزایش در حال تغییر است ، بنابراین اگر می خواهیم در آینده پیشرفت کنیم ، داشتن تفکر منطقی در مورد این تغییرات بسیار مهم است. برای انطباق در دنیایی با محوریت تغییر، درک پیامدهای هوش مصنوعی بر جامعه و روشن شدن جایگاهمان که باید امروز در کجا بایستیم ، ابتدا باید بین انواع مختلف هوش مصنوعی تمایز قایل شویم.

 هوش مصنوعی محدود (Artificial Narrow Intelligence)

تعریف “گسترده” از هوش مصنوعی مبهم است و می تواند باعث ایجاد درک نادرستی از نوع هوش مصنوعی شود که امروز با آن تعامل داریم.

هوش مصنوعی محدود (ANI) هوش مصنوعی ای است که امروزه در جهان ما وجود دارد. هوش مصنوعی محدود هوشی است که برای انجام یک کار واحد برنامه ریزی شده است – خواه برای بررسی آب و هوا ، بازی شطرنج ، یا تجزیه و تحلیل داده های خام برای نوشتن گزارش های روزنامه نگاری باشد.

سیستم های ANI می توانند در زمان واحد یک کار را انجام دهد و اطلاعات را از یک دیتا ست خاص جمع آوری می کند. در نتیجه ، این سیستم ها نمی توانند بیش از یک وظیفه ای که برای انجام آنها تعریف شده است کار دیگری انجام دهند.

برخلاف هوش مصنوعی عمومی، که در ادامه بیشتر در مورد آنها بحث خواهیم کرد ، هوش مصنوعی محدود، آگاهانه ، احساساتی و یا احساسی نیست و همانند انسان هدایت نمی شود. هوش مصنوعی محدود با داده های از پیش تعیین شده و از پیش تعریف شده عمل می کند ، حتی با اینکه به نظر می رسد بسیار پیچیده تر از آن باشد.

هر نوع هوش دستگاهی که امروز ما را احاطه کرده است ، هوش مصنوعی محدود است. دستیارGoogle ، Google Translate ، Siri و سایر ابزارهای پردازش زبان طبیعی نمونه هایی از Narrow AI هستند. برخی ممکن است تصور کنند که این ابزارها به دلیل توانایی تعامل با ما و پردازش زبان انسانی “محدود” نیستند ، اما دلیل اینکه ما آن را هوش مصنوعی “محدود” می نامیم این است که این دستگاه ها به هیچ وجه نزدیک به هوش انسان نیستند. آنها فاقد هوشیاری ، آگاهی و هوش واقعی برای مطابقت با هوش انسانی هستند. به عبارت دیگر ، آنها نمی توانند برای خودشان فکر کنند.

این دلیلی است که توضیح می دهد چرا وقتی سؤالات انتزاعی راجع به مواردی مانند معنای زندگی یا چگونگی حل یک مشکل شخصی به Siriیا دستیار Google ارائه می دهیم ، پاسخهای مبهمی می گیریم که غالباً منطقی نیستند ، یا به مقالات اینترنتی موجود ارجاع داده می شویم که به این سوالات می پردازند. از طرف دیگر ، وقتی از Siri سؤال می کنیم که هوای بیرون چطور است ، پاسخ دقیقی می گیریم. این به دلیل آن است که سوالی پرسیده ایم که در محدوده اطلاعاتی است که برای آن طراحی شده است.

ما به عنوان انسان ، توانایی ارزیابی محیط اطراف خود ، موجودات و واکنش های عاطفی به موقعیت ها را داریم. . هوش مصنوعی که وجود دارد ، انعطاف پذیری مغز ما را ندارد که مانند انسان فکر کند. حتی اتومبیل های پیشرفته خود ران نیز از چندین سیستم هوش مصنوعی محدود تشکیل شده اند و با همه پیچیدگی شان در این نوع دسته بندی می شوند.

هوش مصنوعی عمومی (Artificial General Intelligence)

هوش عمومی مصنوعی به ماشینهایی اطلاق می شود که دارای هوش انسانی هستند. . به عبارت دیگر ، AGI می تواند هر وظیفه فکری را که یک انسان می تواند انجام دهد را،  با موفقیت انجام دهد. این نوعی هوش مصنوعی است که ما در فیلم هایی مانند “او” یا سایر فیلم های علمی تخیلی می بینیم که در آن انسان ها با ماشین ها و سیستم عامل هایی که دارای آگاهی و احساسات هستند و تحت تأثیر احساسات و خودآگاهی قرار دارند ، در تعامل هستند.

در حال حاضر ، ماشین آلات قادرند داده ها را سریعتر از حد ممکن پردازش کنند. اما به عنوان انسان ، ما این توانایی را داریم که تصمیم گیری آگاهانه انجام دهیم یا ایده های خلاقانه و تفکر انتزاعی و استراتژیک داشته باشیم و یا در افکار و خاطرات خود تعمق کنیم. این نوع هوش ما را برتر از ماشین ها می کند ، اما تعریف آن دشوار است زیرا در اصل ناشی از توانایی ما به عنوان یک  موجود احساسی است.

از AGI انتظار می رود که بتواند استدلال کند ، مشکلات را حل کند ، در زمان عدم قطعیت قضاوت کند ، برنامه ریزی کند ، یاد بگیرد ، دانش قبلی را در تصمیم گیری ادغام کند و مبتکر ، دارای قوه تخیل و خلاق باشد.

اما برای دستیابی ماشین  به هوشی شبیه به انسان ، نیاز است که قادر به تجربه و آگاهی باشند.

سوپر هوش مصنوعی (Artificial Super Intelligence)

نیک بوستروس ،استاد فیلسوف دانشگاه آکسفورد ، سوپر هوش مصنوعی را اینگونه تعریف می کند:

“هر هوشی که تقریباً بتواند از عملکرد شناختی انسان در همه حوزه های مورد نظر فراتر رود”

سوپر هوش مصنوعی (ASI) از هوش انسانی در همه ابعاد – از خلاقیت ، تا خرد عمومی ، تا حل مسئله- پیشی خواهد گرفت. ماشین ها قادر به نمایش اطلاعاتی خواهند بود که ما در فرهیخته ترین افراد انسانی ندیده ایم. این نوع هوش مصنوعی است که افراد زیادی نگران آن هستند و نوعی است که افرادی مانند ایلان ماسک فکر می کنند منجر به انقراض نسل بشر خواهد شد.

منبع: medium.com

برای مطالعه بیشتر راجع به هوش مصنوعی به بلاگ عامر اندیش مراجعه کنید.