પ્રથમ આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ સમાજને કેવી રીતે બદલશે: આર્ટિફિશિયલ ઇન્ટેલિજન્સનું ભવિષ્ય P2

અમે પિરામિડ બનાવ્યા છે. અમે વીજળીનો ઉપયોગ કરવાનું શીખ્યા. આપણે સમજીએ છીએ કે બિગ બેંગ (મોટે ભાગે) પછી આપણું બ્રહ્માંડ કેવી રીતે બન્યું. અને અલબત્ત, ક્લિચ ઉદાહરણ, અમે ચંદ્ર પર માણસ મૂક્યો છે. તેમ છતાં, આ બધી સિદ્ધિઓ હોવા છતાં, માનવ મગજ આધુનિક વિજ્ઞાનની સમજથી દૂર રહે છે અને મૂળભૂત રીતે, જાણીતા બ્રહ્માંડમાં સૌથી જટિલ પદાર્થ છે-અથવા ઓછામાં ઓછી તેની સમજણ છે.

આ વાસ્તવિકતાને જોતાં, તે સંપૂર્ણપણે ચોંકાવનારું ન હોવું જોઈએ કે આપણે હજી સુધી માનવીઓની બરાબરી પર કૃત્રિમ બુદ્ધિમત્તા (AI) બનાવી નથી. ડેટા (સ્ટાર ટ્રેક), રશેલ (બ્લેડ રનર), અને ડેવિડ (પ્રોમિથિયસ) જેવા AI અથવા સમન્થા (હર) અને TARS (ઈન્ટરસ્ટેલર) જેવા બિન-માનવીય AI, આ બધા AI વિકાસમાં આગામી મહાન સીમાચિહ્નરૂપ ઉદાહરણો છે: આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ (AGI, કેટલીકવાર HLMI અથવા હ્યુમન લેવલ મશીન ઇન્ટેલિજન્સ તરીકે પણ ઓળખાય છે). 

બીજા શબ્દોમાં કહીએ તો, AI સંશોધકો જે પડકારનો સામનો કરી રહ્યા છે તે છે: જ્યારે આપણું પોતાનું મન કેવી રીતે કાર્ય કરે છે તેની સંપૂર્ણ સમજ પણ ન હોય ત્યારે આપણે આપણા પોતાના સાથે તુલનાત્મક કૃત્રિમ મન કેવી રીતે બનાવી શકીએ?

અમે આ પ્રશ્નનું અન્વેષણ કરીશું, સાથે સાથે ભવિષ્યમાં AGI સામે મનુષ્યો કેવી રીતે ઊભા થશે, અને છેવટે, વિશ્વમાં પ્રથમ AGI ની જાહેરાત થયાના બીજા દિવસે સમાજ કેવી રીતે બદલાશે. 

કૃત્રિમ સામાન્ય બુદ્ધિ શું છે?

એવી AI ડિઝાઇન કરો કે જે ચેસ, જોપર્ડી અને ગોમાં ટોચના ક્રમાંકિત ખેલાડીઓને હરાવી શકે, સરળ (ડીપ બ્લુ, વોટસન, અને આલ્ફાગો અનુક્રમે). એક એવી AI ડિઝાઇન કરો જે તમને કોઈપણ પ્રશ્નના જવાબો આપી શકે, તમે ખરીદવા માંગતા હો તેવી વસ્તુઓ સૂચવી શકે અથવા રાઈડશેર ટેક્સીઓના કાફલાનું સંચાલન કરી શકે—સમગ્ર મલ્ટી-બિલિયન ડોલર કંપનીઓ તેમની આસપાસ બનેલી છે (Google, Amazon, Uber). એક AI જે તમને દેશની એક બાજુથી બીજી તરફ લઈ જઈ શકે છે... સારું, અમે તેના પર કામ કરી રહ્યા છીએ.

પરંતુ AI ને બાળકોનું પુસ્તક વાંચવા અને તે જે શીખવવાનો પ્રયાસ કરી રહ્યો છે તે સામગ્રી, અર્થ અથવા નૈતિકતાને સમજવા માટે કહો અથવા AI ને બિલાડી અને ઝેબ્રાના ચિત્ર વચ્ચેનો તફાવત જણાવવા માટે કહો, અને તમે અંતમાં થોડા કરતાં વધુ પરિણામ આપશો. શોર્ટ સર્કિટ. 

કુદરતે કોમ્પ્યુટિંગ ઉપકરણ (મગજ) વિકસાવવામાં લાખો વર્ષો વિતાવ્યા જે પ્રક્રિયા, સમજણ, શીખવા અને પછી નવી પરિસ્થિતિઓ અને નવા વાતાવરણમાં કાર્ય કરવા માટે શ્રેષ્ઠ છે. કોમ્પ્યુટર સાયન્સની છેલ્લી અડધી સદી સાથે તેની સરખામણી કરો કે જેણે કમ્પ્યુટિંગ ઉપકરણો બનાવવા પર ધ્યાન કેન્દ્રિત કર્યું હતું જે એકવચન કાર્યો માટે તૈયાર કરવામાં આવ્યા હતા. 

બીજા શબ્દોમાં કહીએ તો, માનવ-કમ્પ્યુટર એક જનરલિસ્ટ છે, જ્યારે કૃત્રિમ કમ્પ્યુટર નિષ્ણાત છે.

AGI બનાવવાનો ધ્યેય એ AI બનાવવાનો છે જે ડાયરેક્ટ પ્રોગ્રામિંગને બદલે અનુભવ દ્વારા માનવની જેમ વધુ વિચારી અને શીખી શકે.

વાસ્તવિક દુનિયામાં, આનો અર્થ ભાવિ એજીઆઈ હશે કે કેવી રીતે વાંચવું, લખવું અને મજાક કેવી રીતે કહેવી, અથવા ચાલવું, ચલાવવું અને બાઇક ચલાવવી, વિશ્વમાં તેના પોતાના અનુભવ દ્વારા (જે કોઈપણ શરીરનો ઉપયોગ કરીને અથવા સંવેદનાત્મક અવયવો/ઉપકરણો અમે તેને આપીએ છીએ), અને તેની પોતાની ક્રિયાપ્રતિક્રિયા દ્વારા અન્ય AI અને અન્ય મનુષ્યો.

આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ બનાવવા માટે શું કરવું પડશે

તકનીકી રીતે મુશ્કેલ હોવા છતાં, AGI બનાવવું શક્ય હોવું જોઈએ. જો વાસ્તવમાં, ભૌતિકશાસ્ત્રના નિયમોની અંદર એક ઊંડી મિલકત છે-ગણતરીની સાર્વત્રિકતા-જે મૂળભૂત રીતે કહે છે કે ભૌતિક ઑબ્જેક્ટ બધું જ કરી શકે છે, પર્યાપ્ત શક્તિશાળી, સામાન્ય હેતુવાળા કમ્પ્યુટર, સૈદ્ધાંતિક રીતે, કૉપિ/સિમ્યુલેટ કરવા સક્ષમ હોવા જોઈએ.

અને હજુ સુધી, તે મુશ્કેલ છે.

સદ્ભાગ્યે, આ કેસ પર ઘણા હોંશિયાર AI સંશોધકો છે (કોર્પોરેટ, સરકાર અને લશ્કરી ભંડોળનો ઉલ્લેખ નથી જે તેમને ટેકો આપે છે), અને અત્યાર સુધીમાં, તેઓએ ત્રણ મુખ્ય ઘટકોને ઓળખી કાઢ્યા છે જે તેમને ઉકેલવા માટે જરૂરી લાગે છે. આપણા વિશ્વમાં AGI.

મોટી માહીતી. AI ડેવલપમેન્ટ માટેના સૌથી સામાન્ય અભિગમમાં ડીપ લર્નિંગ નામની ટેકનિકનો સમાવેશ થાય છે - એક ચોક્કસ પ્રકારની મશીન લર્નિંગ સિસ્ટમ કે જે મોટા પ્રમાણમાં ડેટાને સ્લર્પ કરીને કામ કરે છે, સિમ્યુલેટેડ ચેતાકોષોના નેટવર્કમાં ડેટાને ક્રન્ચિંગ (માનવ મગજના અનુરૂપ) અને પછી તેની પોતાની આંતરદૃષ્ટિને પ્રોગ્રામ કરવા માટે તારણોનો ઉપયોગ કરો. ડીપ લર્નિંગ વિશે વધુ વિગતો માટે, આ વાંચો.

દાખ્લા તરીકે, 2017 માં, Google એ તેની AI બિલાડીઓની હજારો છબીઓ ખવડાવી હતી જેનો ઉપયોગ તેની ડીપ લર્નિંગ સિસ્ટમ માત્ર બિલાડીને કેવી રીતે ઓળખવી તે શીખવા માટે જ નહીં, પરંતુ વિવિધ બિલાડીઓની જાતિઓ વચ્ચે તફાવત પણ શીખવા માટે વપરાય છે. થોડા સમય પછી, તેઓએ આગામી પ્રકાશનની જાહેરાત કરી Google લેન્સ, એક નવી શોધ એપ્લિકેશન કે જે વપરાશકર્તાઓને કોઈપણ વસ્તુનું ચિત્ર લેવા દે છે અને Google તમને તે શું છે તે જ જણાવશે નહીં, પરંતુ તેનું વર્ણન કરતી કેટલીક ઉપયોગી સંદર્ભ સામગ્રી પ્રદાન કરે છે - મુસાફરી કરતી વખતે અને તમે ચોક્કસ પ્રવાસી આકર્ષણ વિશે વધુ જાણવા માગો છો. પરંતુ અહીં પણ, Google લેન્સ તેના ઇમેજ સર્ચ એન્જિનમાં હાલમાં સૂચિબદ્ધ અબજો છબીઓ વિના શક્ય નથી.

અને છતાં, આ મોટો ડેટા અને ડીપ લર્નિંગ કોમ્બો હજુ પણ AGI લાવવા માટે પૂરતું નથી.

બહેતર ગાણિતીક નિયમો. પાછલા દાયકામાં, Googleની પેટાકંપની અને AI સ્પેસમાં લીડર, DeepMind, ઊંડી શિક્ષણની શક્તિઓને મજબૂતીકરણ સાથે સંયોજિત કરીને સ્પ્લેશ કર્યો છે - એક સ્તુત્ય મશીન શિક્ષણ અભિગમ કે જેનો હેતુ એઆઈને નવા વાતાવરણમાં કેવી રીતે પગલાં લેવા તે શીખવવાનો છે. એક નિર્ધારિત ધ્યેય.

આ હાઇબ્રિડ યુક્તિ માટે આભાર, DeepMind ના પ્રીમિયર AI, AlphaGo, નિયમો ડાઉનલોડ કરીને અને માસ્ટર હ્યુમન પ્લેયર્સની વ્યૂહરચનાઓનો અભ્યાસ કરીને AlphaGo કેવી રીતે રમવું તે શીખવ્યું એટલું જ નહીં, પરંતુ લાખો વખત પોતાની સામે રમ્યા પછી તે શ્રેષ્ઠ AlphaGo ખેલાડીઓને હરાવવા સક્ષમ બન્યું. ચાલ અને વ્યૂહરચનાઓનો ઉપયોગ કરીને જે રમતમાં પહેલાં ક્યારેય જોવા મળી ન હતી. 

તેવી જ રીતે, ડીપમાઇન્ડના અટારી સૉફ્ટવેર પ્રયોગમાં સામાન્ય ગેમ સ્ક્રીન જોવા માટે AI ને કૅમેરો આપવાનો સમાવેશ થાય છે, તેને ઇનપુટ ગેમ ઑર્ડર (જેમ કે જોયસ્ટિક બટનો) કરવાની ક્ષમતા સાથે પ્રોગ્રામિંગ કરવું અને તેનો સ્કોર વધારવા માટે તેને એકવચન ધ્યેય આપવો. પરિણામ? થોડા દિવસોમાં, તેણે પોતાને શીખવ્યું કે કેવી રીતે રમવું અને ડઝનેક ક્લાસિક આર્કેડ રમતોમાં કેવી રીતે નિપુણતા મેળવવી. 

પરંતુ આ પ્રારંભિક સફળતાઓ જેટલી રોમાંચક છે, ત્યાં કેટલાક મુખ્ય પડકારો ઉકેલવા બાકી છે.

એક માટે, AI સંશોધકો એઆઈને 'ચંકિંગ' નામની યુક્તિ શીખવવા પર કામ કરી રહ્યા છે જેમાં માનવ અને પ્રાણીઓના મગજ અસાધારણ રીતે સારા છે. સરળ શબ્દોમાં કહીએ તો, જ્યારે તમે કરિયાણાની ખરીદી કરવા માટે બહાર જવાનું નક્કી કરો છો, ત્યારે તમે તમારા અંતિમ ધ્યેય (એવોકાડો ખરીદવા) અને તમે તે કેવી રીતે કરશો તેની રફ યોજનાની કલ્પના કરી શકો છો (ઘર છોડો, કરિયાણાની દુકાનની મુલાકાત લો, ખરીદી કરો. એવોકાડો, ઘરે પાછા ફરો). તમે જે નથી કરતા તે દરેક શ્વાસ, દરેક પગલા, તમારા માર્ગ પર દરેક સંભવિત આકસ્મિક આયોજન છે. તેના બદલે, તમે ક્યાં જવા માગો છો તેનો તમારા મનમાં એક ખ્યાલ (ભાગ) છે અને તમારી ટ્રિપને જે પણ પરિસ્થિતિ આવે છે તેના માટે અનુકૂળ કરો.

તમને લાગે તેટલું સામાન્ય લાગે છે, આ ક્ષમતા એ એઆઈ પર માનવ મગજના હજુ પણ મુખ્ય ફાયદાઓમાંની એક છે - તે દરેક વિગતને અગાઉથી જાણ્યા વિના અને કોઈપણ અવરોધ અથવા પર્યાવરણીય પરિવર્તન હોવા છતાં, લક્ષ્ય નક્કી કરવા અને તેને અનુસરવાની અનુકૂલનક્ષમતા છે. સામનો કરી શકે છે. આ કૌશલ્ય AGI ને ઉપર જણાવેલ મોટા ડેટાની જરૂર વગર વધુ કાર્યક્ષમ રીતે શીખવા માટે સક્ષમ બનાવશે.

બીજો પડકાર એ છે કે માત્ર પુસ્તક વાંચવાની ક્ષમતા જ નહીં અર્થ સમજો અથવા તેની પાછળનો સંદર્ભ. લાંબા ગાળા માટે, અહીં ધ્યેય એ છે કે AI અખબારનો લેખ વાંચે અને તે જે વાંચે છે તેના વિશેના પ્રશ્નોની શ્રેણીના સચોટ જવાબો આપી શકે, જેમ કે પુસ્તકનો અહેવાલ લખવો. આ ક્ષમતા એઆઈને ફક્ત એક કેલ્ક્યુલેટરમાંથી રૂપાંતરિત કરશે જે સંખ્યાને ક્રન્ચ કરે છે જે અર્થમાં ઘટાડો કરે છે.

એકંદરે, માનવ મગજની નકલ કરી શકે તેવા સ્વ-શિક્ષણ અલ્ગોરિધમમાં આગળની પ્રગતિ એ એજીઆઈની અંતિમ રચનામાં મુખ્ય ભૂમિકા ભજવશે, પરંતુ આ કાર્યની સાથે, એઆઈ સમુદાયને વધુ સારા હાર્ડવેરની પણ જરૂર છે.

વધુ સારું હાર્ડવેર. ઉપર વર્ણવેલ વર્તમાન અભિગમોનો ઉપયોગ કરીને, AGI ત્યારે જ શક્ય બનશે જ્યારે આપણે તેને ચલાવવા માટે ઉપલબ્ધ કમ્પ્યુટિંગ શક્તિને ગંભીરતાથી વધારીશું.

સંદર્ભ માટે, જો આપણે માનવ મગજની વિચારવાની ક્ષમતાને ધ્યાનમાં લઈએ અને તેને કોમ્પ્યુટેશનલ શબ્દોમાં રૂપાંતરિત કરીએ, તો સરેરાશ માનવીની માનસિક ક્ષમતાનો આશરે અંદાજ એક એક્સાફ્લોપ છે, જે 1,000 પેટાફ્લોપ્સ ('ફ્લોપ' એટલે ફ્લોટિંગ-પોઇન્ટ ઑપરેશન્સ) ની સમકક્ષ છે. બીજું અને ગણતરીની ઝડપને માપે છે).

તેની સરખામણીમાં, 2018 ના અંત સુધીમાં, વિશ્વનું સૌથી શક્તિશાળી સુપર કોમ્પ્યુટર, જાપાનનું AI બ્રિજિંગ ક્લાઉડ 130 પેટાફ્લોપ પર હમ કરશે, જે એક એક્સાફ્લોપથી ખૂબ જ ટૂંકા છે.

અમારા માં દર્શાવેલ છે સુપરકમ્પ્યુટર્સ અમારા માં પ્રકરણ કમ્પ્યુટર્સનું ભવિષ્ય શ્રેણીમાં, યુએસ અને ચાઇના બંને 2022 સુધીમાં તેમના પોતાના એક્ઝાફ્લોપ સુપર કોમ્પ્યુટર્સ બનાવવા માટે કામ કરી રહ્યા છે, પરંતુ જો તેઓ સફળ થાય તો પણ, તે હજુ પણ પૂરતું નથી.

આ સુપર કોમ્પ્યુટરો કેટલાય ડઝન મેગાવોટ પાવર પર કામ કરે છે, કેટલાય સો ચોરસ મીટર જગ્યા લે છે અને તેને બનાવવામાં કરોડો રૂપિયાનો ખર્ચ થાય છે. માનવ મગજ માત્ર 20 વોટ પાવર વાપરે છે, લગભગ 50 સે.મી.ના પરિઘમાં ખોપરીની અંદર બંધબેસે છે અને આપણામાં સાત અબજ છે (2018). બીજા શબ્દોમાં કહીએ તો, જો આપણે AGI ને મનુષ્યો જેટલા સામાન્ય બનાવવા માંગતા હોય, તો આપણે તેને વધુ આર્થિક રીતે કેવી રીતે બનાવવું તે શીખવાની જરૂર પડશે.

તે માટે, AI સંશોધકો ભવિષ્યના AI ને ક્વોન્ટમ કોમ્પ્યુટર વડે પાવર આપવાનું વિચારી રહ્યા છે. માં વધુ વિગતવાર વર્ણવેલ છે ક્વોન્ટમ કમ્પ્યુટર્સ અમારી ફ્યુચર ઓફ કોમ્પ્યુટર્સ શ્રેણીના પ્રકરણમાં, આ કોમ્પ્યુટરો પાછલી અડધી સદીથી આપણે જે કોમ્પ્યુટર બનાવી રહ્યા છીએ તેના કરતા મૂળભૂત રીતે અલગ રીતે કામ કરે છે. એકવાર 2030 સુધીમાં પૂર્ણ થઈ ગયા પછી, એક સિંગલ ક્વોન્ટમ કમ્પ્યુટર 2018 માં વર્તમાનમાં કાર્યરત દરેક સુપર કોમ્પ્યુટરની ગણતરી કરશે, વૈશ્વિક સ્તરે, એકસાથે મૂકવામાં આવશે. તેઓ પણ ઘણા નાના હશે અને વર્તમાન સુપર કોમ્પ્યુટર કરતા ઘણી ઓછી ઉર્જાનો ઉપયોગ કરશે. 

કૃત્રિમ જનરલ ઇન્ટેલિજન્સ માણસ કરતાં કેવી રીતે શ્રેષ્ઠ હશે?

ચાલો માની લઈએ કે ઉપર સૂચિબદ્ધ દરેક પડકારને શોધી કાઢવામાં આવે છે, કે AI સંશોધકો પ્રથમ AGI બનાવવામાં સફળતા મેળવે છે. AGI મન આપણા પોતાના કરતા કેવી રીતે અલગ હશે?

આ પ્રકારના પ્રશ્નનો જવાબ આપવા માટે, આપણે AGI દિમાગને ત્રણ કેટેગરીમાં વર્ગીકૃત કરવાની જરૂર છે, જે રોબોટ બોડીમાં રહે છે (માંથી ડેટા સ્ટાર ટ્રેક), જેઓ ભૌતિક સ્વરૂપ ધરાવે છે પરંતુ ઇન્ટરનેટ/ક્લાઉડ સાથે વાયરલેસ રીતે જોડાયેલા છે (એજન્ટ સ્મિથ તરફથી મેટ્રિક્સ) અને ભૌતિક સ્વરૂપ વિનાના જેઓ સંપૂર્ણ રીતે કોમ્પ્યુટર અથવા ઓનલાઈન રહે છે (સમન્થા તરફથી રમતો).

શરૂઆત કરવા માટે, વેબથી અલગ રોબોટિક બોડીની અંદર AGI માનવ મનની સાથે સ્પર્ધા કરશે, પરંતુ પસંદગીના ફાયદાઓ સાથે:

• મેમરી: AGI ના રોબોટિક સ્વરૂપની ડિઝાઇન પર આધાર રાખીને, તેમની ટૂંકા ગાળાની મેમરી અને મુખ્ય માહિતીની યાદશક્તિ ચોક્કસપણે મનુષ્યો કરતાં શ્રેષ્ઠ હશે. પરંતુ દિવસના અંતે, તમે રોબોટમાં કેટલી હાર્ડ ડ્રાઈવ સ્પેસ પેક કરી શકો તેની એક ભૌતિક મર્યાદા છે, એમ માનીને કે અમે તેને માણસો જેવા દેખાવા માટે ડિઝાઇન કરીએ છીએ. આ કારણોસર, AGI ની લાંબા ગાળાની મેમરી માણસોની જેમ જ કાર્ય કરશે, સક્રિયપણે માહિતી અને યાદોને ભૂલી જશે જે તેના ભાવિ કાર્ય માટે બિનજરૂરી માનવામાં આવે છે ('ડિસ્ક સ્પેસ' ખાલી કરવા માટે).
• ઝડપ: માનવ મગજની અંદરના ચેતાકોષોનું પ્રદર્શન લગભગ 200 હર્ટ્ઝની ઝડપે મહત્તમ થાય છે, જ્યારે આધુનિક માઇક્રોપ્રોસેસર્સ ગીગાહર્ટ્ઝ સ્તરે ચાલે છે, તેથી તે ન્યુરોન્સ કરતાં લાખો ગણી ઝડપી છે. આનો અર્થ એ છે કે મનુષ્યોની તુલનામાં, ભાવિ AGI માહિતી પર પ્રક્રિયા કરશે અને મનુષ્યો કરતાં વધુ ઝડપથી નિર્ણય લેશે. તમારું ધ્યાન રાખો, આનો અર્થ એ નથી કે આ AGI માણસો કરતાં વધુ સ્માર્ટ અથવા વધુ સાચા નિર્ણયો લેશે, માત્ર એટલા માટે કે તેઓ ઝડપથી તારણો પર આવી શકે.
• કાર્યક્ષમતા: સરળ શબ્દોમાં કહીએ તો, માનવ મગજ થાકી જાય છે જો તે આરામ અથવા ઊંઘ વિના ખૂબ લાંબુ કામ કરે છે, અને જ્યારે તે કરે છે, ત્યારે તેની યાદશક્તિ અને તેની શીખવાની ક્ષમતા અને તર્કશક્તિ નબળી પડી જાય છે. દરમિયાન, AGI માટે, એમ ધારી રહ્યા છીએ કે તેઓ નિયમિતપણે રિચાર્જ (વીજળી) મેળવે છે, તેમની પાસે તે નબળાઈ રહેશે નહીં.
• અપગ્રેડિબિલિટી: માણસ માટે, નવી આદત શીખવામાં અઠવાડિયાનો સમય લાગી શકે છે, નવું કૌશલ્ય શીખવામાં મહિનાઓ લાગી શકે છે, અને નવો વ્યવસાય શીખવામાં વર્ષો લાગી શકે છે. AGI માટે, તેઓ અનુભવ દ્વારા (માનવોની જેમ) અને ડાયરેક્ટ ડેટા અપલોડ દ્વારા બંને શીખવાની ક્ષમતા ધરાવશે, જેમ કે તમે તમારા કમ્પ્યુટરના OS ને નિયમિતપણે અપડેટ કરો છો. આ અપડેટ્સ નોલેજ અપગ્રેડ (નવા કૌશલ્યો) અથવા AGI ના ભૌતિક સ્વરૂપમાં પરફોર્મન્સ અપગ્રેડ પર લાગુ થઈ શકે છે. 

આગળ, ચાલો એજીઆઈને જોઈએ કે જેનું ભૌતિક સ્વરૂપ છે, પરંતુ તે ઇન્ટરનેટ/ક્લાઉડ સાથે પણ વાયરલેસ રીતે જોડાયેલા છે. બિન-કનેક્ટેડ AGI ની સરખામણીમાં આપણે આ સ્તર સાથે જે તફાવતો જોઈ શકીએ છીએ તેમાં નીચેનાનો સમાવેશ થાય છે:

• મેમરી: આ AGI માં અગાઉના AGI વર્ગના તમામ ટૂંકા ગાળાના ફાયદા હશે, સિવાય કે તેઓ સંપૂર્ણ લાંબા ગાળાની મેમરીનો પણ લાભ મેળવશે કારણ કે જ્યારે જરૂર પડે ત્યારે ઍક્સેસ કરવા માટે તેઓ તે યાદોને ક્લાઉડ પર અપલોડ કરી શકે છે. દેખીતી રીતે, આ મેમરી ઓછી કનેક્ટિવિટીવાળા વિસ્તારોમાં ઍક્સેસિબલ રહેશે નહીં, પરંતુ 2020 અને 2030 દરમિયાન જ્યારે વધુ વિશ્વ ઓનલાઇન આવશે ત્યારે તે ચિંતાનો વિષય બનશે. માં વધુ વાંચો પ્રકરણ એક અમારી ઈન્ટરનેટનું ભવિષ્ય શ્રેણી. 
• ઝડપ: આ AGI ને જે અવરોધનો સામનો કરવો પડે છે તેના આધારે, તેઓ તેને ઉકેલવામાં મદદ કરવા માટે ક્લાઉડની મોટી કમ્પ્યુટિંગ શક્તિને ઍક્સેસ કરી શકે છે.
• પ્રદર્શન: અનકનેક્ટેડ AGI ની સરખામણીમાં કોઈ તફાવત નથી.
• અપગ્રેડિબિલિટી: આ AGI સાથે માત્ર એટલો જ તફાવત છે કે તે અપગ્રેડબિલિટી સાથે સંબંધિત છે કે તેઓ અપગ્રેડ ડેપોની મુલાકાત લેવા અને પ્લગ કરવાને બદલે, વાસ્તવિક સમયમાં અપગ્રેડને ઍક્સેસ કરી શકે છે.
• સામૂહિક: માણસો પૃથ્વીની પ્રબળ પ્રજાતિ બન્યા એટલા માટે નહીં કે આપણે સૌથી મોટા અથવા સૌથી મજબૂત પ્રાણી છીએ, પરંતુ એટલા માટે કે આપણે સામૂહિક ધ્યેયો હાંસલ કરવા માટે વિવિધ રીતે વાતચીત અને સહયોગ કેવી રીતે કરવો તે શીખ્યા, વૂલી મેમથનો શિકાર કરવાથી લઈને આંતરરાષ્ટ્રીય અવકાશ સ્ટેશન બનાવવા સુધી. AGI ની એક ટીમ આ સહયોગને આગલા સ્તર પર લઈ જશે. ઉપર સૂચિબદ્ધ તમામ જ્ઞાનાત્મક ફાયદાઓને જોતાં અને પછી તે જોડવું કે વાયરલેસ રીતે વાતચીત કરવાની ક્ષમતા સાથે, વ્યક્તિગત રીતે અને લાંબા અંતર બંનેમાં, ભાવિ AGI ટીમ/મધ્યતા મગજ સૈદ્ધાંતિક રીતે માનવોની ટીમ કરતાં વધુ અસરકારક રીતે પ્રોજેક્ટનો સામનો કરી શકે છે. 

છેલ્લે, એજીઆઈનો છેલ્લો પ્રકાર એ ભૌતિક સ્વરૂપ વિનાનું સંસ્કરણ છે, જે કમ્પ્યુટરની અંદર કાર્ય કરે છે, અને તેના સર્જકો તેને પ્રદાન કરે છે તે સંપૂર્ણ કમ્પ્યુટિંગ શક્તિ અને ઑનલાઇન સંસાધનોની ઍક્સેસ ધરાવે છે. સાય-ફાઇ શો અને પુસ્તકોમાં, આ AGI સામાન્ય રીતે નિષ્ણાત વર્ચ્યુઅલ સહાયકો/મિત્રો અથવા સ્પેસશીપની સ્પંકી ઓપરેટિંગ સિસ્ટમનું સ્વરૂપ લે છે. પરંતુ AGI ની અન્ય બે શ્રેણીઓની તુલનામાં, આ AI નીચેની રીતે અલગ હશે;

• સ્પીડ: અમર્યાદિત (અથવા, ઓછામાં ઓછા હાર્ડવેરની મર્યાદા સુધી તેની ઍક્સેસ છે).
• મેમરી: અમર્યાદિત  
• પ્રદર્શન: સુપરકોમ્પ્યુટિંગ કેન્દ્રો સુધી તેની ઍક્સેસને કારણે નિર્ણય લેવાની ગુણવત્તામાં વધારો આભાર.
• અપગ્રેડબિલિટી: સંપૂર્ણ, વાસ્તવિક સમયમાં, અને જ્ઞાનાત્મક અપગ્રેડ્સની અમર્યાદિત પસંદગી સાથે. અલબત્ત, આ AGI કેટેગરીમાં ભૌતિક રોબોટ સ્વરૂપ નથી, તેથી તેને ઉપલબ્ધ ભૌતિક અપગ્રેડ્સની જરૂર રહેશે નહીં સિવાય કે તે અપગ્રેડ તેના સંચાલનમાં કાર્યરત સુપર કોમ્પ્યુટરમાં ન હોય.
• સામૂહિક: અગાઉની AGI શ્રેણીની જેમ, આ શારીરિક AGI તેના AGI સાથીદારો સાથે અસરકારક રીતે સહયોગ કરશે. જો કે, અમર્યાદિત કમ્પ્યુટિંગ પાવર અને ઓનલાઈન સંસાધનોની ઍક્સેસની વધુ સીધી ઍક્સેસને જોતાં, આ AGI સામાન્ય રીતે એકંદર AGI સામૂહિકમાં નેતૃત્વની ભૂમિકાઓ લેશે. 

માનવતા પ્રથમ કૃત્રિમ સામાન્ય બુદ્ધિ ક્યારે બનાવશે?

AI સંશોધન સમુદાય ક્યારે માને છે કે તેઓ કાયદેસર AGI ની શોધ કરશે તેની કોઈ નિર્ધારિત તારીખ નથી. જો કે, એ 2013 મોજણી અગ્રણી AI સંશોધન ચિંતકો નિક બોસ્ટ્રોમ અને વિન્સેન્ટ સી. મુલર દ્વારા હાથ ધરવામાં આવેલા વિશ્વના ટોચના 550 AI સંશોધકોએ ત્રણ સંભવિત વર્ષો સુધીના અભિપ્રાયોની શ્રેણીની સરેરાશ કરી:

• સરેરાશ આશાવાદી વર્ષ (10% સંભાવના): 2022
• સરેરાશ વાસ્તવિક વર્ષ (50% સંભાવના): 2040
• સરેરાશ નિરાશાવાદી વર્ષ (90% સંભાવના): 2075 

આ આગાહીઓ કેટલી સચોટ છે તે ખરેખર વાંધો નથી. વાંધો એ છે કે મોટા ભાગના AI સંશોધન સમુદાય માને છે કે અમે અમારા જીવનકાળમાં અને પ્રમાણમાં આ સદીની શરૂઆતમાં AGI ની શોધ કરીશું. 

આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ બનાવવાથી માનવતા કેવી રીતે બદલાશે

અમે આ શ્રેણીના છેલ્લા પ્રકરણમાં આ નવા AI ની અસરનું વિગતવાર અન્વેષણ કરીએ છીએ. તેણે કહ્યું, આ પ્રકરણ માટે, અમે કહીશું કે AGI ની રચના એ સામાજિક પ્રતિક્રિયા જેવી જ હશે જે માનવીએ મંગળ પર જીવન શોધવું જોઈએ ત્યારે આપણે અનુભવીશું. 

એક શિબિર મહત્વને સમજી શકશે નહીં અને તે વિચારવાનું ચાલુ રાખશે કે વૈજ્ઞાનિકો બીજા વધુ શક્તિશાળી કમ્પ્યુટર બનાવવા માટે મોટો સોદો કરી રહ્યા છે.

અન્ય શિબિર, જેમાં લુડાઇટ્સ અને ધાર્મિક માનસિકતા ધરાવતા વ્યક્તિઓનો સમાવેશ થાય છે, તે આ AGI થી ડરશે, વિચારીને કે તે એક ઘૃણાસ્પદ છે કે તે માનવતાને સ્કાયનેટ-શૈલીનો નાશ કરવાનો પ્રયાસ કરશે. આ શિબિર AGI ને તેમના તમામ સ્વરૂપોમાં કાઢી નાખવા/નષ્ટ કરવા સક્રિયપણે હિમાયત કરશે.

બીજી બાજુ, ત્રીજો શિબિર આ રચનાને આધુનિક આધ્યાત્મિક ઘટના તરીકે જોશે. મહત્વની તમામ રીતે, આ AGI જીવનનું એક નવું સ્વરૂપ હશે, જે આપણા કરતા અલગ રીતે વિચારે છે અને જેના લક્ષ્યો આપણા પોતાના કરતા અલગ છે. એકવાર AGI ની રચનાની ઘોષણા થઈ જાય પછી, મનુષ્ય હવે પૃથ્વીને માત્ર પ્રાણીઓ સાથે વહેંચશે નહીં, પરંતુ કૃત્રિમ પ્રાણીઓના એક નવા વર્ગ સાથે પણ જેની બુદ્ધિમત્તા આપણા પોતાના કરતા વધારે છે.

ચોથા શિબિરમાં વ્યાપારી હિતોનો સમાવેશ કરવામાં આવશે જેઓ તપાસ કરશે કે તેઓ વિવિધ વ્યવસાયિક જરૂરિયાતોને સંબોધવા માટે કેવી રીતે AGI નો ઉપયોગ કરી શકે છે, જેમ કે શ્રમ બજારમાં અંતર ભરવા અને નવા માલ અને સેવાઓના વિકાસને વેગ આપવા.

આગળ, અમારી પાસે સરકારના તમામ સ્તરોના પ્રતિનિધિઓ છે જેઓ AGI ને કેવી રીતે નિયમન કરવું તે સમજવાનો પ્રયાસ કરશે. આ તે સ્તર છે જ્યાં તમામ નૈતિક અને દાર્શનિક ચર્ચાઓ માથા પર આવશે, ખાસ કરીને આ AGI ને મિલકત તરીકે કે વ્યક્તિ તરીકે વર્તવું. 

અને છેલ્લે, છેલ્લો પડાવ લશ્કરી અને રાષ્ટ્રીય સુરક્ષા એજન્સીઓ હશે. હકીકતમાં, એકલા આ શિબિરને કારણે પ્રથમ AGI ની જાહેર જાહેરાત મહિનાઓથી વર્ષો સુધી વિલંબિત થઈ શકે છે. શા માટે? કારણ કે AGI ની શોધ ટૂંકા ક્રમમાં કૃત્રિમ સુપરિન્ટેલિજન્સ (ASI) ની રચના તરફ દોરી જશે, જે એક વિશાળ ભૌગોલિક રાજકીય ખતરાનું પ્રતિનિધિત્વ કરશે અને પરમાણુ બોમ્બની શોધ કરતાં ઘણી મોટી તકનું પ્રતિનિધિત્વ કરશે. 

આ કારણોસર, આગામી કેટલાક પ્રકરણો સંપૂર્ણપણે ASI ના વિષય પર અને તેની શોધ પછી માનવતા ટકી રહેશે કે કેમ તેના પર ધ્યાન કેન્દ્રિત કરશે.

(એક પ્રકરણને સમાપ્ત કરવાની વધુ પડતી નાટકીય રીત? તમે શરત કરો છો.)

આર્ટિફિશિયલ ઇન્ટેલિજન્સ શ્રેણીનું ભવિષ્ય

આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ આવતીકાલની વીજળી છે: આર્ટિફિશિયલ ઇન્ટેલિજન્સનું ભવિષ્ય P1

અમે પ્રથમ આર્ટિફિશિયલ સુપરિન્ટેલિજન્સ કેવી રીતે બનાવીશું: આર્ટિફિશિયલ ઇન્ટેલિજન્સ P3નું ભવિષ્ય 

શું કૃત્રિમ સુપરિન્ટેલિજન્સ માનવતાને ખતમ કરશે? આર્ટિફિશિયલ ઇન્ટેલિજન્સનું ભવિષ્ય P4

આર્ટિફિશિયલ સુપરઇન્ટેલિજન્સ સામે મનુષ્યો કેવી રીતે બચાવ કરશે: આર્ટિફિશિયલ ઇન્ટેલિજન્સનું ભવિષ્ય P5

શું માનવીઓ કૃત્રિમ બુદ્ધિમત્તા દ્વારા પ્રભુત્વ ધરાવતા ભવિષ્યમાં શાંતિથી જીવશે? આર્ટિફિશિયલ ઇન્ટેલિજન્સનું ભવિષ્ય P6