Trí tuệ tổng hợp nhân tạo: Định nghĩa, phạm vi và ChatGPT như một AGI ban đầu

Trí tuệ tổng hợp nhân tạo (AGI) thể hiện sự mô phỏng khả năng nhận thức của con người trong phần mềm. Do đó, cho phép hệ thống AGI tìm ra giải pháp cho các nhiệm vụ không quen thuộc. Mục tiêu cuối cùng của AGI là thực hiện bất kỳ nhiệm vụ nào mà con người có thể đạt được, đặc biệt là sử dụng Hiểu ngôn ngữ tự nhiên. Tuy nhiên, không có định nghĩa nào về Trí tuệ nhân tạo chung được chấp nhận trên toàn cầu. Có rất nhiều ví dụ về Trí tuệ nhân tạo tổng hợp, chẳng hạn như ô tô tự lái, robot không người lái và thậm chí cả chatbot như tài khoản ChatGPT-4.

AI mạnh là một thuật ngữ khác của AGI. Ngược lại với AGI, AI hẹp hoặc yếu đề cập đến việc áp dụng AI vào các nhiệm vụ hoặc vấn đề cụ thể. Siêu máy tính Watson, hệ thống chuyên gia và xe tự lái của IBM là những ví dụ về AI thu hẹp.

Định nghĩa trí tuệ tổng hợp nhân tạo

Như đã nêu trước đây, có một số bất đồng giữa các chuyên gia về định nghĩa AGI. Một số người coi AGI là khả năng máy móc nhận thức, học hỏi và thực hiện các nhiệm vụ trí tuệ tương tự như con người. Những người khác định nghĩa AGI là một hệ thống tự trị vượt qua khả năng của con người trong công việc có giá trị kinh tế nhất. Phát triển AGI là mục tiêu chính của một số nghiên cứu về trí tuệ nhân tạo và của các công ty AI như OpenAI, DeepMind và Anthropic.

Các khả năng chính của AGI

1. Tính sáng tạo: Hệ thống AGI phải có khả năng đọc, hiểu và cải thiện mã do con người tạo ra.
2. Nhận thức giác quan: AGI nên vượt trội ở nhận thức chủ quan. Chẳng hạn như nhận dạng màu sắc và cảm nhận độ sâu cũng như ba chiều trong hình ảnh tĩnh.
3. Kỹ năng vận động tinh: AGI phải có nhận thức giàu trí tưởng tượng để thực hiện các nhiệm vụ như lấy một bộ chìa khóa từ trong túi.
4. Hiểu ngôn ngữ tự nhiên (NLU): Hệ thống AGI phải có mức độ trực giác cho phép hiểu ngôn ngữ tự nhiên. Điều này là do ngôn ngữ của con người phụ thuộc nhiều vào ngữ cảnh.
5. Điều hướng: AGI có thể dự đoán chuyển động trong không gian vật lý tốt hơn các hệ thống hiện có như GPS.

Các hệ thống AGI cũng được kỳ vọng sẽ xử lý các thuật toán học và học khác nhau, tạo ra các cấu trúc cố định cho tất cả các nhiệm vụ và hiểu các hệ thống ký hiệu. Người ta cũng cho rằng nó có thể sử dụng các loại kiến ​​thức khác nhau, hiểu các hệ thống niềm tin và tham gia vào siêu nhận thức.

AGI phải có khả năng thực hiện bất kỳ nhiệm vụ nào mà con người có thể làm được và thể hiện nhiều loại trí thông minh trong các lĩnh vực khác nhau. Hiệu suất của nó phải bằng hoặc tốt hơn con người trong việc giải quyết các vấn đề trong hầu hết các lĩnh vực trí tuệ.

Ví dụ về trí tuệ tổng hợp nhân tạo

Có nhiều ứng dụng và ví dụ khác nhau về việc sử dụng Trí tuệ nhân tạo tổng hợp, một số trong đó là:

1. Ô tô tự lái: Chúng có thể xác định những ô tô khác, người đi bộ và những vật thể khác trên đường và tuân theo tất cả các luật và quy định lái xe.
2. ROSS Intelligence: Một hệ thống chuyên gia pháp lý được gọi là ROSS thường được gọi là “luật sư AI”. Nó có thể trích xuất dữ liệu từ khoảng 1 tỷ tài liệu văn bản, phân tích dữ liệu và đưa ra câu trả lời chính xác cho các truy vấn đầy thách thức trong vòng chưa đầy ba giây.
3. Lập bản đồ bệnh tật: Nó có thể tận dụng các thuật toán học máy để phân tích lượng lớn dữ liệu dịch tễ học và xác định các mô hình cũng như yếu tố nguy cơ liên quan đến các bệnh cụ thể.
4. Sản xuất: Nó có thể cho phép tự động đưa ra quyết định, bảo trì dự đoán và tối ưu hóa quy trình sản xuất thông qua phân tích dữ liệu thời gian thực và thuật toán học máy.
5. Robot không người lái: AGI có thể kết hợp các thuật toán thị giác máy tính tiên tiến, xử lý ngôn ngữ tự nhiên và ra quyết định để cho phép máy bay không người lái tự điều hướng, tương tác với môi trường và thực hiện các nhiệm vụ phức tạp mà không cần sự can thiệp của con người.
6. Chatbots sáng tạo và giao tiếp: AGI sẽ kết hợp xử lý ngôn ngữ tự nhiên tiên tiến, thuật toán học sâu và hiểu biết theo ngữ cảnh để tạo ra phản hồi mạch lạc và phù hợp trong các cuộc hội thoại thời gian thực như AgentGPT.

Hạn chế của AI yếu

Hầu hết các hệ thống AI, chẳng hạn như học máy, học sâu, học tăng cường và xử lý ngôn ngữ tự nhiên, đều vượt trội trong việc hoàn thành các nhiệm vụ hoặc vấn đề cụ thể. Tuy nhiên, những công nghệ này không đạt đến khả năng tích lũy của bộ não con người. Mục tiêu bao trùm của AGI là cho phép các hệ thống nhân tạo học hỏi kinh nghiệm, điều chỉnh theo các đầu vào mới và thực hiện các nhiệm vụ giống con người.