ANI so với AGI so với ASI: Giải thích rõ ràng sự khác biệt

AGI so với AI: Những điểm khác biệt chính trong nháy mắt

Quản trị AGI: An toàn, Đạo đức và Khả năng giải thích

Khi chúng ta tiến gần hơn đến khả năng của Trí tuệ Nhân tạo Tổng quát (AI), những cuộc thảo luận về quản trị trở nên không thể tránh khỏi. Không giống như AI hẹp (ANI), chỉ thực hiện các nhiệm vụ cụ thể dưới sự kiểm soát chặt chẽ, AGI có thể đưa ra quyết định tự động trên nhiều lĩnh vực - đặt ra những rủi ro chưa từng có. Từ sai lệch thuật toán đến các mối đe dọa hiện hữu, rủi ro còn cao hơn nhiều.

Những lo ngại về đạo đức bắt đầu từ việc điều chỉnh giá trị: Làm thế nào để đảm bảo các hệ thống AGI hiểu và duy trì các giá trị nhân văn khi ngay cả con người cũng gặp khó khăn trong việc thống nhất về chúng? AGI không điều chỉnh có thể vô tình gây hại bằng cách tối ưu hóa cho các mục tiêu ngoài ý muốn - một vấn đề được gọi là vấn đề điều chỉnh.

Để giảm thiểu vấn đề này, các phòng thí nghiệm AI hàng đầu đang áp dụng các giao thức an toàn trước khi phát hành như nhóm đỏ, thử nghiệm mô phỏng và kiểm toán của bên thứ ba. Các nhà nghiên cứu tại các tổ chức như OpenAI và DeepMind ủng hộ khả năng diễn giải và giải thích (XAI) của AI - các kỹ thuật cho phép con người hiểu được lý do tại sao một mô hình đưa ra một số quyết định nhất định. Điều này rất quan trọng trong các lĩnh vực rủi ro cao như tài chính, y tế và thực thi pháp luật.

Hơn nữa, các chính phủ và liên minh quốc tế đang bắt đầu phản ứng. Đạo luật AI của Liên minh Châu Âu và Sắc lệnh Hành pháp Hoa Kỳ về AI An toàn, Bảo mật và Đáng tin cậy (2023) thúc đẩy tính minh bạch, trách nhiệm giải trình và phân loại rủi ro trong các hệ thống AI. Mặc dù các chính sách này chủ yếu áp dụng cho ANI hiện nay, nhưng chúng đang đặt nền móng cho việc quản lý AGI.

Tác động xã hội: Công việc, Quyền riêng tư, Công bằng

Vượt ra ngoài phạm vi phòng thí nghiệm và mô hình, bài kiểm tra thực sự của AGI nằm ở tác động xã hội của nó. Mặc dù các hệ thống ANI đã làm đảo lộn các ngành công nghiệp - từ hậu cần đến tiếp thị - AGI có thể mở ra một cuộc chuyển đổi sâu sắc hơn, ảnh hưởng đến mọi thứ, từ thị trường việc làm đến an ninh toàn cầu.

Một mối lo ngại lớn là sự dịch chuyển lực lượng lao động. Mặc dù AGI hứa hẹn hiệu quả cao hơn, nó có thể tự động hóa các tác vụ trong nhiều ngành nghề tri thức như luật, giáo dục, và thậm chí cả phát triển phần mềm. Một số người cho rằng điều này sẽ giải phóng con người để tập trung vào sáng tạo và chiến lược; những người khác cảnh báo về tình trạng thất nghiệp trên diện rộng và khoảng cách bất bình đẳng ngày càng gia tăng.

Rủi ro về quyền riêng tư và giám sát cũng đang gia tăng. Một hệ thống tình báo chung được đào tạo trên các tập dữ liệu khổng lồ có thể vô tình lưu giữ hoặc suy diễn dữ liệu cá nhân, gây ra những lo ngại nghiêm trọng về sự đồng thuận, bảo mật và quản trị dữ liệu. Nếu không được quản lý đúng cách, AGI có thể làm trầm trọng thêm các cấu trúc giám sát hiện có, đặc biệt là trong các chế độ độc tài.

Nhìn một cách lạc quan hơn, AGI có thể giúp giải quyết các vấn đề toàn cầu phức tạp - từ mô hình hóa biến đổi khí hậu đến phát minh thuốc. Tuy nhiên, những lợi ích này phụ thuộc rất nhiều vào việc ai kiểm soát công nghệ, cách thức triển khai và khả năng tiếp cận xuyên biên giới và nhân khẩu học.

Đây là lý do tại sao thiết kế bao hàm và tiếp cận công bằng lại quan trọng. Nếu không có các tập dữ liệu đa dạng và quy trình đào tạo có nhận thức về văn hóa, AGI có thể củng cố các thành kiến hệ thống - điều mà Shaip đang tích cực giải quyết thông qua các mô hình thu thập dữ liệu đa ngôn ngữ và đa dạng về mặt nhân khẩu học.

Chúng ta đang ở đâu?

Bất chấp những đột phá về trí tuệ nhân tạo như GPT-4 và Gemini của Google, trí tuệ nhân tạo tổng quát (AGI) vẫn chỉ là mục tiêu chứ chưa phải là hiện thực.

Một số hệ thống cho thấy những "dấu hiệu" của trí tuệ nhân tạo tổng quát (AGI) , ví dụ như:

• Gato của DeepMind: Một mô hình duy nhất được đào tạo về nhiều nhiệm vụ khác nhau (trò chơi, chú thích hình ảnh, robot).
• GPT-4: Thể hiện khả năng lý luận trên nhiều lĩnh vực, nhưng vẫn gặp khó khăn về tính nhất quán, trí nhớ và nhận thức bản thân.

“Chúng ta chưa có Trí tuệ nhân tạo tổng quát (AGI), nhưng chúng ta đang tiến gần hơn bao giờ hết”, các nhà nghiên cứu của Microsoft cho biết trong một bài báo kỹ thuật về GPT-4 , trong khi Ray Kurzweil dự đoán AGI sẽ xuất hiện vào năm 2029.

Tại sao điều này quan trọng đối với doanh nghiệp

Hãy làm rõ vấn đề: bạn không cần Trí tuệ Nhân tạo Tổng quát (AGI) để tạo ra những sản phẩm tuyệt vời ngày nay.

Như Andrew Ng đã nói, “Trí tuệ nhân tạo tổng quát (AGI) rất thú vị, nhưng vẫn còn rất nhiều giá trị trong AI hiện tại mà chúng ta chưa khai thác hết.”

Phép loại suy của con người: Bộ não, Người học, Người kể chuyện

Để đơn giản hóa bối cảnh AI:

  AI là bộ não.
  Machine Learning là cách não bộ học hỏi.
  LLM là từ vựng.
  Trí tuệ nhân tạo là người kể chuyện.
  AGI là toàn thể con người.

Nó không chỉ học một kỹ năng mới mà còn áp dụng nó ở bất cứ đâu , giống như bạn và tôi.

.

Trí tuệ nhân tạo tổng quát (AGI) có thể sẽ cách mạng hóa thế giới trong tương lai, nhưng các doanh nghiệp ngày nay không cần phải chờ đợi . Hiểu rõ phạm vi từ trí tuệ nhân tạo nhân tạo (ANI) đến AGI giúp đưa ra những quyết định tốt hơn—cho dù bạn đang triển khai chatbot hay đào tạo AI y tế.

Bạn muốn xây dựng trí tuệ nhân tạo mang lại lợi nhuận thực sự ? Hãy bắt đầu với dịch vụ dữ liệu AI của Shaip.