ਪਹਿਲੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ ਸਮਾਜ ਨੂੰ ਕਿਵੇਂ ਬਦਲ ਦੇਵੇਗੀ: ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਭਵਿੱਖ P2

ਅਸੀਂ ਪਿਰਾਮਿਡ ਬਣਾਏ ਹਨ। ਅਸੀਂ ਬਿਜਲੀ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਸਿੱਖੀ। ਅਸੀਂ ਸਮਝਦੇ ਹਾਂ ਕਿ ਸਾਡਾ ਬ੍ਰਹਿਮੰਡ ਬਿਗ ਬੈਂਗ (ਜ਼ਿਆਦਾਤਰ) ਤੋਂ ਬਾਅਦ ਕਿਵੇਂ ਬਣਿਆ। ਅਤੇ ਬੇਸ਼ੱਕ, ਕਲੀਚ ਉਦਾਹਰਨ, ਅਸੀਂ ਇੱਕ ਆਦਮੀ ਨੂੰ ਚੰਦਰਮਾ 'ਤੇ ਪਾ ਦਿੱਤਾ ਹੈ. ਫਿਰ ਵੀ, ਇਹਨਾਂ ਸਾਰੀਆਂ ਪ੍ਰਾਪਤੀਆਂ ਦੇ ਬਾਵਜੂਦ, ਮਨੁੱਖੀ ਦਿਮਾਗ ਆਧੁਨਿਕ ਵਿਗਿਆਨ ਦੀ ਸਮਝ ਤੋਂ ਬਹੁਤ ਬਾਹਰ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਮੂਲ ਰੂਪ ਵਿੱਚ, ਜਾਣੇ-ਪਛਾਣੇ ਬ੍ਰਹਿਮੰਡ ਵਿੱਚ ਸਭ ਤੋਂ ਗੁੰਝਲਦਾਰ ਵਸਤੂ ਹੈ - ਜਾਂ ਘੱਟੋ ਘੱਟ ਇਸ ਬਾਰੇ ਸਾਡੀ ਸਮਝ ਹੈ।

ਇਸ ਹਕੀਕਤ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੈਰਾਨ ਕਰਨ ਵਾਲਾ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਅਸੀਂ ਅਜੇ ਤੱਕ ਮਨੁੱਖਾਂ ਦੇ ਬਰਾਬਰ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨਹੀਂ ਬਣਾਇਆ ਹੈ। ਡੇਟਾ (ਸਟਾਰ ਟ੍ਰੈਕ), ਰਾਚੇਲ (ਬਲੇਡ ਰਨਰ), ਅਤੇ ਡੇਵਿਡ (ਪ੍ਰੋਮੀਥੀਅਸ), ਜਾਂ ਸਾਮੰਥਾ (ਉਸ) ਅਤੇ TARS (ਇੰਟਰਸਟੈਲਰ) ਵਰਗਾ ਗੈਰ-ਹਿਊਮਨਾਈਡ ਏਆਈ, ਇਹ ਸਾਰੇ AI ਵਿਕਾਸ ਵਿੱਚ ਅਗਲੇ ਮਹਾਨ ਮੀਲ ਪੱਥਰ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਹਨ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ (ਏਜੀਆਈ, ਕਈ ਵਾਰ HLMI ਜਾਂ ਹਿਊਮਨ ਲੈਵਲ ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ). 

ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿਚ, AI ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਜਿਸ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ ਉਹ ਇਹ ਹੈ: ਅਸੀਂ ਆਪਣੇ ਆਪ ਦੇ ਮੁਕਾਬਲੇ ਇੱਕ ਨਕਲੀ ਦਿਮਾਗ ਕਿਵੇਂ ਬਣਾ ਸਕਦੇ ਹਾਂ ਜਦੋਂ ਸਾਨੂੰ ਇਸ ਗੱਲ ਦੀ ਪੂਰੀ ਸਮਝ ਵੀ ਨਹੀਂ ਹੈ ਕਿ ਸਾਡਾ ਆਪਣਾ ਮਨ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਅਸੀਂ ਇਸ ਸਵਾਲ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ, ਇਸ ਦੇ ਨਾਲ ਕਿ ਮਨੁੱਖ ਭਵਿੱਖ ਦੇ AGI ਦੇ ਵਿਰੁੱਧ ਕਿਵੇਂ ਖੜੇ ਹੋਣਗੇ, ਅਤੇ ਅੰਤ ਵਿੱਚ, ਸੰਸਾਰ ਨੂੰ ਪਹਿਲੀ AGI ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ ਸਮਾਜ ਕਿਵੇਂ ਬਦਲ ਜਾਵੇਗਾ। 

ਇੱਕ ਨਕਲੀ ਜਨਰਲ ਖੁਫੀਆ ਕੀ ਹੈ?

ਇੱਕ ਏਆਈ ਡਿਜ਼ਾਈਨ ਕਰੋ ਜੋ ਸ਼ਤਰੰਜ, ਖ਼ਤਰੇ ਅਤੇ ਗੋ ਵਿੱਚ ਚੋਟੀ ਦੇ ਦਰਜੇ ਦੇ ਖਿਡਾਰੀਆਂ ਨੂੰ ਹਰਾ ਸਕਦਾ ਹੈ, ਆਸਾਨ (ਡੂੰਘੇ ਬਲੂ, ਵਾਟਸਨਹੈ, ਅਤੇ ਅਲਫ਼ਾਗੋ ਕ੍ਰਮਵਾਰ). ਇੱਕ AI ਡਿਜ਼ਾਈਨ ਕਰੋ ਜੋ ਤੁਹਾਨੂੰ ਕਿਸੇ ਵੀ ਸਵਾਲ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ, ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਖਰੀਦਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਜਾਂ ਰਾਈਡਸ਼ੇਅਰ ਟੈਕਸੀਆਂ ਦੇ ਫਲੀਟ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕਦੇ ਹੋ — ਉਹਨਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਹੁ-ਬਿਲੀਅਨ ਡਾਲਰ ਦੀਆਂ ਕੰਪਨੀਆਂ ਬਣੀਆਂ ਹੋਈਆਂ ਹਨ (Google, Amazon, Uber)। ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ AI ਜੋ ਤੁਹਾਨੂੰ ਦੇਸ਼ ਦੇ ਇੱਕ ਪਾਸੇ ਤੋਂ ਦੂਜੇ ਪਾਸੇ ਲਿਜਾ ਸਕਦਾ ਹੈ... ਖੈਰ, ਅਸੀਂ ਇਸ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ।

ਪਰ ਇੱਕ AI ਨੂੰ ਬੱਚਿਆਂ ਦੀ ਕਿਤਾਬ ਪੜ੍ਹਨ ਅਤੇ ਉਸ ਸਮੱਗਰੀ, ਅਰਥ ਜਾਂ ਨੈਤਿਕਤਾ ਨੂੰ ਸਮਝਣ ਲਈ ਕਹੋ ਜੋ ਉਹ ਸਿਖਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ, ਜਾਂ ਇੱਕ AI ਨੂੰ ਇੱਕ ਬਿੱਲੀ ਅਤੇ ਜ਼ੈਬਰਾ ਦੀ ਤਸਵੀਰ ਵਿੱਚ ਅੰਤਰ ਦੱਸਣ ਲਈ ਕਹੋ, ਅਤੇ ਤੁਸੀਂ ਕੁਝ ਤੋਂ ਵੱਧ ਕਾਰਨ ਬਣੋਗੇ। ਸ਼ਾਰਟ ਸਰਕਟ 

ਕੁਦਰਤ ਨੇ ਇੱਕ ਕੰਪਿਊਟਿੰਗ ਯੰਤਰ (ਦਿਮਾਗ) ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਲੱਖਾਂ ਸਾਲ ਬਿਤਾਏ ਜੋ ਪ੍ਰੋਸੈਸਿੰਗ, ਸਮਝ, ਸਿੱਖਣ, ਅਤੇ ਫਿਰ ਨਵੀਆਂ ਸਥਿਤੀਆਂ ਅਤੇ ਨਵੇਂ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਿੱਚ ਉੱਤਮ ਹੈ। ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਦੀ ਪਿਛਲੀ ਅੱਧੀ ਸਦੀ ਦੇ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰੋ ਜੋ ਕੰਪਿਊਟਿੰਗ ਡਿਵਾਈਸਾਂ ਬਣਾਉਣ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਸੀ ਜੋ ਉਹਨਾਂ ਸਿੰਗਲ ਕਾਰਜਾਂ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ ਜਿਨ੍ਹਾਂ ਲਈ ਉਹ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ। 

ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਮਨੁੱਖੀ-ਕੰਪਿਊਟਰ ਇੱਕ ਜਨਰਲਿਸਟ ਹੈ, ਜਦੋਂ ਕਿ ਨਕਲੀ ਕੰਪਿਊਟਰ ਇੱਕ ਮਾਹਰ ਹੈ।

ਏਜੀਆਈ ਬਣਾਉਣ ਦਾ ਟੀਚਾ ਇੱਕ ਏਆਈ ਬਣਾਉਣਾ ਹੈ ਜੋ ਸਿੱਧੇ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਬਜਾਏ ਅਨੁਭਵ ਦੁਆਰਾ, ਇੱਕ ਮਨੁੱਖ ਵਾਂਗ ਸੋਚ ਅਤੇ ਸਿੱਖ ਸਕਦਾ ਹੈ।

ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ, ਇਸਦਾ ਅਰਥ ਹੈ ਇੱਕ ਭਵਿੱਖੀ AGI ਸਿੱਖਣਾ ਕਿ ਕਿਵੇਂ ਪੜ੍ਹਨਾ, ਲਿਖਣਾ, ਅਤੇ ਚੁਟਕਲਾ ਸੁਣਾਉਣਾ, ਜਾਂ ਤੁਰਨਾ, ਦੌੜਨਾ ਅਤੇ ਸਾਈਕਲ ਚਲਾਉਣਾ ਆਪਣੇ ਆਪ ਹੀ, ਦੁਨੀਆ ਵਿੱਚ ਆਪਣੇ ਤਜ਼ਰਬੇ ਦੇ ਜ਼ਰੀਏ (ਜੋ ਵੀ ਸਰੀਰ ਜਾਂ ਸੰਵੇਦੀ ਅੰਗ/ਜੰਤਰ ਜੋ ਅਸੀਂ ਇਸਨੂੰ ਦਿੰਦੇ ਹਾਂ), ਅਤੇ ਇਸਦੇ ਆਪਣੇ ਆਪਸੀ ਸੰਪਰਕ ਦੁਆਰਾ ਹੋਰ AI ਅਤੇ ਹੋਰ ਮਨੁੱਖ।

ਇੱਕ ਨਕਲੀ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ ਬਣਾਉਣ ਲਈ ਇਹ ਕੀ ਲਵੇਗਾ

ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, AGI ਬਣਾਉਣਾ ਸੰਭਵ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇ ਵਾਸਤਵ ਵਿੱਚ, ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਨਿਯਮਾਂ ਦੇ ਅੰਦਰ ਇੱਕ ਡੂੰਘੀ ਸੰਪੱਤੀ ਹੈ - ਗਣਨਾ ਦੀ ਸਰਵ-ਵਿਆਪਕਤਾ - ਜੋ ਕਿ ਅਸਲ ਵਿੱਚ ਉਹ ਸਭ ਕੁਝ ਦੱਸਦੀ ਹੈ ਜੋ ਇੱਕ ਭੌਤਿਕ ਵਸਤੂ ਕਰ ਸਕਦੀ ਹੈ, ਇੱਕ ਕਾਫ਼ੀ ਸ਼ਕਤੀਸ਼ਾਲੀ, ਆਮ-ਉਦੇਸ਼ ਵਾਲਾ ਕੰਪਿਊਟਰ, ਸਿਧਾਂਤ ਵਿੱਚ, ਕਾਪੀ/ਸਿਮੂਲੇਟ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਅਤੇ ਫਿਰ ਵੀ, ਇਹ ਗੁੰਝਲਦਾਰ ਹੈ.

ਸ਼ੁਕਰ ਹੈ, ਕੇਸ 'ਤੇ ਬਹੁਤ ਸਾਰੇ ਹੁਸ਼ਿਆਰ AI ਖੋਜਕਰਤਾ ਹਨ (ਉਨ੍ਹਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੇ ਬਹੁਤ ਸਾਰੇ ਕਾਰਪੋਰੇਟ, ਸਰਕਾਰੀ ਅਤੇ ਫੌਜੀ ਫੰਡਾਂ ਦਾ ਜ਼ਿਕਰ ਨਾ ਕਰਨ ਲਈ), ਅਤੇ ਹੁਣ ਤੱਕ, ਉਨ੍ਹਾਂ ਨੇ ਤਿੰਨ ਮੁੱਖ ਤੱਤਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਉਹ ਜ਼ਰੂਰੀ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ. ਸਾਡੇ ਸੰਸਾਰ ਵਿੱਚ AGI.

ਵੱਡਾ ਡੇਟਾ. ਏਆਈ ਦੇ ਵਿਕਾਸ ਲਈ ਸਭ ਤੋਂ ਆਮ ਪਹੁੰਚ ਵਿੱਚ ਇੱਕ ਤਕਨੀਕ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਿਸਨੂੰ ਡੂੰਘੀ ਸਿਖਲਾਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ - ਇੱਕ ਖਾਸ ਕਿਸਮ ਦੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀ ਜੋ ਕਿ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਘਟਾ ਕੇ ਕੰਮ ਕਰਦੀ ਹੈ, ਸਿਮੂਲੇਟਡ ਨਿਊਰੋਨਜ਼ (ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਬਾਅਦ ਮਾਡਲ) ਦੇ ਇੱਕ ਨੈਟਵਰਕ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਕ੍ਰੰਚ ਕਰਨਾ, ਅਤੇ ਫਿਰ ਖੋਜਾਂ ਦੀ ਵਰਤੋਂ ਆਪਣੀ ਖੁਦ ਦੀ ਸੂਝ ਨੂੰ ਪ੍ਰੋਗਰਾਮ ਕਰਨ ਲਈ ਕਰੋ। ਡੂੰਘੀ ਸਿਖਲਾਈ ਬਾਰੇ ਹੋਰ ਵੇਰਵਿਆਂ ਲਈ, ਇਸ ਨੂੰ ਪੜ੍ਹੋ.

ਉਦਾਹਰਣ ਲਈ, 2017 ਵਿਚ, Google ਨੇ ਬਿੱਲੀਆਂ ਦੀਆਂ ਆਪਣੀਆਂ AI ਹਜ਼ਾਰਾਂ ਚਿੱਤਰਾਂ ਨੂੰ ਖੁਆਇਆ ਜੋ ਇਸਦੀ ਡੂੰਘੀ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀ ਨੇ ਨਾ ਸਿਰਫ ਇਹ ਸਿੱਖਣ ਲਈ ਵਰਤੀ ਕਿ ਇੱਕ ਬਿੱਲੀ ਦੀ ਪਛਾਣ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਬਲਕਿ ਵੱਖ-ਵੱਖ ਬਿੱਲੀਆਂ ਦੀਆਂ ਨਸਲਾਂ ਵਿੱਚ ਫਰਕ ਕਰਨਾ ਹੈ। ਥੋੜ੍ਹੀ ਦੇਰ ਬਾਅਦ, ਉਨ੍ਹਾਂ ਨੇ ਆਉਣ ਵਾਲੀ ਰਿਹਾਈ ਦਾ ਐਲਾਨ ਕੀਤਾ ਗੂਗਲ ਲੈਂਸ, ਇੱਕ ਨਵੀਂ ਖੋਜ ਐਪ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਦੀ ਤਸਵੀਰ ਲੈਣ ਦਿੰਦੀ ਹੈ ਅਤੇ Google ਤੁਹਾਨੂੰ ਨਾ ਸਿਰਫ਼ ਇਹ ਦੱਸੇਗਾ ਕਿ ਇਹ ਕੀ ਹੈ, ਬਲਕਿ ਇਸਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲੀ ਕੁਝ ਉਪਯੋਗੀ ਪ੍ਰਸੰਗਿਕ ਸਮੱਗਰੀ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ - ਯਾਤਰਾ ਕਰਨ ਵੇਲੇ ਸੌਖਾ ਅਤੇ ਤੁਸੀਂ ਇੱਕ ਖਾਸ ਸੈਲਾਨੀ ਆਕਰਸ਼ਣ ਬਾਰੇ ਹੋਰ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਪਰ ਇੱਥੇ ਵੀ, ਗੂਗਲ ਲੈਂਸ ਇਸ ਸਮੇਂ ਇਸਦੇ ਚਿੱਤਰ ਖੋਜ ਇੰਜਣ ਵਿੱਚ ਸੂਚੀਬੱਧ ਅਰਬਾਂ ਚਿੱਤਰਾਂ ਤੋਂ ਬਿਨਾਂ ਸੰਭਵ ਨਹੀਂ ਹੋਵੇਗਾ।

ਅਤੇ ਫਿਰ ਵੀ, ਇਹ ਵੱਡਾ ਡੇਟਾ ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਕੰਬੋ ਅਜੇ ਵੀ ਏਜੀਆਈ ਲਿਆਉਣ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।

ਬਿਹਤਰ ਐਲਗੋਰਿਦਮ. ਪਿਛਲੇ ਦਹਾਕੇ ਵਿੱਚ, ਇੱਕ Google ਸਹਾਇਕ ਕੰਪਨੀ ਅਤੇ AI ਸਪੇਸ ਵਿੱਚ ਆਗੂ, DeepMind, ਨੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਨੂੰ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦੇ ਨਾਲ ਜੋੜ ਕੇ ਇੱਕ ਸਪਲੈਸ਼ ਬਣਾਇਆ - ਇੱਕ ਮੁਫਤ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪਹੁੰਚ ਜਿਸਦਾ ਉਦੇਸ਼ AI ਨੂੰ ਇਹ ਸਿਖਾਉਣਾ ਹੈ ਕਿ ਨਵੇਂ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕਿਵੇਂ ਕਾਰਵਾਈਆਂ ਕੀਤੀਆਂ ਜਾਣ। ਇੱਕ ਨਿਰਧਾਰਤ ਟੀਚਾ.

ਇਸ ਹਾਈਬ੍ਰਿਡ ਰਣਨੀਤੀ ਲਈ ਧੰਨਵਾਦ, DeepMind ਦੇ ਪ੍ਰੀਮੀਅਰ AI, AlphaGo, ਨੇ ਨਾ ਸਿਰਫ਼ ਨਿਯਮਾਂ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰਕੇ ਅਤੇ ਮਾਸਟਰ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਦਾ ਅਧਿਐਨ ਕਰਕੇ AlphaGo ਨੂੰ ਕਿਵੇਂ ਖੇਡਣਾ ਹੈ, ਸਗੋਂ ਲੱਖਾਂ ਵਾਰ ਆਪਣੇ ਵਿਰੁੱਧ ਖੇਡਣ ਤੋਂ ਬਾਅਦ ਸਭ ਤੋਂ ਵਧੀਆ AlphaGo ਖਿਡਾਰੀਆਂ ਨੂੰ ਹਰਾਉਣ ਦੇ ਯੋਗ ਬਣਾਇਆ। ਚਾਲਾਂ ਅਤੇ ਰਣਨੀਤੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਗੇਮ ਵਿੱਚ ਨਹੀਂ ਦੇਖਿਆ ਗਿਆ। 

ਇਸੇ ਤਰ੍ਹਾਂ, ਡੀਪਮਾਈਂਡ ਦੇ ਅਟਾਰੀ ਸੌਫਟਵੇਅਰ ਪ੍ਰਯੋਗ ਵਿੱਚ ਇੱਕ ਆਮ ਗੇਮ ਸਕ੍ਰੀਨ ਨੂੰ ਵੇਖਣ ਲਈ ਇੱਕ ਏਆਈ ਨੂੰ ਇੱਕ ਕੈਮਰਾ ਦੇਣਾ, ਇਸ ਨੂੰ ਗੇਮ ਆਰਡਰ (ਜਿਵੇਂ ਜਾਇਸਟਿਕ ਬਟਨਾਂ) ਨੂੰ ਇਨਪੁਟ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨਾਲ ਪ੍ਰੋਗਰਾਮਿੰਗ ਕਰਨਾ ਅਤੇ ਇਸਦੇ ਸਕੋਰ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕਵਚਨ ਟੀਚਾ ਦੇਣਾ ਸ਼ਾਮਲ ਹੈ। ਨਤੀਜਾ? ਦਿਨਾਂ ਦੇ ਅੰਦਰ, ਇਸਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਸਿਖਾਇਆ ਕਿ ਕਿਵੇਂ ਖੇਡਣਾ ਹੈ ਅਤੇ ਦਰਜਨਾਂ ਕਲਾਸਿਕ ਆਰਕੇਡ ਗੇਮਾਂ ਵਿੱਚ ਕਿਵੇਂ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨੀ ਹੈ। 

ਪਰ ਇਹ ਸ਼ੁਰੂਆਤੀ ਸਫਲਤਾਵਾਂ ਜਿੰਨੀਆਂ ਦਿਲਚਸਪ ਹਨ, ਹੱਲ ਕਰਨ ਲਈ ਕੁਝ ਮੁੱਖ ਚੁਣੌਤੀਆਂ ਬਾਕੀ ਹਨ।

ਇੱਕ ਲਈ, AI ਖੋਜਕਰਤਾ AI ਨੂੰ 'ਚੰਕਿੰਗ' ਨਾਮਕ ਚਾਲ ਸਿਖਾਉਣ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਨ ਜਿਸ ਵਿੱਚ ਮਨੁੱਖੀ ਅਤੇ ਜਾਨਵਰਾਂ ਦੇ ਦਿਮਾਗ ਬਹੁਤ ਵਧੀਆ ਹਨ। ਸੌਖੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਜਦੋਂ ਤੁਸੀਂ ਕਰਿਆਨੇ ਦਾ ਸਮਾਨ ਖਰੀਦਣ ਲਈ ਬਾਹਰ ਜਾਣ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਆਪਣੇ ਅੰਤਮ ਟੀਚੇ (ਐਵੋਕਾਡੋ ਖਰੀਦਣਾ) ਅਤੇ ਇੱਕ ਮੋਟਾ ਯੋਜਨਾ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋ ਜਾਂਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਇਹ ਕਿਵੇਂ ਕਰੋਗੇ (ਘਰ ਛੱਡੋ, ਕਰਿਆਨੇ ਦੀ ਦੁਕਾਨ 'ਤੇ ਜਾਓ, ਖਰੀਦੋ ਐਵੋਕਾਡੋ, ਘਰ ਵਾਪਸੀ)। ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਕਰਦੇ ਉਹ ਹੈ ਹਰ ਸਾਹ, ਹਰ ਕਦਮ, ਹਰ ਸੰਭਵ ਅਚਨਚੇਤੀ ਤੁਹਾਡੇ ਰਸਤੇ 'ਤੇ ਯੋਜਨਾ ਬਣਾਉਣਾ। ਇਸ ਦੀ ਬਜਾਏ, ਤੁਹਾਡੇ ਮਨ ਵਿੱਚ ਇੱਕ ਸੰਕਲਪ (ਚਿੰਕ) ਹੈ ਕਿ ਤੁਸੀਂ ਕਿੱਥੇ ਜਾਣਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਜੋ ਵੀ ਸਥਿਤੀ ਆਉਂਦੀ ਹੈ ਉਸ ਲਈ ਆਪਣੀ ਯਾਤਰਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਓ।

ਜਿਵੇਂ ਕਿ ਇਹ ਤੁਹਾਡੇ ਲਈ ਆਮ ਮਹਿਸੂਸ ਕਰ ਸਕਦਾ ਹੈ, ਇਹ ਯੋਗਤਾ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਅਜੇ ਵੀ AI ਉੱਤੇ ਮੌਜੂਦ ਮੁੱਖ ਫਾਇਦਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ — ਇਹ ਇੱਕ ਟੀਚਾ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਹਰ ਵੇਰਵੇ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਜਾਣੇ ਬਿਨਾਂ ਅਤੇ ਕਿਸੇ ਵੀ ਰੁਕਾਵਟ ਜਾਂ ਵਾਤਾਵਰਣ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦੇ ਬਾਵਜੂਦ ਇਸਦਾ ਪਿੱਛਾ ਕਰਨ ਦੀ ਅਨੁਕੂਲਤਾ ਹੈ। ਆ ਸਕਦਾ ਹੈ। ਇਹ ਹੁਨਰ AGIs ਨੂੰ ਉੱਪਰ ਦੱਸੇ ਵੱਡੇ ਡੇਟਾ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਹੋਰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਸਿੱਖਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਇੱਕ ਹੋਰ ਚੁਣੌਤੀ ਸਿਰਫ਼ ਇੱਕ ਕਿਤਾਬ ਪੜ੍ਹਨ ਦੀ ਯੋਗਤਾ ਨਹੀਂ ਹੈ ਅਰਥ ਨੂੰ ਸਮਝੋ ਜਾਂ ਇਸਦੇ ਪਿੱਛੇ ਪ੍ਰਸੰਗ। ਲੰਬੇ ਸਮੇਂ ਲਈ, ਇੱਥੇ ਟੀਚਾ ਇੱਕ AI ਲਈ ਇੱਕ ਅਖਬਾਰ ਦੇ ਲੇਖ ਨੂੰ ਪੜ੍ਹਨਾ ਹੈ ਅਤੇ ਇਹ ਕੀ ਪੜ੍ਹਦਾ ਹੈ ਇਸ ਬਾਰੇ ਕਈ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਸਹੀ ਉੱਤਰ ਦੇਣ ਦੇ ਯੋਗ ਹੋਣਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਕਿਤਾਬ ਦੀ ਰਿਪੋਰਟ ਲਿਖਣਾ। ਇਹ ਯੋਗਤਾ ਇੱਕ AI ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਤੋਂ ਬਦਲ ਦੇਵੇਗੀ ਜੋ ਸੰਖਿਆਵਾਂ ਨੂੰ ਇੱਕ ਅਜਿਹੀ ਇਕਾਈ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜੋ ਅਰਥ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।

ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇੱਕ ਸਵੈ-ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਹੋਰ ਤਰੱਕੀ ਜੋ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੀ ਨਕਲ ਕਰ ਸਕਦੀ ਹੈ, ਇੱਕ AGI ਦੀ ਅੰਤਮ ਸਿਰਜਣਾ ਵਿੱਚ ਮੁੱਖ ਭੂਮਿਕਾ ਨਿਭਾਏਗੀ, ਪਰ ਇਸ ਕੰਮ ਦੇ ਨਾਲ, AI ਭਾਈਚਾਰੇ ਨੂੰ ਬਿਹਤਰ ਹਾਰਡਵੇਅਰ ਦੀ ਵੀ ਲੋੜ ਹੈ।

ਬਿਹਤਰ ਹਾਰਡਵੇਅਰ. ਉੱਪਰ ਦੱਸੇ ਗਏ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ AGI ਉਦੋਂ ਹੀ ਸੰਭਵ ਹੋਵੇਗਾ ਜਦੋਂ ਅਸੀਂ ਇਸਨੂੰ ਚਲਾਉਣ ਲਈ ਉਪਲਬਧ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਵਧਾਵਾਂਗੇ।

ਸੰਦਰਭ ਲਈ, ਜੇਕਰ ਅਸੀਂ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੀ ਸੋਚਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਲਿਆ ਅਤੇ ਇਸਨੂੰ ਗਣਨਾਤਮਕ ਸ਼ਬਦਾਂ ਵਿੱਚ ਬਦਲੀਏ, ਤਾਂ ਇੱਕ ਔਸਤ ਮਨੁੱਖ ਦੀ ਮਾਨਸਿਕ ਸਮਰੱਥਾ ਦਾ ਮੋਟਾ ਅੰਦਾਜ਼ਾ ਇੱਕ ਐਕਸਾਫਲੋਪ ਹੈ, ਜੋ ਕਿ 1,000 ਪੇਟਾਫਲੋਪ ਦੇ ਬਰਾਬਰ ਹੈ ('ਫਲਾਪ' ਦਾ ਅਰਥ ਫਲੋਟਿੰਗ-ਪੁਆਇੰਟ ਓਪਰੇਸ਼ਨ ਪ੍ਰਤੀ ਦੂਜਾ ਅਤੇ ਗਣਨਾ ਦੀ ਗਤੀ ਨੂੰ ਮਾਪਦਾ ਹੈ)।

ਇਸ ਦੇ ਮੁਕਾਬਲੇ 2018 ਦੇ ਅੰਤ ਤੱਕ ਦੁਨੀਆ ਦਾ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੁਪਰ ਕੰਪਿਊਟਰ ਜਾਪਾਨ ਦਾ AI ਬ੍ਰਿਜਿੰਗ ਕਲਾਉਡ 130 ਪੇਟਾਫਲੋਪ 'ਤੇ ਗੂੰਜੇਗਾ, ਇੱਕ ਐਕਸਾਫਲੋਪ ਤੋਂ ਬਹੁਤ ਘੱਟ।

ਜਿਵੇਂ ਕਿ ਸਾਡੇ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ ਸੁਪਰਕੰਪਿਊਟਰ ਸਾਡੇ ਵਿੱਚ ਅਧਿਆਇ ਕੰਪਿਊਟਰ ਦਾ ਭਵਿੱਖ ਸੀਰੀਜ਼, ਅਮਰੀਕਾ ਅਤੇ ਚੀਨ ਦੋਵੇਂ 2022 ਤੱਕ ਆਪਣੇ ਐਕਸਾਫਲੋਪ ਸੁਪਰਕੰਪਿਊਟਰ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰ ਰਹੇ ਹਨ, ਪਰ ਭਾਵੇਂ ਉਹ ਸਫਲ ਰਹੇ, ਇਹ ਅਜੇ ਵੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ।

ਇਹ ਸੁਪਰਕੰਪਿਊਟਰ ਕਈ ਦਰਜਨ ਮੈਗਾਵਾਟ ਪਾਵਰ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਕਈ ਸੌ ਵਰਗ ਮੀਟਰ ਸਪੇਸ ਲੈਂਦੇ ਹਨ, ਅਤੇ ਬਣਾਉਣ ਲਈ ਕਈ ਸੌ ਮਿਲੀਅਨ ਦੀ ਲਾਗਤ ਆਉਂਦੀ ਹੈ। ਇੱਕ ਮਨੁੱਖੀ ਦਿਮਾਗ ਸਿਰਫ 20 ਵਾਟ ਪਾਵਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਇੱਕ ਖੋਪੜੀ ਦੇ ਘੇਰੇ ਵਿੱਚ ਲਗਭਗ 50 ਸੈਂਟੀਮੀਟਰ ਦੇ ਅੰਦਰ ਫਿੱਟ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਸਾਡੇ ਵਿੱਚੋਂ ਸੱਤ ਅਰਬ ਹਨ (2018)। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਜੇਕਰ ਅਸੀਂ AGIs ਨੂੰ ਮਨੁੱਖਾਂ ਵਾਂਗ ਆਮ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਇਹ ਸਿੱਖਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ ਕਿ ਉਹਨਾਂ ਨੂੰ ਹੋਰ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ।

ਇਸ ਲਈ, AI ਖੋਜਕਰਤਾ ਕੁਆਂਟਮ ਕੰਪਿਊਟਰਾਂ ਨਾਲ ਭਵਿੱਖ ਦੇ AIs ਨੂੰ ਸ਼ਕਤੀ ਦੇਣ ਬਾਰੇ ਵਿਚਾਰ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ। ਵਿੱਚ ਹੋਰ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕੁਆਂਟਮ ਕੰਪਿ computersਟਰ ਸਾਡੇ ਕੰਪਿਊਟਰਾਂ ਦੇ ਭਵਿੱਖ ਦਾ ਅਧਿਆਏ, ਇਹ ਕੰਪਿਊਟਰ ਉਹਨਾਂ ਕੰਪਿਊਟਰਾਂ ਨਾਲੋਂ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਅਸੀਂ ਪਿਛਲੀ ਅੱਧੀ ਸਦੀ ਤੋਂ ਬਣਾ ਰਹੇ ਹਾਂ। ਇੱਕ ਵਾਰ 2030 ਦੇ ਦਹਾਕੇ ਤੱਕ ਸੰਪੂਰਨ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਸਿੰਗਲ ਕੁਆਂਟਮ ਕੰਪਿਊਟਰ 2018 ਵਿੱਚ ਮੌਜੂਦਾ ਸਮੇਂ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੇ ਹਰ ਸੁਪਰ ਕੰਪਿਊਟਰ ਦੀ ਗਣਨਾ ਕਰੇਗਾ, ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ, ਇਕੱਠੇ ਰੱਖੇਗਾ। ਉਹ ਵੀ ਬਹੁਤ ਛੋਟੇ ਹੋਣਗੇ ਅਤੇ ਮੌਜੂਦਾ ਸੁਪਰ ਕੰਪਿਊਟਰਾਂ ਨਾਲੋਂ ਕਿਤੇ ਘੱਟ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਕਰਨਗੇ। 

ਇੱਕ ਨਕਲੀ ਜਨਰਲ ਬੁੱਧੀ ਇੱਕ ਮਨੁੱਖ ਨਾਲੋਂ ਉੱਤਮ ਕਿਵੇਂ ਹੋਵੇਗੀ?

ਚਲੋ ਇਹ ਮੰਨ ਲਓ ਕਿ ਉੱਪਰ ਸੂਚੀਬੱਧ ਹਰ ਚੁਣੌਤੀ ਦਾ ਪਤਾ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ, ਕਿ AI ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਪਹਿਲੀ AGI ਬਣਾਉਣ ਵਿੱਚ ਸਫਲਤਾ ਮਿਲਦੀ ਹੈ। ਇੱਕ AGI ਮਨ ਸਾਡੇ ਆਪਣੇ ਨਾਲੋਂ ਵੱਖਰਾ ਕਿਵੇਂ ਹੋਵੇਗਾ?

ਇਸ ਕਿਸਮ ਦੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ, ਸਾਨੂੰ AGI ਦਿਮਾਗਾਂ ਨੂੰ ਤਿੰਨ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਉਹ ਜੋ ਇੱਕ ਰੋਬੋਟ ਸਰੀਰ ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹਨ (ਇਸ ਤੋਂ ਡੇਟਾ ਤਾਰਾ ਸਫ਼ਰ), ਜਿਨ੍ਹਾਂ ਦਾ ਭੌਤਿਕ ਰੂਪ ਹੈ ਪਰ ਇੰਟਰਨੈੱਟ/ਕਲਾਊਡ ਨਾਲ ਵਾਇਰਲੈੱਸ ਤੌਰ 'ਤੇ ਜੁੜੇ ਹੋਏ ਹਨ (ਏਜੰਟ ਸਮਿਥ ਵੱਲੋਂ ਮੈਟਰਿਕਸ) ਅਤੇ ਉਹ ਜੋ ਸਰੀਰਕ ਰੂਪ ਤੋਂ ਬਿਨਾਂ ਹਨ ਜੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕੰਪਿਊਟਰ ਜਾਂ ਔਨਲਾਈਨ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ (ਸਮੰਥਾ ਤੋਂ ਖੇਡ).

ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਵੈੱਬ ਤੋਂ ਅਲੱਗ-ਥਲੱਗ ਰੋਬੋਟਿਕ ਬਾਡੀ ਦੇ ਅੰਦਰ ਏਜੀਆਈ ਮਨੁੱਖੀ ਦਿਮਾਗਾਂ ਦੇ ਬਰਾਬਰ ਮੁਕਾਬਲਾ ਕਰਨਗੇ, ਪਰ ਚੋਣਵੇਂ ਫਾਇਦਿਆਂ ਦੇ ਨਾਲ:

• ਮੈਮੋਰੀ: AGI ਦੇ ਰੋਬੋਟਿਕ ਰੂਪ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ, ਉਨ੍ਹਾਂ ਦੀ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੀ ਮੈਮੋਰੀ ਅਤੇ ਮੁੱਖ ਜਾਣਕਾਰੀ ਦੀ ਯਾਦਦਾਸ਼ਤ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਉੱਤਮ ਹੋਵੇਗੀ। ਪਰ ਦਿਨ ਦੇ ਅੰਤ ਵਿੱਚ, ਇਸ ਗੱਲ ਦੀ ਇੱਕ ਭੌਤਿਕ ਸੀਮਾ ਹੁੰਦੀ ਹੈ ਕਿ ਤੁਸੀਂ ਰੋਬੋਟ ਵਿੱਚ ਕਿੰਨੀ ਹਾਰਡ ਡਰਾਈਵ ਸਪੇਸ ਪੈਕ ਕਰ ਸਕਦੇ ਹੋ, ਇਹ ਮੰਨ ਕੇ ਕਿ ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖਾਂ ਵਾਂਗ ਦਿਖਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਹੈ। ਇਸ ਕਾਰਨ ਕਰਕੇ, AGIs ਦੀ ਲੰਬੀ ਮਿਆਦ ਦੀ ਮੈਮੋਰੀ ਮਨੁੱਖਾਂ ਵਾਂਗ ਕੰਮ ਕਰੇਗੀ, ਸਰਗਰਮੀ ਨਾਲ ਜਾਣਕਾਰੀ ਅਤੇ ਯਾਦਾਂ ਨੂੰ ਭੁੱਲ ਜਾਂਦੀ ਹੈ ਜੋ ਇਸਦੇ ਭਵਿੱਖ ਦੇ ਕੰਮਕਾਜ ਲਈ ਬੇਲੋੜੀ ਸਮਝੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ('ਡਿਸਕ ਸਪੇਸ' ਖਾਲੀ ਕਰਨ ਲਈ)।
• ਸਪੀਡ: ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਅੰਦਰ ਨਿਊਰੋਨਸ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਲਗਭਗ 200 ਹਰਟਜ਼ ਤੱਕ ਵੱਧ ਜਾਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਆਧੁਨਿਕ ਮਾਈਕ੍ਰੋਪ੍ਰੋਸੈਸਰ ਗੀਗਾਹਰਟਜ਼ ਪੱਧਰ 'ਤੇ ਚੱਲਦੇ ਹਨ, ਇਸ ਲਈ ਨਿਊਰੋਨਸ ਨਾਲੋਂ ਲੱਖਾਂ ਗੁਣਾ ਤੇਜ਼ ਹੈ। ਇਸਦਾ ਅਰਥ ਹੈ ਕਿ ਮਨੁੱਖਾਂ ਦੇ ਮੁਕਾਬਲੇ, ਭਵਿੱਖ ਦੇ AGIs ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਗੇ ਅਤੇ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਫੈਸਲੇ ਲੈਣਗੇ। ਯਾਦ ਰੱਖੋ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ AGI ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਚੁਸਤ ਜਾਂ ਵਧੇਰੇ ਸਹੀ ਫੈਸਲੇ ਲਵੇਗੀ, ਬਸ ਇਹ ਕਿ ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚ ਸਕਦੇ ਹਨ।
• ਕਾਰਜਕੁਸ਼ਲਤਾ: ਸਾਦੇ ਸ਼ਬਦਾਂ ਵਿਚ, ਮਨੁੱਖੀ ਦਿਮਾਗ ਥੱਕ ਜਾਂਦਾ ਹੈ ਜੇ ਇਹ ਆਰਾਮ ਜਾਂ ਨੀਂਦ ਤੋਂ ਬਿਨਾਂ ਬਹੁਤ ਲੰਮਾ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਜਦੋਂ ਇਹ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਸਦੀ ਯਾਦਦਾਸ਼ਤ ਅਤੇ ਸਿੱਖਣ ਅਤੇ ਤਰਕ ਕਰਨ ਦੀ ਯੋਗਤਾ ਕਮਜ਼ੋਰ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਸ ਦੌਰਾਨ, AGIs ਲਈ, ਇਹ ਮੰਨ ਕੇ ਕਿ ਉਹ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਰੀਚਾਰਜ (ਬਿਜਲੀ) ਕਰਵਾਉਂਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਕੋਲ ਇਹ ਕਮਜ਼ੋਰੀ ਨਹੀਂ ਹੋਵੇਗੀ।
• ਸੁਧਾਰਯੋਗਤਾ: ਇੱਕ ਮਨੁੱਖ ਲਈ, ਇੱਕ ਨਵੀਂ ਆਦਤ ਸਿੱਖਣ ਵਿੱਚ ਹਫ਼ਤੇ ਦੇ ਅਭਿਆਸ ਲੱਗ ਸਕਦੇ ਹਨ, ਇੱਕ ਨਵਾਂ ਹੁਨਰ ਸਿੱਖਣ ਵਿੱਚ ਮਹੀਨੇ ਲੱਗ ਸਕਦੇ ਹਨ, ਅਤੇ ਇੱਕ ਨਵਾਂ ਪੇਸ਼ਾ ਸਿੱਖਣ ਵਿੱਚ ਕਈ ਸਾਲ ਲੱਗ ਸਕਦੇ ਹਨ। ਇੱਕ AGI ਲਈ, ਉਹਨਾਂ ਕੋਲ ਅਨੁਭਵ (ਜਿਵੇਂ ਮਨੁੱਖਾਂ) ਅਤੇ ਸਿੱਧੇ ਡੇਟਾ ਅੱਪਲੋਡ ਦੁਆਰਾ ਸਿੱਖਣ ਦੀ ਯੋਗਤਾ ਹੋਵੇਗੀ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਕੰਪਿਊਟਰ ਦੇ OS ਨੂੰ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਕਿਵੇਂ ਅੱਪਡੇਟ ਕਰਦੇ ਹੋ। ਇਹ ਅੱਪਡੇਟ ਗਿਆਨ ਅੱਪਗਰੇਡ (ਨਵੇਂ ਹੁਨਰ) ਜਾਂ AGI ਦੇ ਭੌਤਿਕ ਰੂਪ ਵਿੱਚ ਕਾਰਗੁਜ਼ਾਰੀ ਅੱਪਗਰੇਡਾਂ 'ਤੇ ਲਾਗੂ ਹੋ ਸਕਦੇ ਹਨ। 

ਅੱਗੇ, ਆਓ AGIs ਨੂੰ ਵੇਖੀਏ ਜਿਨ੍ਹਾਂ ਦਾ ਭੌਤਿਕ ਰੂਪ ਹੈ, ਪਰ ਇੰਟਰਨੈਟ/ਕਲਾਊਡ ਨਾਲ ਵਾਇਰਲੈੱਸ ਤੌਰ 'ਤੇ ਵੀ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਗੈਰ-ਕਨੈਕਟਡ AGIs ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਅਸੀਂ ਇਸ ਪੱਧਰ ਦੇ ਨਾਲ ਜੋ ਅੰਤਰ ਦੇਖ ਸਕਦੇ ਹਾਂ ਉਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਮੈਮੋਰੀ: ਇਹਨਾਂ AGIs ਕੋਲ ਪਿਛਲੀ AGI ਕਲਾਸ ਦੇ ਸਾਰੇ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਫਾਇਦੇ ਹੋਣਗੇ, ਸਿਵਾਏ ਇਸ ਤੋਂ ਇਲਾਵਾ ਉਹਨਾਂ ਨੂੰ ਸੰਪੂਰਣ ਲੰਬੀ-ਅਵਧੀ ਮੈਮੋਰੀ ਤੋਂ ਵੀ ਲਾਭ ਹੋਵੇਗਾ ਕਿਉਂਕਿ ਉਹ ਉਹਨਾਂ ਯਾਦਾਂ ਨੂੰ ਕਲਾਉਡ 'ਤੇ ਅੱਪਲੋਡ ਕਰ ਸਕਦੇ ਹਨ ਜਦੋਂ ਲੋੜ ਹੋਵੇ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਇਹ ਮੈਮੋਰੀ ਘੱਟ ਕਨੈਕਟੀਵਿਟੀ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਪਹੁੰਚਯੋਗ ਨਹੀਂ ਹੋਵੇਗੀ, ਪਰ ਇਹ 2020 ਅਤੇ 2030 ਦੇ ਦਹਾਕੇ ਦੌਰਾਨ ਚਿੰਤਾ ਦਾ ਵਿਸ਼ਾ ਬਣ ਜਾਵੇਗਾ ਜਦੋਂ ਦੁਨੀਆ ਦਾ ਵਧੇਰੇ ਹਿੱਸਾ ਆਨਲਾਈਨ ਆਵੇਗਾ। ਵਿੱਚ ਹੋਰ ਪੜ੍ਹੋ ਅਧਿਆਇ ਇੱਕ ਦੀ ਸਾਡੀ ਇੰਟਰਨੈੱਟ ਦਾ ਭਵਿੱਖ ਲੜੀ '. 
• ਸਪੀਡ: ਇਸ AGI ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਵਾਲੀ ਰੁਕਾਵਟ ਦੀ ਕਿਸਮ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ, ਉਹ ਇਸਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਕਲਾਉਡ ਦੀ ਵੱਡੀ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ।
• ਪ੍ਰਦਰਸ਼ਨ: ਗੈਰ-ਕਨੈਕਟਿਡ AGIs ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਨਹੀਂ।
• ਅੱਪਗ੍ਰੇਡੇਬਿਲਟੀ: ਇਸ AGI ਦੇ ਵਿਚਕਾਰ ਸਿਰਫ ਫਰਕ ਇਹ ਹੈ ਕਿ ਇਹ ਅੱਪਗ੍ਰੇਡੇਬਿਲਟੀ ਨਾਲ ਸਬੰਧਤ ਹੈ ਕਿ ਉਹ ਅੱਪਗਰੇਡ ਡਿਪੂ 'ਤੇ ਜਾਣ ਅਤੇ ਪਲੱਗ ਕਰਨ ਦੀ ਬਜਾਏ, ਵਾਇਰਲੈੱਸ ਤੌਰ 'ਤੇ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਅੱਪਗਰੇਡਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ।
• ਸਮੂਹਿਕ: ਮਨੁੱਖ ਇਸ ਲਈ ਨਹੀਂ ਕਿ ਅਸੀਂ ਸਭ ਤੋਂ ਵੱਡੇ ਜਾਂ ਸਭ ਤੋਂ ਤਾਕਤਵਰ ਜਾਨਵਰ ਸੀ, ਸਗੋਂ ਇਸ ਲਈ ਨਹੀਂ ਕਿ ਅਸੀਂ ਵੂਲੀ ਮੈਮਥ ਦਾ ਸ਼ਿਕਾਰ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਪੁਲਾੜ ਸਟੇਸ਼ਨ ਬਣਾਉਣ ਤੱਕ, ਸਮੂਹਿਕ ਟੀਚਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਸੰਚਾਰ ਅਤੇ ਸਹਿਯੋਗ ਕਰਨਾ ਸਿੱਖਿਆ ਹੈ। AGIs ਦੀ ਇੱਕ ਟੀਮ ਇਸ ਸਹਿਯੋਗ ਨੂੰ ਅਗਲੇ ਪੱਧਰ ਤੱਕ ਲੈ ਜਾਵੇਗੀ। ਉੱਪਰ ਦੱਸੇ ਗਏ ਸਾਰੇ ਬੋਧਾਤਮਕ ਫਾਇਦਿਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਅਤੇ ਫਿਰ ਜੋੜੋ ਕਿ ਵਾਇਰਲੈੱਸ ਤਰੀਕੇ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ, ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਅਤੇ ਲੰਬੀ ਦੂਰੀ ਤੱਕ, ਇੱਕ ਭਵਿੱਖ ਦੀ AGI ਟੀਮ/ਹਾਈਵ ਮਨ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਮਨੁੱਖਾਂ ਦੀ ਟੀਮ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲਤਾ ਨਾਲ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਨਜਿੱਠ ਸਕਦਾ ਹੈ। 

ਅੰਤ ਵਿੱਚ, AGI ਦੀ ਆਖਰੀ ਕਿਸਮ ਇੱਕ ਭੌਤਿਕ ਰੂਪ ਤੋਂ ਬਿਨਾਂ ਸੰਸਕਰਣ ਹੈ, ਜੋ ਇੱਕ ਕੰਪਿਊਟਰ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦੀ ਹੈ, ਅਤੇ ਇਸਦੀ ਪੂਰੀ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਅਤੇ ਔਨਲਾਈਨ ਸਰੋਤਾਂ ਤੱਕ ਪਹੁੰਚ ਹੁੰਦੀ ਹੈ ਜੋ ਇਸਦੇ ਨਿਰਮਾਤਾ ਇਸਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਸਾਇ-ਫਾਈ ਸ਼ੋਅ ਅਤੇ ਕਿਤਾਬਾਂ ਵਿੱਚ, ਇਹ AGI ਆਮ ਤੌਰ 'ਤੇ ਮਾਹਰ ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟ/ਦੋਸਤ ਜਾਂ ਸਪੇਸਸ਼ਿਪ ਦੇ ਸਪੰਕੀ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦਾ ਰੂਪ ਲੈਂਦੇ ਹਨ। ਪਰ AGI ਦੀਆਂ ਹੋਰ ਦੋ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਮੁਕਾਬਲੇ, ਇਹ AI ਹੇਠਾਂ ਦਿੱਤੇ ਤਰੀਕਿਆਂ ਨਾਲ ਵੱਖਰਾ ਹੋਵੇਗਾ;

• ਸਪੀਡ: ਅਸੀਮਤ (ਜਾਂ, ਘੱਟੋ-ਘੱਟ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੱਕ ਜਿਸ ਤੱਕ ਇਸ ਦੀ ਪਹੁੰਚ ਹੈ)।
• ਮੈਮੋਰੀ: ਅਸੀਮਤ  
• ਪ੍ਰਦਰਸ਼ਨ: ਸੁਪਰਕੰਪਿਊਟਿੰਗ ਕੇਂਦਰਾਂ ਤੱਕ ਪਹੁੰਚ ਦੇ ਕਾਰਨ ਫੈਸਲੇ ਲੈਣ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਵਾਧਾ।
• ਅੱਪਗ੍ਰੇਡੇਬਿਲਟੀ: ਸੰਪੂਰਨ, ਅਸਲ ਸਮੇਂ ਵਿੱਚ, ਅਤੇ ਬੋਧਾਤਮਕ ਅੱਪਗਰੇਡਾਂ ਦੀ ਅਸੀਮਿਤ ਚੋਣ ਦੇ ਨਾਲ। ਬੇਸ਼ੱਕ, ਕਿਉਂਕਿ ਇਸ AGI ਸ਼੍ਰੇਣੀ ਦਾ ਕੋਈ ਭੌਤਿਕ ਰੋਬੋਟ ਰੂਪ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਇਸ ਨੂੰ ਉਪਲਬਧ ਭੌਤਿਕ ਅੱਪਗ੍ਰੇਡਾਂ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ ਜਦੋਂ ਤੱਕ ਕਿ ਇਹ ਅੱਪਗ੍ਰੇਡ ਸੁਪਰ ਕੰਪਿਊਟਰਾਂ ਲਈ ਨਹੀਂ ਹੁੰਦੇ ਜੋ ਇਸ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ।
• ਸਮੂਹਿਕ: ਪਿਛਲੀ AGI ਸ਼੍ਰੇਣੀ ਵਾਂਗ, ਇਹ ਸਰੀਰ ਰਹਿਤ AGI ਆਪਣੇ AGI ਸਹਿਯੋਗੀਆਂ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸਹਿਯੋਗ ਕਰੇਗਾ। ਹਾਲਾਂਕਿ, ਬੇਅੰਤ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਅਤੇ ਔਨਲਾਈਨ ਸਰੋਤਾਂ ਤੱਕ ਪਹੁੰਚ ਲਈ ਇਸਦੀ ਵਧੇਰੇ ਸਿੱਧੀ ਪਹੁੰਚ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਇਹ AGI ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸਮੁੱਚੀ AGI ਸਮੂਹਿਕ ਵਿੱਚ ਲੀਡਰਸ਼ਿਪ ਭੂਮਿਕਾਵਾਂ ਲੈਣਗੇ। 

ਮਨੁੱਖਤਾ ਪਹਿਲੀ ਨਕਲੀ ਜਨਰਲ ਬੁੱਧੀ ਕਦੋਂ ਬਣਾਏਗੀ?

ਏਆਈ ਖੋਜ ਭਾਈਚਾਰੇ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਉਹ ਇੱਕ ਜਾਇਜ਼ AGI ਦੀ ਕਾਢ ਕੱਢਣਗੇ, ਇਸ ਲਈ ਕੋਈ ਨਿਰਧਾਰਤ ਮਿਤੀ ਨਹੀਂ ਹੈ। ਹਾਲਾਂਕਿ, ਏ 2013 ਸਰਵੇਖਣ ਵਿਸ਼ਵ ਦੇ 550 ਚੋਟੀ ਦੇ AI ਖੋਜਕਰਤਾਵਾਂ ਵਿੱਚੋਂ, ਪ੍ਰਮੁੱਖ AI ਖੋਜ ਚਿੰਤਕਾਂ ਨਿਕ ਬੋਸਟਰੋਮ ਅਤੇ ਵਿਨਸੈਂਟ ਸੀ. ਮੁਲਰ ਦੁਆਰਾ ਕਰਵਾਏ ਗਏ, ਤਿੰਨ ਸੰਭਾਵਿਤ ਸਾਲਾਂ ਤੱਕ ਵਿਚਾਰਾਂ ਦੀ ਰੇਂਜ ਨੂੰ ਔਸਤ ਕੀਤਾ ਗਿਆ:

• ਔਸਤ ਆਸ਼ਾਵਾਦੀ ਸਾਲ (10% ਸੰਭਾਵਨਾ): 2022
• ਔਸਤ ਯਥਾਰਥਵਾਦੀ ਸਾਲ (50% ਸੰਭਾਵਨਾ): 2040
• ਔਸਤ ਨਿਰਾਸ਼ਾਵਾਦੀ ਸਾਲ (90% ਸੰਭਾਵਨਾ): 2075 

ਇਹ ਭਵਿੱਖਬਾਣੀਆਂ ਕਿੰਨੀਆਂ ਸਹੀ ਹਨ ਅਸਲ ਵਿੱਚ ਕੋਈ ਫ਼ਰਕ ਨਹੀਂ ਪੈਂਦਾ। ਕੀ ਫ਼ਰਕ ਪੈਂਦਾ ਹੈ ਕਿ AI ਖੋਜ ਭਾਈਚਾਰੇ ਦੀ ਵੱਡੀ ਬਹੁਗਿਣਤੀ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਅਸੀਂ ਆਪਣੇ ਜੀਵਨ ਕਾਲ ਵਿੱਚ ਅਤੇ ਇਸ ਸਦੀ ਦੇ ਮੁਕਾਬਲਤਨ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਇੱਕ AGI ਦੀ ਖੋਜ ਕਰਾਂਗੇ। 

ਇੱਕ ਨਕਲੀ ਜਨਰਲ ਬੁੱਧੀ ਬਣਾਉਣਾ ਮਨੁੱਖਤਾ ਨੂੰ ਕਿਵੇਂ ਬਦਲ ਦੇਵੇਗਾ

ਅਸੀਂ ਇਸ ਲੜੀ ਦੇ ਅਖੀਰਲੇ ਅਧਿਆਇ ਦੌਰਾਨ ਇਹਨਾਂ ਨਵੇਂ AI ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਵਿਸਥਾਰ ਨਾਲ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ। ਉਸ ਨੇ ਕਿਹਾ, ਇਸ ਅਧਿਆਇ ਲਈ, ਅਸੀਂ ਕਹਾਂਗੇ ਕਿ ਇੱਕ AGI ਦੀ ਸਿਰਜਣਾ ਸਮਾਜਕ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦੇ ਸਮਾਨ ਹੋਵੇਗੀ ਜੋ ਅਸੀਂ ਅਨੁਭਵ ਕਰਾਂਗੇ ਜਦੋਂ ਮਨੁੱਖਾਂ ਨੂੰ ਮੰਗਲ 'ਤੇ ਜੀਵਨ ਲੱਭਿਆ ਜਾਵੇਗਾ। 

ਇੱਕ ਕੈਂਪ ਇਸ ਦੀ ਮਹੱਤਤਾ ਨੂੰ ਨਹੀਂ ਸਮਝੇਗਾ ਅਤੇ ਇਹ ਸੋਚਣਾ ਜਾਰੀ ਰੱਖੇਗਾ ਕਿ ਵਿਗਿਆਨੀ ਇੱਕ ਹੋਰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਿਊਟਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਵੱਡਾ ਸੌਦਾ ਕਰ ਰਹੇ ਹਨ।

ਇੱਕ ਹੋਰ ਕੈਂਪ, ਜਿਸ ਵਿੱਚ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਲੁਡਾਈਟਸ ਅਤੇ ਧਾਰਮਿਕ ਸੋਚ ਵਾਲੇ ਵਿਅਕਤੀ ਸ਼ਾਮਲ ਹਨ, ਇਸ AGI ਤੋਂ ਡਰਣਗੇ, ਇਹ ਸੋਚਦੇ ਹੋਏ ਕਿ ਇਹ ਇੱਕ ਘਿਣਾਉਣੀ ਗੱਲ ਹੈ ਕਿ ਇਹ ਮਨੁੱਖਤਾ ਨੂੰ SkyNet-ਸ਼ੈਲੀ ਨੂੰ ਖਤਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੇਗਾ। ਇਹ ਕੈਂਪ AGI ਨੂੰ ਉਹਨਾਂ ਦੇ ਸਾਰੇ ਰੂਪਾਂ ਵਿੱਚ ਮਿਟਾਉਣ/ਨਸ਼ਟ ਕਰਨ ਦੀ ਸਰਗਰਮੀ ਨਾਲ ਵਕਾਲਤ ਕਰੇਗਾ।

ਉਲਟ ਪਾਸੇ, ਤੀਜਾ ਕੈਂਪ ਇਸ ਰਚਨਾ ਨੂੰ ਇੱਕ ਆਧੁਨਿਕ ਅਧਿਆਤਮਿਕ ਘਟਨਾ ਵਜੋਂ ਦੇਖੇਗਾ। ਸਾਰੇ ਤਰੀਕਿਆਂ ਨਾਲ ਜੋ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਇਹ AGI ਜੀਵਨ ਦਾ ਇੱਕ ਨਵਾਂ ਰੂਪ ਹੋਵੇਗਾ, ਜੋ ਸਾਡੇ ਨਾਲੋਂ ਵੱਖਰਾ ਸੋਚਦਾ ਹੈ ਅਤੇ ਜਿਸ ਦੇ ਟੀਚੇ ਸਾਡੇ ਆਪਣੇ ਨਾਲੋਂ ਵੱਖਰੇ ਹਨ। ਇੱਕ ਵਾਰ ਇੱਕ AGI ਦੀ ਸਿਰਜਣਾ ਦੀ ਘੋਸ਼ਣਾ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਮਨੁੱਖ ਹੁਣ ਧਰਤੀ ਨੂੰ ਸਿਰਫ਼ ਜਾਨਵਰਾਂ ਨਾਲ ਹੀ ਸਾਂਝਾ ਨਹੀਂ ਕਰਨਗੇ, ਸਗੋਂ ਨਕਲੀ ਜੀਵਾਂ ਦੀ ਇੱਕ ਨਵੀਂ ਸ਼੍ਰੇਣੀ ਦੇ ਨਾਲ, ਜਿਨ੍ਹਾਂ ਦੀ ਬੁੱਧੀ ਸਾਡੇ ਆਪਣੇ ਨਾਲੋਂ ਬਰਾਬਰ ਜਾਂ ਉੱਤਮ ਹੈ।

ਚੌਥੇ ਕੈਂਪ ਵਿੱਚ ਵਪਾਰਕ ਹਿੱਤ ਸ਼ਾਮਲ ਹੋਣਗੇ ਜੋ ਜਾਂਚ ਕਰਨਗੇ ਕਿ ਉਹ ਵੱਖ-ਵੱਖ ਵਪਾਰਕ ਲੋੜਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ AGIs ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਲੇਬਰ ਮਾਰਕੀਟ ਵਿੱਚ ਪਾੜੇ ਨੂੰ ਭਰਨਾ ਅਤੇ ਨਵੀਆਂ ਵਸਤਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ।

ਅੱਗੇ, ਸਾਡੇ ਕੋਲ ਸਰਕਾਰ ਦੇ ਸਾਰੇ ਪੱਧਰਾਂ ਦੇ ਨੁਮਾਇੰਦੇ ਹਨ ਜੋ AGI ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਉਹ ਪੱਧਰ ਹੈ ਜਿੱਥੇ ਸਾਰੀਆਂ ਨੈਤਿਕਤਾ ਅਤੇ ਦਾਰਸ਼ਨਿਕ ਬਹਿਸਾਂ ਇੱਕ ਸਿਰ 'ਤੇ ਆ ਜਾਣਗੀਆਂ, ਖਾਸ ਤੌਰ 'ਤੇ ਇਸ ਬਾਰੇ ਕਿ ਕੀ ਇਹਨਾਂ AGIs ਨੂੰ ਜਾਇਦਾਦ ਵਜੋਂ ਜਾਂ ਵਿਅਕਤੀਆਂ ਵਜੋਂ ਵਿਵਹਾਰ ਕਰਨਾ ਹੈ। 

ਅਤੇ ਅੰਤ ਵਿੱਚ, ਆਖਰੀ ਕੈਂਪ ਫੌਜੀ ਅਤੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਏਜੰਸੀਆਂ ਹੋਣਗੇ. ਅਸਲ ਵਿੱਚ, ਇਸ ਕੈਂਪ ਦੇ ਕਾਰਨ ਪਹਿਲੀ AGI ਦੀ ਜਨਤਕ ਘੋਸ਼ਣਾ ਵਿੱਚ ਮਹੀਨਿਆਂ ਤੋਂ ਸਾਲਾਂ ਤੱਕ ਦੇਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਕਿਉਂ? ਕਿਉਂਕਿ ਏਜੀਆਈ ਦੀ ਕਾਢ, ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਨਕਲੀ ਸੂਪਰ ਇੰਟੈਲੀਜੈਂਸ (ਏਐਸਆਈ) ਦੀ ਸਿਰਜਣਾ ਵੱਲ ਅਗਵਾਈ ਕਰੇਗੀ, ਜੋ ਇੱਕ ਵਿਸ਼ਾਲ ਭੂ-ਰਾਜਨੀਤਿਕ ਖਤਰੇ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰੇਗੀ ਅਤੇ ਪ੍ਰਮਾਣੂ ਬੰਬ ਦੀ ਕਾਢ ਤੋਂ ਕਿਤੇ ਵੱਧ ਇੱਕ ਮੌਕਾ ਹੋਵੇਗਾ। 

ਇਸ ਕਾਰਨ ਕਰਕੇ, ਅਗਲੇ ਕੁਝ ਅਧਿਆਏ ਪੂਰੀ ਤਰ੍ਹਾਂ ਏਐਸਆਈ ਦੇ ਵਿਸ਼ੇ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਨਗੇ ਅਤੇ ਕੀ ਮਨੁੱਖਤਾ ਇਸਦੀ ਕਾਢ ਤੋਂ ਬਾਅਦ ਬਚੇਗੀ ਜਾਂ ਨਹੀਂ।

(ਕਿਸੇ ਅਧਿਆਇ ਨੂੰ ਖਤਮ ਕਰਨ ਦਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਾਟਕੀ ਤਰੀਕਾ? ਤੁਸੀਂ ਬੇਚੈਨ ਹੋ।)

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸੀਰੀਜ਼ ਦਾ ਭਵਿੱਖ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੱਲ੍ਹ ਦੀ ਬਿਜਲੀ ਹੈ: ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਭਵਿੱਖ P1

ਅਸੀਂ ਪਹਿਲੀ ਆਰਟੀਫਿਸ਼ੀਅਲ ਸੁਪਰ ਇੰਟੈਲੀਜੈਂਸ ਕਿਵੇਂ ਬਣਾਵਾਂਗੇ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ P3 ਦਾ ਭਵਿੱਖ 

ਕੀ ਇੱਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਸੁਪਰਇੰਟੈਲੀਜੈਂਸ ਮਨੁੱਖਤਾ ਨੂੰ ਖਤਮ ਕਰ ਦੇਵੇਗੀ? ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ P4 ਦਾ ਭਵਿੱਖ

ਮਨੁੱਖ ਇੱਕ ਆਰਟੀਫਿਸ਼ੀਅਲ ਸੁਪਰ ਇੰਟੈਲੀਜੈਂਸ ਤੋਂ ਕਿਵੇਂ ਬਚਾਅ ਕਰੇਗਾ: ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਭਵਿੱਖ P5

ਕੀ ਮਨੁੱਖ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਦਬਦਬੇ ਵਾਲੇ ਭਵਿੱਖ ਵਿੱਚ ਸ਼ਾਂਤੀ ਨਾਲ ਜੀਉਣਗੇ? ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ P6 ਦਾ ਭਵਿੱਖ