Вступ

Штучний інтелект (ШІ) зробив значний прогрес, переходячи від вузькоспеціалізованих систем до динамічних, адаптивних інструментів, що працюють за допомогою передових технік, таких як інженерія запитів, Retrieval-Augmented Generation (RAG) та агентні робочі процеси. Ці інновації наближають нас до концепції Штучного Загального Інтелекту (AGI), викликаючи дискусії про те, наскільки розумними є ці системи порівняно з людьми.

Але де ці нові тенденції в застосуванні ШІ стоять у ширшому контексті гонки за створенням розумніших систем? Як ми оцінюємо прогрес ШІ та його потенціал конкурувати з людським інтелектом?

Визначення ШІ, AGI та ASI

1. Штучний інтелект (ШІ):
   Системи ШІ призначені для виконання специфічних завдань, які вимагають людоподібного інтелекту, таких як розпізнавання зображень або переклад мов. Це системи "вузького ШІ", оптимізовані для чітко визначених доменів.
2. Штучний загальний інтелект (AGI):
   AGI, або "сильний ШІ", це система, здатна розуміти, вчитися та міркувати в будь-якій інтелектуальній сфері, як людина. Вона не обмежена конкретними завданнями та адаптується до нових викликів.
3. Штучний суперінтелект (ASI):
   ASI перевершує людський інтелект у всіх аспектах — креативності, вирішенні проблем та міркуванні — позначаючи гіпотетичне майбутнє, де машини домінують у інтелектуальних здобутках.

Де знаходяться тренди на основі ШІ, такі як інженерія запитів?

Останні досягнення в ШІ, такі як інженерія запитів, RAG і агентні робочі процеси, ввели нові парадигми для побудови розумних систем. Ось як вони вписуються в ширшу картину:

1. Інженерія запитів

• Опис: Інженерія запитів включає в себе створення точних запитів або інструкцій для оптимізації роботи великих мовних моделей (LLM). Вона використовує попередньо навчені моделі для генерації висококонтекстних та когерентних результатів.
• Роль у гонці AGI: Хоча інженерія запитів ефективна в отриманні специфічних можливостей, вона сильно залежить від людської творчості для отримання розумної поведінки. Вона демонструє гнучкість ШІ, але не є справжньо автономною — це крок до розумнішого ШІ, але не до досягнення AGI.

2. Retrieval-Augmented Generation (RAG)

• Опис: RAG покращує ШІ, інтегруючи зовнішні бази знань з LLM. Він динамічно отримує відповідний контекст для доповнення розуміння і точності моделі, пропонуючи актуальну, специфічну для домену інтелектуальну інформацію.
• Роль у гонці AGI: Системи RAG скорочують розрив між статичними попередньо навченими моделями та здатністю адаптуватися в реальному часі, але все ще не володіють загальним міркуванням чи здатністю до самонавчання без курованих наборів даних.

3. Агентні робочі процеси (наприклад, Crew AI)

• Опис: Агентні робочі процеси включають в себе ланцюжок систем ШІ, що працюють автономно для досягнення складних цілей. Системи, як Crew AI, втілюють делегування завдань, прийняття рішень та співпрацю через кілька "агентів" ШІ.
• Роль у гонці AGI: Цей підхід імітує координацію та вирішення проблем, подібне до людського, що робить його перспективним кроком до AGI. Однак це більше оркестроване автоматизоване рішення, ніж справжнє розуміння або креативність.

Оцінка інтелекту: Метрики для людей та ШІ

1. Ключові метрики для порівняння трендів ШІ та AGI

1. Автономія:

• Тренди ШІ: Системи, як Crew AI та RAG, залежать від визначених людиною цілей та структур.
• AGI: Працює автономно, визначаючи свої цілі та вирішуючи проблеми самостійно.

2. Адаптивність до різних доменів:

• Тренди ШІ: Поточні системи добре працюють у специфічних доменах із керованим навчанням, але з труднощами при узагальненні.
• AGI: Демонструє адаптивність та міркування, незалежні від домену.

3. Співпраця:

• Тренди ШІ: Агентні робочі процеси демонструють нові форми співпраці, але не мають самосвідомості і справжнього розуміння командної роботи.
• Люди та AGI: Співпраця ґрунтується на контекстуальному, емоційному та етичному інтелекті.

4.

Постійне навчання та міркування:

• Тренди ШІ: Інженерія запитів та RAG залежать від існуючих баз знань і не є самонавчальними за своєю суттю.
• AGI: Здатний до навчання без нагляду, міркування через нові проблеми без явного програмування або зовнішніх баз даних.

Тренди ШІ проти людського інтелекту: подолання розриву

Поточні тренди в ШІ розсувають межі вузького інтелекту. Однак порівняно з людським інтелектом ці системи відстають у таких аспектах, як:

• Когнітивна гнучкість: Люди легко переходять від одного завдання до іншого та інтегрують досвід з різних сфер. Поточні системи ШІ потребують структурованих даних та попередньо визначених робочих процесів для досягнення подібних результатів.
• Емоційне та етичне розуміння: Хоча агентні робочі процеси відмінно автоматизують прийняття рішень, їм не вистачає емпатії, етичного судження та самосвідомості.
• Креативність: Системи ШІ генерують контент та ідеї, але оригінальність часто полягає у повторній комбінації існуючих даних, а не в людській інновації.

Майбутнє AGI: інтеграція трендів ШІ з метриками, орієнтованими на людину

Щоб досягти справжнього AGI, системи ШІ повинні перевершити свої поточні обмеження, об'єднавши сильні сторони інженерії запитів, RAG та агентних робочих процесів з:

1. Загальним міркуванням: Інтеграція систем, які можуть інтерпретувати та міркувати, як люди.
2. Самостійне навчання: Усунення залежності від попередньо визначених інструкцій або курованих наборів даних.
3. Етичний та емоційний інтелект: Розробка моделей, які розуміють суспільні цінності та адаптуються відповідально.

Висновок

Застосування ШІ, такі як інженерія запитів, RAG та агентні робочі процеси, є значними етапами на шляху до AGI. Хоча вони демонструють вражаючі можливості, вони все ще є інструментами — залежними від людського втручання для надання сенсу та напрямку. Подолання розриву між ШІ та AGI вимагає переосмислення оцінки інтелекту, зосереджуючи увагу на автономії, адаптивності та розумінні.

Гонка за створенням розумніших систем — це не лише технологія, а й питання гармонії цих систем з людськими цінностями та цілями, забезпечуючи їхній внесок у розвиток суспільства.

Перекладено з: From AI to AGI: Metrics for Evaluating Artificial and Human Intelligence