ಮೊದಲ ಆರ್ಟಿಫಿಶಿಯಲ್ ಜನರಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಸಮಾಜವನ್ನು ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತದೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P2

ನಾವು ಪಿರಮಿಡ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಿದ್ದೇವೆ. ನಾವು ವಿದ್ಯುಚ್ಛಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಳ್ಳಲು ಕಲಿತಿದ್ದೇವೆ. ಬಿಗ್ ಬ್ಯಾಂಗ್ (ಹೆಚ್ಚಾಗಿ) ​​ನಂತರ ನಮ್ಮ ಬ್ರಹ್ಮಾಂಡವು ಹೇಗೆ ರೂಪುಗೊಂಡಿತು ಎಂಬುದನ್ನು ನಾವು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ. ಮತ್ತು ಸಹಜವಾಗಿ, ಕ್ಲೀಷೆ ಉದಾಹರಣೆ, ನಾವು ಚಂದ್ರನ ಮೇಲೆ ಮನುಷ್ಯನನ್ನು ಇರಿಸಿದ್ದೇವೆ. ಆದರೂ, ಈ ಎಲ್ಲಾ ಸಾಧನೆಗಳ ಹೊರತಾಗಿಯೂ, ಮಾನವನ ಮೆದುಳು ಆಧುನಿಕ ವಿಜ್ಞಾನದ ತಿಳುವಳಿಕೆಯಿಂದ ದೂರ ಉಳಿದಿದೆ ಮತ್ತು ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ, ತಿಳಿದಿರುವ ವಿಶ್ವದಲ್ಲಿ ಅತ್ಯಂತ ಸಂಕೀರ್ಣವಾದ ವಸ್ತುವಾಗಿದೆ - ಅಥವಾ ಕನಿಷ್ಠ ನಮ್ಮ ತಿಳುವಳಿಕೆ.

ಈ ವಾಸ್ತವವನ್ನು ಗಮನಿಸಿದರೆ, ನಾವು ಇನ್ನೂ ಮಾನವರಿಗೆ ಸರಿಸಮಾನವಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು (AI) ನಿರ್ಮಿಸಿಲ್ಲ ಎಂಬುದು ಸಂಪೂರ್ಣವಾಗಿ ಆಘಾತಕಾರಿಯಾಗಬಾರದು. ಡೇಟಾ (ಸ್ಟಾರ್ ಟ್ರೆಕ್), ರಾಚೆಲ್ (ಬ್ಲೇಡ್ ರನ್ನರ್), ಮತ್ತು ಡೇವಿಡ್ (ಪ್ರಮೀತಿಯಸ್) ನಂತಹ AI, ಅಥವಾ ಸಮಂತಾ (ಅವಳ) ಮತ್ತು TARS (ಇಂಟರ್‌ಸ್ಟೆಲ್ಲರ್) ನಂತಹ ನಾನ್-ಹ್ಯೂಮನಾಯ್ಡ್ AI, ಇವೆಲ್ಲವೂ AI ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಮುಂದಿನ ಮಹತ್ವದ ಮೈಲಿಗಲ್ಲುಗಳ ಉದಾಹರಣೆಗಳಾಗಿವೆ: ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆ (AGI, ಕೆಲವೊಮ್ಮೆ HLMI ಅಥವಾ ಹ್ಯೂಮನ್ ಲೆವೆಲ್ ಮೆಷಿನ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಎಂದೂ ಸಹ ಉಲ್ಲೇಖಿಸಲಾಗುತ್ತದೆ). 

ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, AI ಸಂಶೋಧಕರು ಎದುರಿಸುತ್ತಿರುವ ಸವಾಲು: ನಮ್ಮ ಸ್ವಂತ ಮನಸ್ಸು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಬಗ್ಗೆ ನಮಗೆ ಸಂಪೂರ್ಣ ತಿಳುವಳಿಕೆ ಇಲ್ಲದಿರುವಾಗ ನಾವು ನಮ್ಮದೇ ಆದ ಕೃತಕ ಮನಸ್ಸನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸಬಹುದು?

ಭವಿಷ್ಯದ AGI ಗಳ ವಿರುದ್ಧ ಮಾನವರು ಹೇಗೆ ನಿಲ್ಲುತ್ತಾರೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ, ಮೊದಲ AGI ಅನ್ನು ಜಗತ್ತಿಗೆ ಘೋಷಿಸಿದ ಮರುದಿನ ಸಮಾಜವು ಹೇಗೆ ಬದಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನಾವು ಈ ಪ್ರಶ್ನೆಯನ್ನು ಅನ್ವೇಷಿಸುತ್ತೇವೆ. 

ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆ ಎಂದರೇನು?

ಚೆಸ್, ಜೆಪರ್ಡಿ ಮತ್ತು ಗೋದಲ್ಲಿ ಅಗ್ರ ಶ್ರೇಯಾಂಕದ ಆಟಗಾರರನ್ನು ಸೋಲಿಸುವ AI ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ, ಸುಲಭ (ಆಳವಾದ ನೀಲಿ, ವ್ಯಾಟ್ಸನ್, ಮತ್ತು ಆಲ್ಫಾಗೊ ಕ್ರಮವಾಗಿ). ಯಾವುದೇ ಪ್ರಶ್ನೆಗೆ ನಿಮಗೆ ಉತ್ತರಗಳನ್ನು ಒದಗಿಸುವ, ನೀವು ಖರೀದಿಸಲು ಬಯಸುವ ಐಟಂಗಳನ್ನು ಸೂಚಿಸುವ ಅಥವಾ ರೈಡ್‌ಶೇರ್ ಟ್ಯಾಕ್ಸಿಗಳ ಸಮೂಹವನ್ನು ನಿರ್ವಹಿಸುವ AI ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ-ಇಡೀ ಬಹು-ಶತಕೋಟಿ ಡಾಲರ್ ಕಂಪನಿಗಳು ಅವುಗಳ ಸುತ್ತಲೂ ನಿರ್ಮಿಸಲಾಗಿದೆ (Google, Amazon, Uber). ದೇಶದ ಒಂದು ಕಡೆಯಿಂದ ಇನ್ನೊಂದು ಕಡೆಗೆ ನಿಮ್ಮನ್ನು ಓಡಿಸಬಲ್ಲ AI ಸಹ ... ಅಲ್ಲದೆ, ನಾವು ಅದರ ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇವೆ.

ಆದರೆ ಮಕ್ಕಳ ಪುಸ್ತಕವನ್ನು ಓದಲು ಮತ್ತು ಅದು ಕಲಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ವಿಷಯ, ಅರ್ಥ ಅಥವಾ ನೈತಿಕತೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು AI ಅನ್ನು ಕೇಳಿ ಅಥವಾ ಬೆಕ್ಕು ಮತ್ತು ಜೀಬ್ರಾದ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಹೇಳಲು AI ಅನ್ನು ಕೇಳಿ, ಮತ್ತು ನೀವು ಕೆಲವುಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಉಂಟುಮಾಡುವಿರಿ ಶಾರ್ಟ್ ಸರ್ಕ್ಯೂಟ್‌ಗಳು. 

ಪ್ರಕೃತಿಯು ಲಕ್ಷಾಂತರ ವರ್ಷಗಳ ಕಾಲ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಧನವನ್ನು (ಮಿದುಳುಗಳು) ವಿಕಸನಗೊಳಿಸಿತು, ಅದು ಸಂಸ್ಕರಣೆ, ತಿಳುವಳಿಕೆ, ಕಲಿಕೆ ಮತ್ತು ನಂತರ ಹೊಸ ಸನ್ನಿವೇಶಗಳ ಮೇಲೆ ಮತ್ತು ಹೊಸ ಪರಿಸರದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದ ಕಳೆದ ಅರ್ಧ ಶತಮಾನದ ಜೊತೆಗೆ ಅವರು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಏಕವಚನ ಕಾರ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಧನಗಳನ್ನು ರಚಿಸುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದರು. 

ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಮಾನವ-ಕಂಪ್ಯೂಟರ್ ಸಾಮಾನ್ಯವಾದದ್ದಾಗಿದೆ, ಆದರೆ ಕೃತಕ ಕಂಪ್ಯೂಟರ್ ವಿಶೇಷಜ್ಞವಾಗಿದೆ.

AGI ಅನ್ನು ರಚಿಸುವ ಗುರಿಯು ನೇರ ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ಗಿಂತ ಅನುಭವದ ಮೂಲಕ ಮನುಷ್ಯನಂತೆ ಹೆಚ್ಚು ಯೋಚಿಸಲು ಮತ್ತು ಕಲಿಯಲು AI ಅನ್ನು ರಚಿಸುವುದು.

ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ, ಇದು ಭವಿಷ್ಯದ AGI ಅನ್ನು ಓದುವುದು, ಬರೆಯುವುದು ಮತ್ತು ಜೋಕ್ ಹೇಳುವುದು ಅಥವಾ ನಡೆಯುವುದು, ಓಡುವುದು ಮತ್ತು ಬೈಕು ಓಡಿಸುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ಕಲಿಯುವುದು, ಪ್ರಪಂಚದಲ್ಲಿ ತನ್ನದೇ ಆದ ಅನುಭವದ ಮೂಲಕ (ಯಾವುದೇ ದೇಹವನ್ನು ಬಳಸಿ ಅಥವಾ ನಾವು ಅದನ್ನು ನೀಡುವ ಸಂವೇದನಾ ಅಂಗಗಳು/ಸಾಧನಗಳು), ಮತ್ತು ಅದರ ಸ್ವಂತ ಪರಸ್ಪರ ಕ್ರಿಯೆಯ ಮೂಲಕ ಇತರ AI ಮತ್ತು ಇತರ ಮಾನವರು.

ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನಿರ್ಮಿಸಲು ಏನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ

ತಾಂತ್ರಿಕವಾಗಿ ಕಷ್ಟವಾಗಿದ್ದರೂ, AGI ಅನ್ನು ರಚಿಸುವುದು ಸಾಧ್ಯವಿರಬೇಕು. ವಾಸ್ತವವಾಗಿ, ಭೌತಶಾಸ್ತ್ರದ ನಿಯಮಗಳೊಳಗೆ ಆಳವಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವ ಆಸ್ತಿ ಇದೆ - ಗಣನೆಯ ಸಾರ್ವತ್ರಿಕತೆ - ಮೂಲಭೂತವಾಗಿ ಭೌತಿಕ ವಸ್ತುವು ಮಾಡಬಹುದಾದ ಎಲ್ಲವನ್ನೂ ಹೇಳುತ್ತದೆ, ಸಾಕಷ್ಟು ಶಕ್ತಿಯುತ, ಸಾಮಾನ್ಯ-ಉದ್ದೇಶದ ಕಂಪ್ಯೂಟರ್ ತಾತ್ವಿಕವಾಗಿ, ನಕಲಿಸಲು/ಅನುಕರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಮತ್ತು ಇನ್ನೂ, ಇದು ಟ್ರಿಕಿ ಇಲ್ಲಿದೆ.

ಅದೃಷ್ಟವಶಾತ್, ಈ ಪ್ರಕರಣದಲ್ಲಿ ಸಾಕಷ್ಟು ಬುದ್ಧಿವಂತ AI ಸಂಶೋಧಕರು ಇದ್ದಾರೆ (ಸಾಕಷ್ಟು ಕಾರ್ಪೊರೇಟ್, ಸರ್ಕಾರ ಮತ್ತು ಮಿಲಿಟರಿ ನಿಧಿಯನ್ನು ಬೆಂಬಲಿಸುವುದನ್ನು ಉಲ್ಲೇಖಿಸಬಾರದು), ಮತ್ತು ಇಲ್ಲಿಯವರೆಗೆ, ಅವರು ಪರಿಹರಿಸಲು ಅಗತ್ಯವಿರುವ ಮೂರು ಪ್ರಮುಖ ಅಂಶಗಳನ್ನು ಗುರುತಿಸಿದ್ದಾರೆ ನಮ್ಮ ಜಗತ್ತಿನಲ್ಲಿ AGI.

ದೊಡ್ಡ ದತ್ತಾಂಶ. AI ಅಭಿವೃದ್ಧಿಗೆ ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ವಿಧಾನವು ಆಳವಾದ ಕಲಿಕೆ ಎಂಬ ತಂತ್ರವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ-ಇದು ದೈತ್ಯ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಹೆಚ್ಚಿಸುವ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ನಿರ್ದಿಷ್ಟ ರೀತಿಯ ಯಂತ್ರ ಕಲಿಕೆಯ ವ್ಯವಸ್ಥೆ, ಸಿಮ್ಯುಲೇಟೆಡ್ ನ್ಯೂರಾನ್‌ಗಳ (ಮಾನವ ಮೆದುಳಿನ ಮಾದರಿಯ) ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿ ಹೇಳಿದ ಡೇಟಾವನ್ನು ಕ್ರಂಚ್ ಮಾಡುವ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಅದರ ಸ್ವಂತ ಒಳನೋಟಗಳನ್ನು ಪ್ರೋಗ್ರಾಂ ಮಾಡಲು ಸಂಶೋಧನೆಗಳನ್ನು ಬಳಸಿ. ಆಳವಾದ ಕಲಿಕೆಯ ಕುರಿತು ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗಾಗಿ, ಇದನ್ನು ಓದು.

ಉದಾಹರಣೆಗೆ, 2017 ರಲ್ಲಿ, ಗೂಗಲ್ ತನ್ನ AI ಗೆ ಬೆಕ್ಕುಗಳ ಸಾವಿರಾರು ಚಿತ್ರಗಳನ್ನು ನೀಡಿತು, ಅದರ ಆಳವಾದ ಕಲಿಕೆಯ ವ್ಯವಸ್ಥೆಯು ಬೆಕ್ಕನ್ನು ಹೇಗೆ ಗುರುತಿಸುವುದು ಎಂಬುದನ್ನು ಕಲಿಯಲು ಬಳಸುತ್ತದೆ, ಆದರೆ ವಿವಿಧ ಬೆಕ್ಕು ತಳಿಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸುತ್ತದೆ. ಸ್ವಲ್ಪ ಸಮಯದ ನಂತರ, ಅವರು ಮುಂಬರುವ ಬಿಡುಗಡೆಯನ್ನು ಘೋಷಿಸಿದರು ಗೂಗಲ್ ಲೆನ್ಸ್, ಹೊಸ ಹುಡುಕಾಟ ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆದಾರರಿಗೆ ಯಾವುದನ್ನಾದರೂ ಚಿತ್ರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಅನುಮತಿಸುತ್ತದೆ ಮತ್ತು ಅದು ಏನೆಂದು Google ನಿಮಗೆ ತಿಳಿಸುವುದಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ವಿವರಿಸುವ ಕೆಲವು ಉಪಯುಕ್ತ ಸಂದರ್ಭೋಚಿತ ವಿಷಯವನ್ನು ನೀಡುತ್ತದೆ-ಪ್ರಯಾಣ ಮಾಡುವಾಗ ಅನುಕೂಲಕರವಾಗಿದೆ ಮತ್ತು ನೀವು ನಿರ್ದಿಷ್ಟ ಪ್ರವಾಸಿ ಆಕರ್ಷಣೆಯ ಕುರಿತು ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ಬಯಸುತ್ತೀರಿ. ಆದರೆ ಇಲ್ಲಿಯೂ ಸಹ, ಗೂಗಲ್ ಲೆನ್ಸ್ ಪ್ರಸ್ತುತ ಅದರ ಇಮೇಜ್ ಸರ್ಚ್ ಇಂಜಿನ್‌ನಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಲಾದ ಶತಕೋಟಿ ಚಿತ್ರಗಳಿಲ್ಲದೆ ಸಾಧ್ಯವಿಲ್ಲ.

ಮತ್ತು ಇನ್ನೂ, ಈ ದೊಡ್ಡ ಡೇಟಾ ಮತ್ತು ಆಳವಾದ ಕಲಿಕೆಯ ಸಂಯೋಜನೆಯು AGI ಅನ್ನು ತರಲು ಇನ್ನೂ ಸಾಕಾಗುವುದಿಲ್ಲ.

ಉತ್ತಮ ಕ್ರಮಾವಳಿಗಳು. ಕಳೆದ ದಶಕದಲ್ಲಿ, Google ಅಂಗಸಂಸ್ಥೆ ಮತ್ತು AI ಬಾಹ್ಯಾಕಾಶದಲ್ಲಿ ನಾಯಕ, DeepMind, ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯೊಂದಿಗೆ ಆಳವಾದ ಕಲಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಸ್ಪ್ಲಾಶ್ ಮಾಡಿದೆ-ಹೊಸ ಪರಿಸರದಲ್ಲಿ ಸಾಧಿಸಲು ಹೇಗೆ ಕ್ರಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು AI ಗೆ ಕಲಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ಪೂರಕ ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನವಾಗಿದೆ. ಒಂದು ನಿಗದಿತ ಗುರಿ.

ಈ ಹೈಬ್ರಿಡ್ ತಂತ್ರಕ್ಕೆ ಧನ್ಯವಾದಗಳು, DeepMind ನ ಪ್ರೀಮಿಯರ್ AI, AlphaGo, ನಿಯಮಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಮಾಸ್ಟರ್ ಹ್ಯೂಮನ್ ಪ್ಲೇಯರ್‌ಗಳ ತಂತ್ರಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಮೂಲಕ ಆಲ್ಫಾಗೋವನ್ನು ಹೇಗೆ ಆಡಬೇಕೆಂದು ಸ್ವತಃ ಕಲಿಸಿದೆ, ಆದರೆ ಸ್ವತಃ ವಿರುದ್ಧವಾಗಿ ಲಕ್ಷಾಂತರ ಬಾರಿ ಆಡಿದ ನಂತರ ಅತ್ಯುತ್ತಮ ಆಲ್ಫಾಗೋ ಆಟಗಾರರನ್ನು ಸೋಲಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಆಟದಲ್ಲಿ ಹಿಂದೆಂದೂ ನೋಡಿರದ ಚಲನೆಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಬಳಸುವುದು. 

ಅಂತೆಯೇ, ಡೀಪ್‌ಮೈಂಡ್‌ನ ಅಟಾರಿ ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ರಯೋಗವು ವಿಶಿಷ್ಟವಾದ ಆಟದ ಪರದೆಯನ್ನು ನೋಡಲು AI ಗೆ ಕ್ಯಾಮರಾವನ್ನು ನೀಡುವುದು, ಆಟದ ಆದೇಶಗಳನ್ನು (ಜಾಯ್‌ಸ್ಟಿಕ್ ಬಟನ್‌ಗಳಂತಹ) ಇನ್‌ಪುಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮಾಡುವುದು ಮತ್ತು ಅದರ ಸ್ಕೋರ್ ಅನ್ನು ಹೆಚ್ಚಿಸಲು ಏಕವಚನ ಗುರಿಯನ್ನು ನೀಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಫಲಿತಾಂಶ? ಕೆಲವೇ ದಿನಗಳಲ್ಲಿ, ಡಜನ್‌ಗಟ್ಟಲೆ ಕ್ಲಾಸಿಕ್ ಆರ್ಕೇಡ್ ಆಟಗಳನ್ನು ಹೇಗೆ ಆಡಬೇಕು ಮತ್ತು ಹೇಗೆ ಕರಗತ ಮಾಡಿಕೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು ಅದು ಸ್ವತಃ ಕಲಿಸಿತು. 

ಆದರೆ ಈ ಆರಂಭಿಕ ಯಶಸ್ಸುಗಳು ರೋಮಾಂಚನಕಾರಿಯಾಗಿವೆ, ಪರಿಹರಿಸಲು ಕೆಲವು ಪ್ರಮುಖ ಸವಾಲುಗಳು ಉಳಿದಿವೆ.

ಒಂದು, AI ಸಂಶೋಧಕರು ಮಾನವ ಮತ್ತು ಪ್ರಾಣಿಗಳ ಮಿದುಳುಗಳು ಅಸಾಧಾರಣವಾಗಿ ಉತ್ತಮವಾಗಿರುವ 'ಚಂಕಿಂಗ್' ಎಂಬ ಟ್ರಿಕ್ ಅನ್ನು AI ಗೆ ಕಲಿಸಲು ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದಾರೆ. ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ನೀವು ದಿನಸಿ ಖರೀದಿಸಲು ನಿರ್ಧರಿಸಿದಾಗ, ನಿಮ್ಮ ಅಂತಿಮ ಗುರಿಯನ್ನು (ಆವಕಾಡೊವನ್ನು ಖರೀದಿಸುವುದು) ಮತ್ತು ನೀವು ಅದನ್ನು ಹೇಗೆ ಮಾಡುತ್ತೀರಿ ಎಂಬುದರ ಕುರಿತು ಸ್ಥೂಲವಾದ ಯೋಜನೆಯನ್ನು ದೃಶ್ಯೀಕರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ (ಮನೆಯಿಂದ ಹೊರಹೋಗಿ, ಕಿರಾಣಿ ಅಂಗಡಿಗೆ ಭೇಟಿ ನೀಡಿ, ಖರೀದಿಸಿ. ಆವಕಾಡೊ, ಮನೆಗೆ ಹಿಂತಿರುಗಿ). ನೀವು ಮಾಡದಿರುವುದು ಪ್ರತಿ ಉಸಿರು, ಪ್ರತಿ ಹೆಜ್ಜೆ, ನಿಮ್ಮ ದಾರಿಯಲ್ಲಿ ಸಾಧ್ಯವಿರುವ ಪ್ರತಿಯೊಂದು ಆಕಸ್ಮಿಕತೆಯನ್ನು ಯೋಜಿಸುವುದು. ಬದಲಾಗಿ, ನೀವು ಎಲ್ಲಿಗೆ ಹೋಗಬೇಕೆಂದು ನಿಮ್ಮ ಮನಸ್ಸಿನಲ್ಲಿ ಒಂದು ಪರಿಕಲ್ಪನೆಯನ್ನು (ಚಂಕ್) ಹೊಂದಿದ್ದೀರಿ ಮತ್ತು ನಿಮ್ಮ ಪ್ರವಾಸವನ್ನು ಬರುವ ಯಾವುದೇ ಪರಿಸ್ಥಿತಿಗೆ ಹೊಂದಿಕೊಳ್ಳಿ.

ಇದು ನಿಮಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಅನಿಸಬಹುದಾದಂತೆ, ಈ ಸಾಮರ್ಥ್ಯವು AI ಗಿಂತ ಮಾನವನ ಮಿದುಳುಗಳು ಇನ್ನೂ ಹೊಂದಿರುವ ಪ್ರಮುಖ ಪ್ರಯೋಜನಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ - ಇದು ಒಂದು ಗುರಿಯನ್ನು ಹೊಂದಿಸಲು ಮತ್ತು ಮುಂಚಿತವಾಗಿ ಪ್ರತಿ ವಿವರವನ್ನು ತಿಳಿಯದೆ ಮತ್ತು ನಾವು ಯಾವುದೇ ಅಡೆತಡೆಗಳು ಅಥವಾ ಪರಿಸರ ಬದಲಾವಣೆಯ ಹೊರತಾಗಿಯೂ ಅದನ್ನು ಅನುಸರಿಸಲು ಹೊಂದಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ. ಎದುರಾಗಬಹುದು. ಈ ಕೌಶಲ್ಯವು ಮೇಲೆ ತಿಳಿಸಲಾದ ದೊಡ್ಡ ಡೇಟಾದ ಅಗತ್ಯವಿಲ್ಲದೇ AGI ಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಲಿಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಇನ್ನೊಂದು ಸವಾಲು ಎಂದರೆ ಕೇವಲ ಪುಸ್ತಕವನ್ನು ಓದುವ ಸಾಮರ್ಥ್ಯ ಅರ್ಥವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ ಅಥವಾ ಅದರ ಹಿಂದಿನ ಸಂದರ್ಭ. ದೀರ್ಘಾವಧಿಯಲ್ಲಿ, AI ಒಂದು ವೃತ್ತಪತ್ರಿಕೆ ಲೇಖನವನ್ನು ಓದುವುದು ಮತ್ತು ಪುಸ್ತಕದ ವರದಿಯನ್ನು ಬರೆಯುವ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳಿಗೆ ನಿಖರವಾಗಿ ಉತ್ತರಿಸಲು ಸಾಧ್ಯವಾಗುವುದು ಇಲ್ಲಿ ಗುರಿಯಾಗಿದೆ. ಈ ಸಾಮರ್ಥ್ಯವು AI ಅನ್ನು ಸರಳವಾಗಿ ಸಂಖ್ಯೆಗಳನ್ನು ಕ್ರಂಚ್ ಮಾಡುವ ಕ್ಯಾಲ್ಕುಲೇಟರ್‌ನಿಂದ ಅರ್ಥವನ್ನು ಕ್ರಂಚ್ ಮಾಡುವ ಘಟಕಕ್ಕೆ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಒಟ್ಟಾರೆಯಾಗಿ, ಮಾನವನ ಮೆದುಳನ್ನು ಅನುಕರಿಸುವ ಸ್ವಯಂ-ಕಲಿಕೆಯ ಅಲ್ಗಾರಿದಮ್‌ಗೆ ಹೆಚ್ಚಿನ ಪ್ರಗತಿಗಳು ಅಂತಿಮವಾಗಿ AGI ರಚನೆಯಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತವೆ, ಆದರೆ ಈ ಕೆಲಸದ ಜೊತೆಗೆ, AI ಸಮುದಾಯಕ್ಕೆ ಉತ್ತಮ ಯಂತ್ರಾಂಶದ ಅಗತ್ಯವಿದೆ.

ಉತ್ತಮ ಯಂತ್ರಾಂಶ. ಮೇಲೆ ವಿವರಿಸಿದ ಪ್ರಸ್ತುತ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು, AGI ಅನ್ನು ಚಲಾಯಿಸಲು ಲಭ್ಯವಿರುವ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯನ್ನು ನಾವು ಗಂಭೀರವಾಗಿ ಹೆಚ್ಚಿಸಿದ ನಂತರವೇ ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಸಂದರ್ಭಕ್ಕಾಗಿ, ನಾವು ಮಾನವ ಮೆದುಳಿನ ಆಲೋಚನಾ ಸಾಮರ್ಥ್ಯವನ್ನು ತೆಗೆದುಕೊಂಡರೆ ಮತ್ತು ಅದನ್ನು ಕಂಪ್ಯೂಟೇಶನಲ್ ಪದಗಳಾಗಿ ಪರಿವರ್ತಿಸಿದರೆ, ಸರಾಸರಿ ಮಾನವನ ಮಾನಸಿಕ ಸಾಮರ್ಥ್ಯದ ಸ್ಥೂಲ ಅಂದಾಜು ಒಂದು ಎಕ್ಸಾಫ್ಲಾಪ್ ಆಗಿದೆ, ಇದು 1,000 ಪೆಟಾಫ್ಲಾಪ್‌ಗಳಿಗೆ ಸಮನಾಗಿರುತ್ತದೆ ('ಫ್ಲಾಪ್' ಎಂದರೆ ಫ್ಲೋಟಿಂಗ್-ಪಾಯಿಂಟ್ ಕಾರ್ಯಾಚರಣೆಗಳು ಪ್ರತಿ ಎರಡನೆಯದು ಮತ್ತು ಗಣನೆಯ ವೇಗವನ್ನು ಅಳೆಯುತ್ತದೆ).

ಹೋಲಿಸಿದರೆ, 2018 ರ ಅಂತ್ಯದ ವೇಳೆಗೆ, ವಿಶ್ವದ ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಸೂಪರ್ಕಂಪ್ಯೂಟರ್, ಜಪಾನ್ನ AI ಬ್ರಿಡ್ಜಿಂಗ್ ಕ್ಲೌಡ್ 130 ಪೆಟಾಫ್ಲಾಪ್‌ಗಳಲ್ಲಿ ಗುನುಗುತ್ತದೆ, ಒಂದು ಎಕ್ಸಾಫ್ಲಾಪ್‌ಗಿಂತ ಕಡಿಮೆ.

ನಮ್ಮಲ್ಲಿ ವಿವರಿಸಿದಂತೆ ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್‌ಗಳು ನಮ್ಮಲ್ಲಿ ಅಧ್ಯಾಯ ಕಂಪ್ಯೂಟರ್‌ಗಳ ಭವಿಷ್ಯ ಸರಣಿಯಲ್ಲಿ, US ಮತ್ತು ಚೀನಾ ಎರಡೂ 2022 ರ ವೇಳೆಗೆ ತಮ್ಮದೇ ಆದ ಎಕ್ಸಾಫ್ಲಾಪ್ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಕೆಲಸ ಮಾಡುತ್ತಿವೆ, ಆದರೆ ಅವುಗಳು ಯಶಸ್ವಿಯಾಗಿದ್ದರೂ ಸಹ, ಅದು ಇನ್ನೂ ಸಾಕಾಗುವುದಿಲ್ಲ.

ಈ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳು ಹಲವಾರು ಡಜನ್ ಮೆಗಾವ್ಯಾಟ್‌ಗಳ ಶಕ್ತಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಹಲವಾರು ನೂರು ಚದರ ಮೀಟರ್ ಜಾಗವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ನಿರ್ಮಿಸಲು ಹಲವಾರು ನೂರು ಮಿಲಿಯನ್ ವೆಚ್ಚವಾಗುತ್ತದೆ. ಮಾನವನ ಮೆದುಳು ಕೇವಲ 20 ವ್ಯಾಟ್‌ಗಳ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತದೆ, ಸುಮಾರು 50 ಸೆಂ.ಮೀ ಸುತ್ತಳತೆಯ ತಲೆಬುರುಡೆಯೊಳಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ನಮ್ಮಲ್ಲಿ ಏಳು ಬಿಲಿಯನ್ (2018) ಇದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ನಾವು AGI ಗಳನ್ನು ಮನುಷ್ಯರಂತೆ ಸಾಮಾನ್ಯವಾಗಿಸಲು ಬಯಸಿದರೆ, ಅವುಗಳನ್ನು ಹೆಚ್ಚು ಆರ್ಥಿಕವಾಗಿ ಹೇಗೆ ರಚಿಸುವುದು ಎಂಬುದನ್ನು ನಾವು ಕಲಿಯಬೇಕಾಗಿದೆ.

ಆ ನಿಟ್ಟಿನಲ್ಲಿ, AI ಸಂಶೋಧಕರು ಭವಿಷ್ಯದ AIಗಳನ್ನು ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟರ್‌ಗಳೊಂದಿಗೆ ಶಕ್ತಿಯುತಗೊಳಿಸುವುದನ್ನು ಪರಿಗಣಿಸಲು ಪ್ರಾರಂಭಿಸಿದ್ದಾರೆ. ನಲ್ಲಿ ಹೆಚ್ಚು ವಿವರವಾಗಿ ವಿವರಿಸಲಾಗಿದೆ ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟರ್ಗಳು ನಮ್ಮ ಫ್ಯೂಚರ್ ಆಫ್ ಕಂಪ್ಯೂಟರ್ ಸರಣಿಯ ಅಧ್ಯಾಯದಲ್ಲಿ, ಈ ಕಂಪ್ಯೂಟರ್‌ಗಳು ನಾವು ಕಳೆದ ಅರ್ಧ ಶತಮಾನದಿಂದ ನಿರ್ಮಿಸುತ್ತಿರುವ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗಿಂತ ಮೂಲಭೂತವಾಗಿ ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. 2030 ರ ಹೊತ್ತಿಗೆ ಪರಿಪೂರ್ಣವಾದ ನಂತರ, ಒಂದೇ ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟರ್ ಪ್ರಸ್ತುತ 2018 ರಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವ ಪ್ರತಿಯೊಂದು ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ಜಾಗತಿಕವಾಗಿ ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಅವು ತುಂಬಾ ಚಿಕ್ಕದಾಗಿರುತ್ತವೆ ಮತ್ತು ಪ್ರಸ್ತುತ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗಿಂತ ಕಡಿಮೆ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತವೆ. 

ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆ ಮಾನವನಿಗಿಂತ ಹೇಗೆ ಶ್ರೇಷ್ಠವಾಗಿರುತ್ತದೆ?

AI ಸಂಶೋಧಕರು ಮೊದಲ AGI ಅನ್ನು ರಚಿಸುವಲ್ಲಿ ಯಶಸ್ಸನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ ಎಂದು ಮೇಲೆ ಪಟ್ಟಿ ಮಾಡಲಾದ ಪ್ರತಿಯೊಂದು ಸವಾಲನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗಿದೆ ಎಂದು ನಾವು ಊಹಿಸೋಣ. AGI ಮನಸ್ಸು ನಮ್ಮ ಮನಸ್ಸಿನಿಂದ ಹೇಗೆ ಭಿನ್ನವಾಗಿರುತ್ತದೆ?

ಈ ರೀತಿಯ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು, ನಾವು AGI ಮನಸ್ಸುಗಳನ್ನು ಮೂರು ವರ್ಗಗಳಾಗಿ ವರ್ಗೀಕರಿಸಬೇಕಾಗಿದೆ, ರೋಬೋಟ್ ದೇಹದೊಳಗೆ ವಾಸಿಸುವ (ಡೇಟಾದಿಂದ ಸ್ಟಾರ್ ಟ್ರೆಕ್), ಭೌತಿಕ ರೂಪವನ್ನು ಹೊಂದಿರುವ ಆದರೆ ಇಂಟರ್ನೆಟ್/ಕ್ಲೌಡ್‌ಗೆ ನಿಸ್ತಂತುವಾಗಿ ಸಂಪರ್ಕಗೊಂಡಿರುವವು (ಏಜೆಂಟ್ ಸ್ಮಿತ್ ಅವರಿಂದ ಮ್ಯಾಟ್ರಿಕ್ಸ್) ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಕಂಪ್ಯೂಟರ್ ಅಥವಾ ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ವಾಸಿಸುವ ಭೌತಿಕ ರೂಪವಿಲ್ಲದವರು (ಸಮಂತಾ ಅವರಿಂದ ಆಟಗಳು).

ಪ್ರಾರಂಭಿಸಲು, ವೆಬ್‌ನಿಂದ ಪ್ರತ್ಯೇಕಿಸಲಾದ ರೊಬೊಟಿಕ್ ದೇಹದೊಳಗಿನ AGI ಗಳು ಮಾನವ ಮನಸ್ಸಿನೊಂದಿಗೆ ಸಮಾನವಾಗಿ ಸ್ಪರ್ಧಿಸುತ್ತವೆ, ಆದರೆ ಆಯ್ದ ಅನುಕೂಲಗಳೊಂದಿಗೆ:

• ಮೆಮೊರಿ: AGI ಯ ರೊಬೊಟಿಕ್ ರೂಪದ ವಿನ್ಯಾಸವನ್ನು ಅವಲಂಬಿಸಿ, ಅವರ ಅಲ್ಪಾವಧಿಯ ಸ್ಮರಣೆ ಮತ್ತು ಪ್ರಮುಖ ಮಾಹಿತಿಯ ಸ್ಮರಣೆ ಖಂಡಿತವಾಗಿಯೂ ಮಾನವರಿಗಿಂತ ಉತ್ತಮವಾಗಿರುತ್ತದೆ. ಆದರೆ ದಿನದ ಕೊನೆಯಲ್ಲಿ, ರೋಬೋಟ್‌ನಲ್ಲಿ ನೀವು ಎಷ್ಟು ಹಾರ್ಡ್ ಡ್ರೈವ್ ಜಾಗವನ್ನು ಪ್ಯಾಕ್ ಮಾಡಬಹುದು ಎಂಬುದಕ್ಕೆ ಭೌತಿಕ ಮಿತಿಯಿದೆ, ನಾವು ಅವುಗಳನ್ನು ಮನುಷ್ಯರಂತೆ ಕಾಣುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸುತ್ತೇವೆ ಎಂದು ಊಹಿಸಿ. ಈ ಕಾರಣಕ್ಕಾಗಿ, AGI ಗಳ ದೀರ್ಘಾವಧಿಯ ಸ್ಮರಣೆಯು ಮಾನವರಂತೆಯೇ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಅದರ ಭವಿಷ್ಯದ ಕಾರ್ಯಚಟುವಟಿಕೆಗೆ ('ಡಿಸ್ಕ್ ಜಾಗವನ್ನು' ಮುಕ್ತಗೊಳಿಸಲು) ಅನಗತ್ಯವೆಂದು ಪರಿಗಣಿಸಲಾದ ಮಾಹಿತಿ ಮತ್ತು ನೆನಪುಗಳನ್ನು ಸಕ್ರಿಯವಾಗಿ ಮರೆತುಬಿಡುತ್ತದೆ.
• ವೇಗ: ಮಾನವನ ಮಿದುಳಿನ ಒಳಗಿನ ನರಕೋಶಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯು ಸರಿಸುಮಾರು 200 ಹರ್ಟ್ಜ್‌ನಷ್ಟಿರುತ್ತದೆ, ಆದರೆ ಆಧುನಿಕ ಮೈಕ್ರೊಪ್ರೊಸೆಸರ್‌ಗಳು ಗಿಗಾಹರ್ಟ್ಜ್ ಮಟ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ನ್ಯೂರಾನ್‌ಗಳಿಗಿಂತ ಲಕ್ಷಾಂತರ ಪಟ್ಟು ವೇಗವಾಗಿರುತ್ತದೆ. ಇದರರ್ಥ ಮಾನವರಿಗೆ ಹೋಲಿಸಿದರೆ, ಭವಿಷ್ಯದ AGI ಗಳು ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತವೆ ಮತ್ತು ಮನುಷ್ಯರಿಗಿಂತ ವೇಗವಾಗಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. ನೀವು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಳ್ಳಿ, ಈ AGI ಮಾನವರಿಗಿಂತ ಚುರುಕಾದ ಅಥವಾ ಹೆಚ್ಚು ಸರಿಯಾದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಎಂದರ್ಥವಲ್ಲ, ಅವರು ವೇಗವಾಗಿ ತೀರ್ಮಾನಕ್ಕೆ ಬರಬಹುದು.
• ಕಾರ್ಯಕ್ಷಮತೆ: ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಮಾನವನ ಮೆದುಳು ವಿಶ್ರಾಂತಿ ಅಥವಾ ನಿದ್ರೆಯಿಲ್ಲದೆ ಹೆಚ್ಚು ಸಮಯ ಕಾರ್ಯನಿರ್ವಹಿಸಿದರೆ ದಣಿದಿದೆ ಮತ್ತು ಅದು ಮಾಡಿದಾಗ, ಅದರ ಸ್ಮರಣೆ ಮತ್ತು ಕಲಿಯುವ ಮತ್ತು ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯವು ದುರ್ಬಲಗೊಳ್ಳುತ್ತದೆ. ಏತನ್ಮಧ್ಯೆ, AGI ಗಳಿಗೆ, ಅವರು ನಿಯಮಿತವಾಗಿ ರೀಚಾರ್ಜ್ ಆಗುತ್ತಾರೆ (ವಿದ್ಯುತ್) ಎಂದು ಭಾವಿಸಿದರೆ, ಅವರು ಆ ದೌರ್ಬಲ್ಯವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ.
• ಉನ್ನತೀಕರಣ: ಮನುಷ್ಯನಿಗೆ, ಹೊಸ ಅಭ್ಯಾಸವನ್ನು ಕಲಿಯಲು ವಾರಗಳ ಅಭ್ಯಾಸವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಹೊಸ ಕೌಶಲ್ಯವನ್ನು ಕಲಿಯಲು ತಿಂಗಳುಗಳು ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ಹೊಸ ವೃತ್ತಿಯನ್ನು ಕಲಿಯಲು ವರ್ಷಗಳು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. AGI ಗಾಗಿ, ಅವರು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ನ OS ಅನ್ನು ಹೇಗೆ ನಿಯಮಿತವಾಗಿ ನವೀಕರಿಸುತ್ತೀರಿ ಎಂಬುದರಂತೆಯೇ ಅನುಭವದ ಮೂಲಕ (ಮಾನವರಂತೆ) ಮತ್ತು ನೇರ ಡೇಟಾ ಅಪ್‌ಲೋಡ್ ಮೂಲಕ ಕಲಿಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುತ್ತಾರೆ. ಈ ಅಪ್‌ಡೇಟ್‌ಗಳು ಜ್ಞಾನದ ಅಪ್‌ಗ್ರೇಡ್‌ಗಳಿಗೆ (ಹೊಸ ಕೌಶಲ್ಯಗಳು) ಅಥವಾ AGIs ಭೌತಿಕ ರೂಪಕ್ಕೆ ಕಾರ್ಯಕ್ಷಮತೆಯ ಅಪ್‌ಗ್ರೇಡ್‌ಗಳಿಗೆ ಅನ್ವಯಿಸಬಹುದು. 

ಮುಂದೆ, ಭೌತಿಕ ರೂಪವನ್ನು ಹೊಂದಿರುವ AGI ಗಳನ್ನು ನೋಡೋಣ, ಆದರೆ ಇಂಟರ್ನೆಟ್/ಕ್ಲೌಡ್‌ಗೆ ವೈರ್‌ಲೆಸ್ ಆಗಿ ಸಂಪರ್ಕ ಹೊಂದಿದೆ. ಸಂಪರ್ಕವಿಲ್ಲದ AGI ಗಳಿಗೆ ಹೋಲಿಸಿದಾಗ ಈ ಮಟ್ಟದಲ್ಲಿ ನಾವು ನೋಡಬಹುದಾದ ವ್ಯತ್ಯಾಸಗಳು:

• ಮೆಮೊರಿ: ಈ AGI ಗಳು ಹಿಂದಿನ AGI ವರ್ಗ ಹೊಂದಿರುವ ಎಲ್ಲಾ ಅಲ್ಪಾವಧಿಯ ಪ್ರಯೋಜನಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ, ಆದರೆ ಅವರು ಅಗತ್ಯವಿರುವಾಗ ಪ್ರವೇಶಿಸಲು ಆ ನೆನಪುಗಳನ್ನು ಕ್ಲೌಡ್‌ಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದರಿಂದ ಅವರು ಪರಿಪೂರ್ಣ ದೀರ್ಘಕಾಲೀನ ಸ್ಮರಣೆಯಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತಾರೆ. ನಿಸ್ಸಂಶಯವಾಗಿ, ಕಡಿಮೆ ಸಂಪರ್ಕದ ಪ್ರದೇಶಗಳಲ್ಲಿ ಈ ಮೆಮೊರಿಯನ್ನು ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ, ಆದರೆ 2020 ಮತ್ತು 2030 ರ ದಶಕದಲ್ಲಿ ಪ್ರಪಂಚದ ಹೆಚ್ಚಿನವರು ಆನ್‌ಲೈನ್‌ಗೆ ಬಂದಾಗ ಅದು ಕಡಿಮೆ ಕಾಳಜಿಯನ್ನು ನೀಡುತ್ತದೆ. ರಲ್ಲಿ ಇನ್ನಷ್ಟು ಓದಿ ಅಧ್ಯಾಯ ಒಂದು ನಮ್ಮ ಇಂಟರ್ನೆಟ್ ಭವಿಷ್ಯ ಸರಣಿ. 
• ವೇಗ: ಈ AGI ಎದುರಿಸುವ ಅಡಚಣೆಯ ಪ್ರಕಾರವನ್ನು ಅವಲಂಬಿಸಿ, ಅದನ್ನು ಪರಿಹರಿಸಲು ಸಹಾಯ ಮಾಡಲು ಅವರು ಕ್ಲೌಡ್‌ನ ದೊಡ್ಡ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯನ್ನು ಪ್ರವೇಶಿಸಬಹುದು.
• ಕಾರ್ಯಕ್ಷಮತೆ: ಸಂಪರ್ಕವಿಲ್ಲದ AGI ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಯಾವುದೇ ವ್ಯತ್ಯಾಸವಿಲ್ಲ.
• ಅಪ್‌ಗ್ರೇಡಬಿಲಿಟಿ: ಅಪ್‌ಗ್ರೇಡಬಿಲಿಟಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಈ AGI ಯ ನಡುವಿನ ಏಕೈಕ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಅವರು ಅಪ್‌ಗ್ರೇಡ್ ಡಿಪೋಗೆ ಭೇಟಿ ನೀಡುವ ಮತ್ತು ಪ್ಲಗ್ ಮಾಡುವ ಬದಲು ವೈರ್‌ಲೆಸ್ ಆಗಿ ನೈಜ ಸಮಯದಲ್ಲಿ ನವೀಕರಣಗಳನ್ನು ಪ್ರವೇಶಿಸಬಹುದು.
• ಸಾಮೂಹಿಕ: ಮಾನವರು ಭೂಮಿಯ ಪ್ರಬಲ ಪ್ರಭೇದವಾಗಿದ್ದಾರೆ ಏಕೆಂದರೆ ನಾವು ದೊಡ್ಡ ಅಥವಾ ಬಲಿಷ್ಠ ಪ್ರಾಣಿಗಳಾಗಿದ್ದೇವೆ, ಆದರೆ ಸಾಮೂಹಿಕ ಗುರಿಗಳನ್ನು ಸಾಧಿಸಲು ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಸಂವಹನ ಮತ್ತು ಸಹಯೋಗವನ್ನು ಹೇಗೆ ಕಲಿತಿದ್ದೇವೆ, ವೂಲ್ಲಿ ಮ್ಯಾಮತ್ ಅನ್ನು ಬೇಟೆಯಾಡುವುದರಿಂದ ಹಿಡಿದು ಅಂತರರಾಷ್ಟ್ರೀಯ ಬಾಹ್ಯಾಕಾಶ ನಿಲ್ದಾಣವನ್ನು ನಿರ್ಮಿಸುವವರೆಗೆ. AGI ಗಳ ತಂಡವು ಈ ಸಹಯೋಗವನ್ನು ಮುಂದಿನ ಹಂತಕ್ಕೆ ಕೊಂಡೊಯ್ಯುತ್ತದೆ. ಮೇಲೆ ಪಟ್ಟಿ ಮಾಡಲಾದ ಎಲ್ಲಾ ಅರಿವಿನ ಅನುಕೂಲಗಳನ್ನು ನೀಡಿದರೆ ಮತ್ತು ನಂತರ ವೈರ್‌ಲೆಸ್ ಆಗಿ ಸಂವಹನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ವೈಯಕ್ತಿಕವಾಗಿ ಮತ್ತು ದೂರದವರೆಗೆ, ಭವಿಷ್ಯದ AGI ತಂಡ/ಹೈವ್ ಮನಸ್ಸು ಮಾನವರ ತಂಡಕ್ಕಿಂತ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಯೋಜನೆಗಳನ್ನು ಸೈದ್ಧಾಂತಿಕವಾಗಿ ನಿಭಾಯಿಸಬಹುದು. 

ಅಂತಿಮವಾಗಿ, AGI ಯ ಕೊನೆಯ ಪ್ರಕಾರವು ಭೌತಿಕ ರೂಪವಿಲ್ಲದ ಆವೃತ್ತಿಯಾಗಿದೆ, ಇದು ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಅದರ ರಚನೆಕಾರರು ಒದಗಿಸುವ ಸಂಪೂರ್ಣ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿ ಮತ್ತು ಆನ್‌ಲೈನ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದೆ. ವೈಜ್ಞಾನಿಕ ಪ್ರದರ್ಶನಗಳು ಮತ್ತು ಪುಸ್ತಕಗಳಲ್ಲಿ, ಈ AGI ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಪರಿಣಿತ ವರ್ಚುವಲ್ ಸಹಾಯಕರು/ಸ್ನೇಹಿತರು ಅಥವಾ ಬಾಹ್ಯಾಕಾಶ ನೌಕೆಯ ಸ್ಪಂಕಿ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್‌ನ ರೂಪವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. ಆದರೆ AGI ಯ ಇತರ ಎರಡು ವರ್ಗಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಈ AI ಈ ಕೆಳಗಿನ ವಿಧಾನಗಳಲ್ಲಿ ಭಿನ್ನವಾಗಿರುತ್ತದೆ;

• ವೇಗ: ಅನಿಯಮಿತ (ಅಥವಾ, ಕನಿಷ್ಠ ಅದು ಪ್ರವೇಶವನ್ನು ಹೊಂದಿರುವ ಹಾರ್ಡ್‌ವೇರ್‌ನ ಮಿತಿಗಳಿಗೆ).
• ಮೆಮೊರಿ: ಅನಿಯಮಿತ  
• ಕಾರ್ಯಕ್ಷಮತೆ: ಸೂಪರ್‌ಕಂಪ್ಯೂಟಿಂಗ್ ಕೇಂದ್ರಗಳಿಗೆ ಅದರ ಪ್ರವೇಶವನ್ನು ನೀಡಿರುವುದರಿಂದ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಗುಣಮಟ್ಟದಲ್ಲಿ ಹೆಚ್ಚಳ.
• ಅಪ್ಗ್ರೇಡಬಿಲಿಟಿ: ಸಂಪೂರ್ಣ, ನೈಜ ಸಮಯದಲ್ಲಿ, ಮತ್ತು ಅರಿವಿನ ನವೀಕರಣಗಳ ಅನಿಯಮಿತ ಆಯ್ಕೆಯೊಂದಿಗೆ. ಸಹಜವಾಗಿ, ಈ AGI ವರ್ಗವು ಭೌತಿಕ ರೋಬೋಟ್ ರೂಪವನ್ನು ಹೊಂದಿಲ್ಲದಿರುವುದರಿಂದ, ಆ ಅಪ್‌ಗ್ರೇಡ್‌ಗಳು ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಹೊರತು ಲಭ್ಯವಿರುವ ಭೌತಿಕ ನವೀಕರಣಗಳ ಅಗತ್ಯವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ.
• ಸಾಮೂಹಿಕ: ಹಿಂದಿನ AGI ವರ್ಗದಂತೆಯೇ, ಈ ದೇಹರಹಿತ AGI ತನ್ನ AGI ಸಹೋದ್ಯೋಗಿಗಳೊಂದಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸಹಕರಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಅನಿಯಮಿತ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಗೆ ಹೆಚ್ಚು ನೇರ ಪ್ರವೇಶ ಮತ್ತು ಆನ್‌ಲೈನ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ನೀಡಿದರೆ, ಈ AGI ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಒಟ್ಟಾರೆ AGI ಸಾಮೂಹಿಕ ನಾಯಕತ್ವದ ಪಾತ್ರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. 

ಮಾನವೀಯತೆಯು ಮೊದಲ ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಯಾವಾಗ ರಚಿಸುತ್ತದೆ?

AI ಸಂಶೋಧನಾ ಸಮುದಾಯವು ಕಾನೂನುಬದ್ಧ AGI ಅನ್ನು ಆವಿಷ್ಕರಿಸುತ್ತದೆ ಎಂದು ನಂಬುವ ಯಾವುದೇ ದಿನಾಂಕವಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಎ 2013 ಸಮೀಕ್ಷೆ ಪ್ರಮುಖ AI ಸಂಶೋಧನಾ ಚಿಂತಕರಾದ ನಿಕ್ ಬೋಸ್ಟ್ರೋಮ್ ಮತ್ತು ವಿನ್ಸೆಂಟ್ C. ಮುಲ್ಲರ್ ನಡೆಸಿದ ವಿಶ್ವದ 550 ಉನ್ನತ AI ಸಂಶೋಧಕರು, ಮೂರು ಸಂಭವನೀಯ ವರ್ಷಗಳವರೆಗೆ ಅಭಿಪ್ರಾಯಗಳ ವ್ಯಾಪ್ತಿಯನ್ನು ಸರಾಸರಿ ಮಾಡಿದ್ದಾರೆ:

• ಸರಾಸರಿ ಆಶಾವಾದಿ ವರ್ಷ (10% ಸಂಭವನೀಯತೆ): 2022
• ಸರಾಸರಿ ವಾಸ್ತವಿಕ ವರ್ಷ (50% ಸಂಭವನೀಯತೆ): 2040
• ಮಧ್ಯಮ ನಿರಾಶಾವಾದಿ ವರ್ಷ (90% ಸಂಭವನೀಯತೆ): 2075 

ಈ ಮುನ್ಸೂಚನೆಗಳು ಎಷ್ಟು ನಿಖರವಾಗಿವೆ ಎಂಬುದು ಮುಖ್ಯವಲ್ಲ. ಪ್ರಾಮುಖ್ಯತೆ ಏನೆಂದರೆ, AI ಸಂಶೋಧನಾ ಸಮುದಾಯದ ಬಹುಪಾಲು ಜನರು ನಾವು ನಮ್ಮ ಜೀವಿತಾವಧಿಯಲ್ಲಿ ಮತ್ತು ತುಲನಾತ್ಮಕವಾಗಿ ಈ ಶತಮಾನದ ಆರಂಭದಲ್ಲಿ AGI ಅನ್ನು ಆವಿಷ್ಕರಿಸುತ್ತೇವೆ ಎಂದು ನಂಬುತ್ತಾರೆ. 

ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೇಗೆ ರಚಿಸುವುದು ಮಾನವೀಯತೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ

ಈ ಸರಣಿಯ ಕೊನೆಯ ಅಧ್ಯಾಯದ ಉದ್ದಕ್ಕೂ ಈ ಹೊಸ AI ಪ್ರಭಾವವನ್ನು ನಾವು ವಿವರವಾಗಿ ಅನ್ವೇಷಿಸುತ್ತೇವೆ. ಈ ಅಧ್ಯಾಯಕ್ಕಾಗಿ, ಮಾನವರು ಮಂಗಳ ಗ್ರಹದಲ್ಲಿ ಜೀವನವನ್ನು ಕಂಡುಕೊಂಡರೆ ನಾವು ಅನುಭವಿಸುವ ಸಾಮಾಜಿಕ ಪ್ರತಿಕ್ರಿಯೆಗೆ AGI ರಚನೆಯು ಹೋಲುತ್ತದೆ ಎಂದು ನಾವು ಹೇಳುತ್ತೇವೆ. 

ಒಂದು ಶಿಬಿರವು ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ ಮತ್ತು ವಿಜ್ಞಾನಿಗಳು ಮತ್ತೊಂದು ಹೆಚ್ಚು ಶಕ್ತಿಶಾಲಿ ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ರಚಿಸುವ ಬಗ್ಗೆ ದೊಡ್ಡ ವ್ಯವಹಾರವನ್ನು ಮಾಡುತ್ತಿದ್ದಾರೆ ಎಂದು ಯೋಚಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ.

ಲುಡೈಟ್‌ಗಳು ಮತ್ತು ಧಾರ್ಮಿಕ ಮನಸ್ಸಿನ ವ್ಯಕ್ತಿಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಮತ್ತೊಂದು ಶಿಬಿರವು ಈ AGI ಗೆ ಭಯಪಡುತ್ತದೆ, ಇದು ಮಾನವೀಯತೆಯ SkyNet-ಶೈಲಿಯನ್ನು ನಿರ್ನಾಮ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಅಸಹ್ಯವಾಗಿದೆ ಎಂದು ಭಾವಿಸುತ್ತದೆ. ಈ ಶಿಬಿರವು AGI ಗಳನ್ನು ಅವುಗಳ ಎಲ್ಲಾ ರೂಪಗಳಲ್ಲಿ ಅಳಿಸಲು/ನಾಶಗೊಳಿಸಲು ಸಕ್ರಿಯವಾಗಿ ಪ್ರತಿಪಾದಿಸುತ್ತದೆ.

ಫ್ಲಿಪ್ ಸೈಡ್ನಲ್ಲಿ, ಮೂರನೇ ಶಿಬಿರವು ಈ ಸೃಷ್ಟಿಯನ್ನು ಆಧುನಿಕ ಆಧ್ಯಾತ್ಮಿಕ ಘಟನೆಯಾಗಿ ವೀಕ್ಷಿಸುತ್ತದೆ. ಮುಖ್ಯವಾದ ಎಲ್ಲಾ ವಿಧಾನಗಳಲ್ಲಿ, ಈ AGI ಜೀವನದ ಹೊಸ ರೂಪವಾಗಿರುತ್ತದೆ, ಅದು ನಮಗಿಂತ ವಿಭಿನ್ನವಾಗಿ ಯೋಚಿಸುತ್ತದೆ ಮತ್ತು ನಮ್ಮ ಗುರಿಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. AGI ಯ ರಚನೆಯನ್ನು ಘೋಷಿಸಿದ ನಂತರ, ಮಾನವರು ಇನ್ನು ಮುಂದೆ ಭೂಮಿಯನ್ನು ಕೇವಲ ಪ್ರಾಣಿಗಳೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ ಹೊಸ ವರ್ಗದ ಕೃತಕ ಜೀವಿಗಳ ಜೊತೆಗೆ ಅವರ ಬುದ್ಧಿವಂತಿಕೆಯು ನಮ್ಮದೇ ಆದ ಸಮಾನ ಅಥವಾ ಉತ್ತಮವಾಗಿದೆ.

ನಾಲ್ಕನೇ ಶಿಬಿರವು ವ್ಯಾಪಾರದ ಆಸಕ್ತಿಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಅವರು ವಿವಿಧ ವ್ಯಾಪಾರ ಅಗತ್ಯಗಳನ್ನು ಪರಿಹರಿಸಲು AGI ಗಳನ್ನು ಹೇಗೆ ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ತನಿಖೆ ಮಾಡುತ್ತಾರೆ, ಉದಾಹರಣೆಗೆ ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಅಂತರವನ್ನು ತುಂಬುವುದು ಮತ್ತು ಹೊಸ ಸರಕು ಮತ್ತು ಸೇವೆಗಳ ಅಭಿವೃದ್ಧಿಯನ್ನು ವೇಗಗೊಳಿಸುವುದು.

ಮುಂದೆ, ನಾವು AGI ಗಳನ್ನು ಹೇಗೆ ನಿಯಂತ್ರಿಸಬೇಕು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಸರ್ಕಾರದ ಎಲ್ಲಾ ಹಂತದ ಪ್ರತಿನಿಧಿಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ. ಎಲ್ಲಾ ನೈತಿಕತೆ ಮತ್ತು ತಾತ್ವಿಕ ಚರ್ಚೆಗಳು ಒಂದು ತಲೆಗೆ ಬರುವ ಹಂತವಾಗಿದೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಈ AGI ಗಳನ್ನು ಆಸ್ತಿಯಂತೆ ಅಥವಾ ವ್ಯಕ್ತಿಗಳಾಗಿ ಪರಿಗಣಿಸಬೇಕೆ ಎಂಬುದರ ಸುತ್ತ. 

ಮತ್ತು ಅಂತಿಮವಾಗಿ, ಕೊನೆಯ ಶಿಬಿರವು ಮಿಲಿಟರಿ ಮತ್ತು ರಾಷ್ಟ್ರೀಯ ಭದ್ರತಾ ಏಜೆನ್ಸಿಗಳಾಗಿರುತ್ತದೆ. ಸತ್ಯದಲ್ಲಿ, ಈ ಶಿಬಿರದ ಕಾರಣದಿಂದಾಗಿ ಮೊದಲ AGI ಯ ಸಾರ್ವಜನಿಕ ಪ್ರಕಟಣೆಯು ತಿಂಗಳುಗಳಿಂದ ವರ್ಷಗಳವರೆಗೆ ವಿಳಂಬವಾಗುವ ಉತ್ತಮ ಅವಕಾಶವಿದೆ. ಏಕೆ? ಏಕೆಂದರೆ AGI ಯ ಆವಿಷ್ಕಾರವು ಅಲ್ಪಾವಧಿಯಲ್ಲಿ ಕೃತಕ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (ASI) ರಚನೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ, ಇದು ಬೃಹತ್ ಭೌಗೋಳಿಕ ರಾಜಕೀಯ ಬೆದರಿಕೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು ಪರಮಾಣು ಬಾಂಬ್‌ನ ಆವಿಷ್ಕಾರವನ್ನು ಮೀರಿಸುವ ಅವಕಾಶವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. 

ಈ ಕಾರಣಕ್ಕಾಗಿ, ಮುಂದಿನ ಕೆಲವು ಅಧ್ಯಾಯಗಳು ASI ಗಳ ವಿಷಯದ ಮೇಲೆ ಸಂಪೂರ್ಣವಾಗಿ ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ ಮತ್ತು ಅದರ ಆವಿಷ್ಕಾರದ ನಂತರ ಮಾನವೀಯತೆಯು ಉಳಿಯುತ್ತದೆಯೇ.

(ಅಧ್ಯಾಯವನ್ನು ಅಂತ್ಯಗೊಳಿಸಲು ಅತಿಯಾದ ನಾಟಕೀಯ ಮಾರ್ಗವೇ? ನೀವು ಬೆಟ್ಚಾ.)

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸರಣಿಯ ಭವಿಷ್ಯ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನಾಳಿನ ವಿದ್ಯುತ್: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P1

ನಾವು ಮೊದಲ ಕೃತಕ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಅನ್ನು ಹೇಗೆ ರಚಿಸುತ್ತೇವೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P3 

ಕೃತಕ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಮಾನವೀಯತೆಯನ್ನು ನಿರ್ನಾಮ ಮಾಡುತ್ತದೆಯೇ? ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P4

ಕೃತಕ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ವಿರುದ್ಧ ಮಾನವರು ಹೇಗೆ ರಕ್ಷಿಸಿಕೊಳ್ಳುತ್ತಾರೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P5

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳ ಪ್ರಾಬಲ್ಯವಿರುವ ಭವಿಷ್ಯದಲ್ಲಿ ಮಾನವರು ಶಾಂತಿಯುತವಾಗಿ ಬದುಕುತ್ತಾರೆಯೇ? ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯ P6