ما هو الذكاء العام الاصطناعي (AGI)؟ كل ما تحتاج لمعرفته

منذ اختراع الكمبيوتر الحديث ، كان هناك نقاش حول كيفية تحديد الذكاء العام الاصطناعي (AGI) ، وكيفية اختبار آلة لمعرفة ما إذا كانت تفي بهذا التعريف ، وما هي فوائد وعيوب AGI للعمل البشري والإبداع والاكتشاف العلمي.

تشرح هذه المقالة ماهية AGI ، ويستكشف تاريخها ، والتحديات الرئيسية ، وما إذا كانت موجودة بالفعل أو تظل هدفًا بعيدًا.

جدول المحتويات

فهم الذكاء الاصطناعي (AI)

ما هو الذكاء العام الاصطناعي (AGI)؟

السمات الرئيسية لـ AGI

تاريخ الذكاء الاصطناعي

كيف يمكن أن تعمل AGI؟

التطبيقات المحتملة من الذكاء الاصطناعى العام

الاعتبارات والتحديات الأخلاقية

مستقبل الذكاء الاصطناعي

ما هي أسئلة وأجوبة AGI

فهم الذكاء الاصطناعي (AI)

لفهم AGI ، من المهم التمييز بينه عن أشكال أخرى من الذكاء الاصطناعي (AI). يتم تصنيف الذكاء الاصطناعى بشكل عام من خلال مدى إمكانية تطبيق ذكائه ومدى أدائه مقارنة بالبشر.

ما هو الذكاء الاصطناعي؟

تشير الذكاء الاصطناعي إلى التكنولوجيا التي تمكن الآلات من حل المشكلات المعقدة ، وغالبًا ما تحاكي أو تجاوز القدرات البشرية. إنه يعمل على مهام مثل معالجة اللغة ، والتعرف على الكلام والصور ، وتحليل البيانات ، وتوليد الكود. ومع ذلك ، يختلف الذكاء الاصطناعي في القدرة ويمكن تصنيفه إلى ثلاثة أنواع رئيسية:

• الضيقة الضيقة (AI الضعيفة):أنظمة متخصصة مصممة لمهام محددة ، مثل تصفية البريد العشوائي ، وخوارزميات التوصية ، وبرامج لعب الشطرنج. تتفوق هذه الأنظمة في وظائفها المخصصة ولكن لا يمكنها التكيف معها. جميع الذكاء الاصطناعي الحالي يندرج تحت هذه الفئة.
• الذكاء العام الاصطناعي (AGI):منظمة العفو الدولية النظرية التي يمكن أن تتعلم وتسبب وحل المشكلات عبر مجموعة واسعة من المجالات ، على غرار الذكاء البشري. على عكس الضيق الضيق ، لن يتطلب AGI إعادة التدريب لتحديات جديدة.
• الإلغاء الاصطناعي (ASI):منظمة العفو الدولية الافتراضية التي تتجاوز الذكاء البشري في جميع التخصصات ، بما في ذلك حل المشكلات الإبداعي والتفكير الاستراتيجي. لا يزال ASI مضاربة ولكن غالبًا ما تتم مناقشته فيما يتعلق بتطور AGI على المدى الطويل.

في حين أن الذكاء الاصطناعى اليوم مثير للإعجاب ، إلا أنه يظل ضيقًا ، يتفوق فقط داخل الحدود المحددة مسبقًا. إن السعي وراء AGI هو السعي للحصول على ذكاء آلي حقيقي - يمكن أن يفكر ويتعلم ويتكيف مثل الإنسان.

ما هو الذكاء العام الاصطناعي (AGI)؟

لا يوجد تعريف مقبول عالميًا لـ AGI ، والمعروف أيضًا باسم AI General. ومع ذلك ، تشير العديد من التعريفات إلى أن النظام مؤهل كـ AGI إذا كان بإمكانه القيام بما يلي:

• تعلم على التكيفدون طلب تدخل بشري
• تعميم المعرفةلحل المشكلات غير المألوفة
• أداء مماثلة للبشرعبر مجموعة واسعة من المهام

إلى جانب هذه السمات الواسعة ، تختلف تعريفات AGI ، وغالبًا ما تعكس أهداف أولئك الذين يحاولون تطويرها:

• في كتابهم عام 2007 ، يعرّف Ben Goertzel و Cassio Pennachin أنظمة AGI على أنها أنظمة منظمة العفوالدوليةالتي تمتلك "درجة معقولة من الفهم الذاتي والتحكم الذاتي المستقل" ويمكنها حل مجموعة متنوعة من المشكلات المعقدة في سياقات مختلفة.
• يعرّف Openai AGI بأنه "نظام مستقل للغاية يتفوق على البشر في معظم الأعمال ذات قيمة اقتصادية".
• يعرّف فرانسوا شوليت ، باحث سابق في Google AI ومبدع ARC-AAGI ، AGI بأنه نظام قادر على الحصول على مهارات جديدة بكفاءة خارج بياناتها التدريبية. ويؤكد أن الذكاء يتميز باكتساب المهارات وتعميمها ، بدلاً من المهارة نفسها.

السمات الرئيسية لـ AGI

في حين تختلف تعريفات AGI ، فإنها تميزها عمومًا عن الذكاء الاصطناعي الضيق من خلال التأكيد على قدرتها على العمل عبر المجالات المتنوعة. بغض النظر عن التعريف المحدد ، ستحتاج AGI إلى امتلاك العديد من السمات الأساسية لتحقيق هذه القدرات:

اتخاذ القرارات ذاتية الحكم

يجب أن يكون AGI قادرًا على تحديد وقت طلب معلومات جديدة ، أو طلب المساعدة ، أو اتخاذ إجراءات مستقلة لحل المشكلات. على سبيل المثال ، إذا تم تكليفها بنمذجة سوق مالي معقد ، فسوف يحتاج AGI إلى تحديد مصادر البيانات ذات الصلة ، وتحليل الاتجاهات التاريخية ، وتحديد كيفية الحصول على المعلومات اللازمة - كل ذلك دون إرشادات بشرية.

حل المشكلات في المجالات غير المألوفة

يجب أن تكون AGI قادرة على تعميم المعرفة من مجال واحد وتطبيقها على مهام جديدة غير مألوفة. تشبه هذه القدرة على نقل التعلم من خلال القياس كيف يمكن للموسيقي الذي تم تدريبه على واحد أو صكين أن يتعلموا ثلثًا بسرعة. بنفس الطريقة ، يجب على AGI الاستفادة من المعرفة السابقة لحل المشكلات التي لم يتم تدريبها بشكل صريح.

تحسين الذات المستمر

يجب أن تكون AGI قادرة على تقييم أدائها الخاص والتكيف مع المواقف الجديدة. تتمثل إحدى نهج التحسين الذاتي العودية في بيانات التدريب المولدة ذاتيًا ، كما هو موضح في Robocat's DeepMind. القدرة الأخرى المحتملة هي تعديل الكود والهندسة المعمارية الخاصة بها. ومع ذلك ، فإن هذا التعديل الذاتي يمكن أن يؤدي إلى مخاطر السلامة إذا قام AGI بإجراء تغييرات لا يمكن للبشر فهمها أو التحكم فيها تمامًا.

تاريخ الذكاء الاصطناعي

من الأفضل فهم تاريخ AGI ضمن التاريخ الأوسع من الذكاء الاصطناعي. تطورت الأبحاث من خلال عدة عصور متميزة ، كل منها يشكل المسار نحو أنظمة الذكاء الاصطناعى الأكثر قدرة والعامة.

منظمة العفو الدولية المبكرة: منظمة العفو الدولية الرمزية (الخمسينيات إلى 180 عامًا)

استندت المحاولة الأولى لبناء الذكاء الاصطناعي في الخمسينيات والستينيات على فكرة أنه يمكنك تعليم آلة للتفكير من خلال قواعد البرمجة والمنطق (ممثلة كرموز) في الكمبيوتر وطلب حل المشكلات باستخدام هذه القواعد. أنتجت هذه الأنظمة الخبراء التي يمكنها التغلب على البشر في ألعاب الطاولة والقيام بمهام متخصصة (يعد Computer Computer Deep Blue في IBM's Chess Champion مثالًا واحدًا) ، لكنهم لم يتمكنوا من تعلم أي شيء خارج معرفتهم المبرمجة.

التحول إلى التعلم الآلي (التسعينيات - 20101)

حدث تحول كبير في التسعينيات مع صعود التعلم الآلي (ML) ، والذي استلهم من كيفية عمل الخلايا العصبية البيولوجية في الدماغ. بدلاً من استخدام القواعد الصلبة ، تستخدم أنظمة الاتصال هذه الشبكات العصبية التي تستخدم العديد من طبقات الخلايا العصبية الاصطناعية التي تتعلم من خلال التدريب على مجموعات البيانات الكبيرة وتحسين مخرجاتها بشكل تدريجي على العديد من التدريبات.

ثورة التعلم العميق (2010 - الحاضر)

بدأت ثورة التعلم العميق الحديثة في عام 2012 عندما بدأ الباحثون في استخدام وحدات معالجة الرسومات (GPUS) لإنشاء شبكات عصبية مع تريليونات من المعلمات. قدم هذا دفعة كبيرة في القوة الحسابية التي أعطت نماذج التعلم الآلي هذه - بما في ذلك نماذج اللغة الكبيرة المعاصرة (LLMS) مثل ChatGPT - القدرة على معرفة المزيد وتعميم بعض المعرفة بالمهام المماثلة.

تحديد AGI: ما وراء معايير الذكاء الاصطناعى التقليدية

عندما أصبحت أنظمة الذكاء الاصطناعى أكثر تطوراً ، اقترح الباحثون معايير جديدة لتقييم ما إذا كان نظام الذكاء الاصطناعى قد وصل إلى ذكاء على مستوى الإنسان. تم تصميم المعيار الأكثر شهرة في وقت مبكر ، اختبار Turing ، لتحديد ما إذا كان يمكن لآلة تحاكي محادثة بشرية بشكل مقنع. ومع ذلك ، نظرًا لأن LLMs مثل ChatGpt و Claud يمكن أن يجتاز هذا الاختبار الآن ، فإن العديد من الباحثين يعتبرونه قديمًا.

تركز المعايير الأكثر حداثة ، مثل اختبار ARC-AAGI ، على قدرة نظام الذكاء الاصطناعى على التعميم بما يتجاوز بيانات التدريب. في حين أن نماذج الذكاء الاصطناعى الحالية لا تزال تفتقر إلى التفكير البشري ، فقد حقق بعضها ، مثل نموذج Openai O3 ، نتائج اختراق ، مما أثار مناقشات حول جدوى AGI.

كيف يمكن أن تعمل AGI؟

لا يوجد إجماع بين باحثو الذكاء الاصطناعى على أي نهج سيؤدي في النهاية إلى AGI. يتمتع كل من الذكاء الاصطناعي الرمزي والتعلم العميق بقيود عندما يتعلق الأمر ببناء أنظمة يمكنها تعميم المعرفة عبر مجالات مختلفة. تركز الأبحاث الحالية على تطوير النماذج ذات القدرات ما وراء المعرفية - القدرة على تقييم وتحسين عمليات التفكير الخاصة بها.

القيود على النهج الحالية

تعتمد أنظمة الذكاء الاصطناعى الرمزي على المبرمجين البشريين للمعرفة ولا يمكن الحصول على معلومات جديدة من تلقاء نفسها ، في حين تتطلب أنظمة التعلم العميقة ، بما في ذلك الذكاء الاصطناعي التوليدي ، مجموعات بيانات واسعة وفترات تدريب طويلة لتعلم مهام جديدة. البشر ، من ناحية أخرى ، يمتصون بسهولة معلومات جديدة ويمكنهم تعلم القيام بأشياء جديدة بسرعة مع أمثلة قليلة جدًا.

ومع ذلك ، مع هذه التحديات ، يستكشف الباحثون العديد من السبل لإنشاء آلات قادرة على التعلم والتعميم واتخاذ القرارات على مستوى إنساني (أو أفضل). بعض الأساليب الحديثة التي لها عناصر من AGI تشمل AI العصبية ، و AI Acentic AI ، و AI المجسدة.

AI العصبية

يجادل بعض باحثو الذكاء الاصطناعى ، بمن فيهم غاري ماركوس وبن جيرتزل ، بأن الأنظمة العصبية المبللة هي الطريق إلى AGI. تجمع هذه الأنظمة بين أنواع مختلفة من أنظمة الذكاء الاصطناعي للتعويض عن أوجه القصور في أي نهج واحد.

على سبيل المثال ، في عام 2023 ، أصدر Goertzel ومتعاونوه Opencog Hyperon ، وهو جهد AGI مفتوح المصدر يوفر إطارًا للبرامج للجمع بين أنظمة الذكاء الاصطناعى من مختلف التخصصات ، بما في ذلك معالجة اللغة الطبيعية (NLP) ، والمنطق الرسمي ، والمنطق الاحتمالي. حققت Google Deepmind مؤخرًا أداءً على مستوى الميدالية الفضية في أولمبياد الرياضيات الدولية مع نظامين عصبيين متماسمين ، Alphaproof و Alphageometry 2.

وكيل الذكاء الاصطناعي

يعتبر وكلاء الذكاء الاصطناعي خطوة محتملة على طريق AGI لأنهم يمكنهم تقييم بيئاتهم والرد عليها ، وفهم السياق ، واتخاذ القرارات المستقلة عن البشر لتحقيق الأهداف. مثل النهج العصبي المولد ، تعمل أنظمة AICEC AI من خلال الجمع بين أنواع متعددة من الذكاء الاصطناعى لإنجاز مهام مختلفة. ومع ذلك ، لا تزال الأبحاث في Aulecic AI في مراحلها المبكرة ، ولا تزال العديد من القدرات الأكثر تقدماً التي تعزى إلى AICERIC AI نظرية.

تجسد الذكاء الاصطناعي

قال قيادة مفكري الذكاء الاصطناعى ، بما في ذلك المؤسس المشارك لـ Openai Andrej Karpathy والعالم ميلاني ميتشل ، إن شكل تجسيد قد يكون من الضروري الوصول إلى AGI. هذا متجذر في فكرة أنه سيكون من الصعب على الذكاء الاصطناعي تعلم المهارات المعرفية الأساسية مثل فهم السببية أو الدوامات الكائن دون القدرة على تلقي المدخلات الحسية.

مطلوب منظمة العفو الدولية المتجسدة ضمنيًا لتلبية بعض التعريفات الشائعة لـ AGI. على سبيل المثال ، اقترح مؤسس شركة Apple Steve Wozniak معيارًا يسمى اختبار القهوة ، حيث يمكن اعتبار الجهاز امتلاك Agi إذا كان قادرًا على دخول منزل شخص تعسفي ومعرفة كيفية تخمير فنجان من القهوة.

التطبيقات المحتملة من الذكاء الاصطناعى العام

بسبب طبيعة الذكاء المعمم ، فإن التطبيقات المحتملة لـ AGI لا حدود لها تقريبًا. بعض الصناعات التي قد تستفيد بشكل خاص من القدرة على التكيف والاستقلالية التي ستقدمها AGI تشمل الرعاية الصحية والتعليم والتصنيع والتمويل.

الرعاية الصحية

لدى AGI القدرة على التأثير على العديد من مجالات الرعاية الصحية حيث سيكون من المفيد أن يكون لديك نظام ذكي مع إمكانية الوصول إلى كميات هائلة من البيانات ، بما في ذلك التشخيص واكتشاف المخدرات ، والقدرة على إنشاء خطط علاج فردية تعكس الصورة الكاملة لتاريخ صحة المريض.

تعليم

يمكن استخدام أنظمة AGI في التعليم للمساعدة في تخصيص مسارات التعلم للطلاب لتلبية احتياجاتهم المحددة ، ومساعدة المعلمين في المهام الإدارية وتخطيط الدروس حتى يتمكنوا من قضاء المزيد من الوقت في التدريس ، ومساعدة المعلمين على تحليل أداء الطلاب لتحديد الفجوات التي قد يتخلف فيها الطلاب.

تصنيع

لدى الشركات المصنعة حاجة مستمرة لتحسين العمليات التي تكمن وراء الخدمات اللوجستية لسلسلة التوريد المعقدة ، وجداول الإنتاج ، ومراقبة الجودة. لدى AGI القدرة على المساعدة في اتخاذ القرارات حول كيفية تحسين العمليات وأتمتة لها.

تمويل

نظرًا لأن شركات القطاع المالي تتعامل مع قدر كبير من البيانات ، فستتمكن AGI من تحليل واتخاذ القرارات المتعلقة بهذا الحجم من المعلومات بشكل أسرع بكثير مما يستطيع البشر. هذا لديه القدرة على تسريع مهام البيانات الثقيلة مثل تقييم المخاطر والامتثال وتحليل السوق.

الاعتبارات والتحديات الأخلاقية

مع استمرار التقدم نحو AGI في التقدم ، هناك قضايا قانونية ومخاوف أخلاقية يجب أن ينظر فيها كل من المباني وأولئك الذين يستخدمون أنظمة AGI.

تحيز

بنفس الطريقة التي يمكن أن تعاني بها أنظمة الذكاء الاصطناعي الضيقة من نقص التنوع في عينات التدريب ، فإن أنظمة AGI لديها القدرة على إظهار أنواع التدريب العنصرية أو الجنس أو غيرها من التحيز على أساس بيانات التدريب المنحرفة أو غير المكتملة. يمكن أن تقدم الخوارزميات التحيز أيضًا عن طريق ترجيح بعض المتغيرات لامتياز مجموعة واحدة على مجموعة أخرى.

المسؤولية القانونية عن إجراءات AGI

كانت أنظمة الذكاء الاصطناعى بالفعل موضوع النزاعات القانونية حول انتهاكات القوانين للخصوصية وقوانين الإسكان العادل. ومع ذلك ، لا تحدد الأطر القانونية الحالية بوضوح من هو المسؤول عن الضرر الناجم عن الذكاء الاصطناعى. سيؤدي ظهور العوامل الذكية المتقدمة إلى زيادة تعقيد مسائل المساءلة عندما تعمل الآلات بطرق تحطم القانون.

تحديات المحاذاة

يمكن أن تتمتع أنظمة AGI بالوصول إلى كميات هائلة من البيانات والاستقلالية لاتخاذ قرارات مؤثرة. إن التأكد من أن هذه الأنظمة تتماشى مع القيم الإنسانية والمبادئ الأخلاقية هي التركيز الرئيسي لأبحاث محاذاة الذكاء الاصطناعي. يعمل الخبراء على تطوير أساليب تمكن AGI من تفسير الأهداف والقيود المرغوبة والالتزام بها ، مما يقلل من النتائج غير المقصودة أو غير المرغوب فيها.

مستقبل الذكاء الاصطناعي

مع تقدم الذكاء الاصطناعى ، فإنه يقدم كل من التحديات والفرص. في حين يجب معالجة المخاوف المتعلقة بالعمالة والسلامة ، فإن AGI لديها القدرة على تحقيق فوائد كبيرة في المجالات مثل تحليل البيانات والأتمتة والتحسين والرعاية الصحية والأمن.

يمكن لـ AGI تسريع التقدم في القضايا العلمية والاجتماعية المعقدة من خلال حل المشكلات على نطاق يتجاوز القدرة على الإنسان. من خلال التعامل مع المهام المتكررة ، قد يحرر AGI أيضًا الأشخاص للتركيز أكثر على العمل الهادئ والمصالح الشخصية. في نهاية المطاف ، لن يعيد تطورها أن يعيد تشكيل الصناعات فحسب ، بل أيضًا كيف ينظر البشر إلى الذكاء ودورهم في العالم.

AGI الأسئلة الشائعة

ما هو الفرق بين الذكاء الاصطناعي و AGI؟

AGI هو نوع فرعي من الذكاء الاصطناعي الذي يختلف عن الذكاء الاصطناعي الضيق أو الضعيف ، والذي تم تصميمه لأداء مهام محددة داخل مجال محدود. في المقابل ، يشير AGI إلى مرحلة افتراضية من تطور الذكاء الاصطناعي التي تمتلك فيها الأنظمة المرونة البشرية ، والقدرة على التكيف ، والتفكير ، مما يسمح لهم بالتعلم وأداء مجموعة واسعة من المهام عبر مجالات مختلفة.

ما هو الفرق بين الذكاء الاصطناعى العامة والحكومة العامة؟

AI التوليدي هو نوع من الذكاء الاصطناعي الذي يحلل مجموعات البيانات الكبيرة لإنشاء التنبؤات أو المحتوى أو الاستجابات بناءً على أنماط مستفادة. يشير General AI ، أو AGI ، إلى الذكاء الاصطناعي القادر على الذكاء على مستوى الإنسان والتفكير عبر مجالات متعددة ، مما يسمح لها بالتعلم وأداء مجموعة واسعة من المهام دون أن تقتصر على وظيفة محددة.

هل تعتبر chatgpt AGI؟

يقترح بعض الخبراء أن LLMs مثل ChatGPT و Claude يمكن اعتبارها بالفعل AGI. ومع ذلك ، فإن هذا الرأي غير مقبول على نطاق واسع بين باحثو الذكاء الاصطناعي. تفتقر ChatGPT إلى فهم حقيقي للنص الذي يولده ، ويكافح مع التفكير ، ولا يمكنه تعميم معرفته عبر المجالات المختلفة ، مثل التحكم في نظام مادي مثل سيارة ذاتية القيادة. هذه القيود تعني أنها لا تفي بمعايير AGI.

هل يعتبر O3 AGI؟

في حين حقق نموذج التفكير في Openai O3 درجة 87.5 ٪ مثيرة للإعجاب في مؤشر ARC-AAGI في 20 ديسمبر 2024 ، فإن منشئ Francois Chollet ، لا يعتبره قد وصل إلى AGI.

يشير المراقبون إلى أن O3 اعتمدت على التدريب المسبق على نطاق واسع مع عينات الاختبار العامة وتطلب موارد حسابية ضخمة لتحقيق درجتها. لاحظت Chollet أيضًا أن بعض النماذج ذات الحوسبة المنخفضة سجلت تصل إلى 81 ٪ ، مما يشير إلى أن نجاح O3 كان مدفوعًا بحساب القوة الغاشمة أكثر من الذكاء العام الحقيقي.

ما هي التحديات الرئيسية في بناء الذكاء الاصطناعي العام؟

• الجدارة بالثقة:يجب أن تكون أنظمة AGI دقيقة وموثوقة باستمرار للمستخدمين للاعتماد على مخرجاتهم في التطبيقات الحرجة.
• مشكلة الطول الطويلة:بغض النظر عن مقدار بيانات التدريب التي يمتلكها نظام الذكاء الاصطناعي ، فإنه سيواجه حتما سيناريوهات نادرة أو غير متوقعة. على سبيل المثال ، ستواجه السيارات ذاتية القيادة مواقف غير مغطاة في تدريبها ، مما يتطلب منهم التعميم بفعالية.
• استهلاك الطاقة:تتطلب نماذج الذكاء الاصطناعى المتقدمة بالفعل كميات هائلة من الطاقة والماء للحساب. يمكن أن يطلب AGI موارد أكبر ما لم يتم تطوير طرق معالجة أكثر كفاءة.
• الفطرة السليمة:على عكس البشر ، يفتقر الذكاء الاصطناعي إلى الخبرة في العالم الحقيقي والفهم البديهي للفيزياء ، والتفاعلات الاجتماعية ، والمنطق اليومي-المعرفة أن الناس يكتسبون بشكل طبيعي من الطفولة.

هل AGI موجود بعد؟

نظرًا لأن مصطلحAGIقد تم تعريفه بطرق مختلفة ، فإن ما يفي بتعريف شخص واحد (أو الشركة) لـ AGI قد يكون موجودًا بالفعل بالنسبة لهم ولكن ليس وفقًا لشخص آخر. باستخدام التعريف من ورقة Google DeepMind بأن "نظام الذكاء الاصطناعى الذي على الأقل قادر على الأقل كإنسان في معظم المهام" ، فمن المنطقي القول أن Agi لا يوجد بعد.