మొదటి ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ సమాజాన్ని ఎలా మారుస్తుంది: కృత్రిమ మేధస్సు P2 యొక్క భవిష్యత్తు

మేము పిరమిడ్లను నిర్మించాము. విద్యుత్‌ను వినియోగించుకోవడం నేర్చుకున్నాం. బిగ్ బ్యాంగ్ (ఎక్కువగా) తర్వాత మన విశ్వం ఎలా ఏర్పడిందో మనకు అర్థమైంది. మరియు వాస్తవానికి, క్లిచ్ ఉదాహరణ, మేము చంద్రునిపై మనిషిని ఉంచాము. అయినప్పటికీ, ఈ విజయాలన్నీ ఉన్నప్పటికీ, మానవ మెదడు ఆధునిక విజ్ఞాన శాస్త్రం యొక్క అవగాహనకు దూరంగా ఉంది మరియు అప్రమేయంగా, తెలిసిన విశ్వంలో అత్యంత సంక్లిష్టమైన వస్తువు-లేదా కనీసం మన అవగాహన.

ఈ వాస్తవికతను బట్టి, మనం ఇంకా మానవులతో సమానంగా కృత్రిమ మేధస్సు (AI)ని నిర్మించలేదని పూర్తిగా ఆశ్చర్యపోనవసరం లేదు. డేటా (స్టార్ ట్రెక్), రాచెల్ (బ్లేడ్ రన్నర్) మరియు డేవిడ్ (ప్రోమెథియస్) వంటి AI లేదా సమంతా (ఆమె) మరియు TARS (ఇంటర్‌స్టెల్లార్) వంటి నాన్-హ్యూమనోయిడ్ AI, ఇవన్నీ AI అభివృద్ధిలో తదుపరి గొప్ప మైలురాయికి ఉదాహరణలు: కృత్రిమ సాధారణ మేధస్సు (AGI, కొన్నిసార్లు HLMI లేదా హ్యూమన్ లెవెల్ మెషిన్ ఇంటెలిజెన్స్ అని కూడా సూచిస్తారు). 

మరో మాటలో చెప్పాలంటే, AI పరిశోధకులు ఎదుర్కొంటున్న సవాలు ఏమిటంటే: మన స్వంత మనస్సు ఎలా పనిచేస్తుందనే దానిపై పూర్తి అవగాహన కూడా లేనప్పుడు మన స్వంత మనస్సుతో పోల్చదగిన కృత్రిమ మనస్సును ఎలా నిర్మించుకోగలం?

భవిష్యత్తులో AGIలకు వ్యతిరేకంగా మానవులు ఎలా దొంతరిస్తారు మరియు చివరకు, మొదటి AGI ప్రపంచానికి ప్రకటించిన మరుసటి రోజు సమాజం ఎలా మారుతుందనే దానితో పాటు మేము ఈ ప్రశ్నను విశ్లేషిస్తాము. 

కృత్రిమ సాధారణ మేధస్సు అంటే ఏమిటి?

చెస్, జియోపార్డీ మరియు గోలలో అగ్రశ్రేణి ఆటగాళ్లను ఓడించగల AIని రూపొందించండి, సులభంగా (ముదురు నీలం, వాట్సన్మరియు ఆల్ఫాగో వరుసగా). ఏదైనా ప్రశ్నకు సమాధానాలు అందించగల AIని రూపొందించండి, మీరు కొనుగోలు చేయాలనుకునే వస్తువులను సూచించండి లేదా రైడ్‌షేర్ టాక్సీల సముదాయాన్ని నిర్వహించండి—మొత్తం బహుళ-బిలియన్ డాలర్ల కంపెనీలు వాటి చుట్టూ నిర్మించబడ్డాయి (Google, Amazon, Uber). దేశం యొక్క ఒక వైపు నుండి మరొక వైపుకు మిమ్మల్ని నడిపించగల AI కూడా ... అలాగే, మేము దానిపై పని చేస్తున్నాము.

కానీ పిల్లల పుస్తకాన్ని చదవమని మరియు అది బోధించడానికి ప్రయత్నిస్తున్న కంటెంట్, అర్థం లేదా నైతికతను అర్థం చేసుకోమని AIని అడగండి లేదా పిల్లి మరియు జీబ్రా చిత్రం మధ్య వ్యత్యాసాన్ని చెప్పమని AIని అడగండి మరియు మీరు కొన్ని కంటే ఎక్కువ వాటిని కలిగి ఉంటారు షార్ట్ సర్క్యూట్లు. 

ప్రాసెసింగ్, అర్థం చేసుకోవడం, నేర్చుకోవడం మరియు కొత్త పరిస్థితులపై మరియు కొత్త వాతావరణంలో పని చేయడంలో రాణించగల కంప్యూటింగ్ పరికరాన్ని (మెదడులు) అభివృద్ధి చేయడానికి ప్రకృతి మిలియన్ల సంవత్సరాలు గడిపింది. గత అర్ధ శతాబ్దపు కంప్యూటర్ సైన్స్‌తో పోల్చండి, అవి రూపొందించబడిన ఏకైక పనులకు అనుగుణంగా కంప్యూటింగ్ పరికరాలను రూపొందించడంపై దృష్టి పెట్టాయి. 

మరో మాటలో చెప్పాలంటే, మానవ-కంప్యూటర్ సాధారణమైనది, అయితే కృత్రిమ కంప్యూటర్ ప్రత్యేక నిపుణుడు.

ప్రత్యక్ష ప్రోగ్రామింగ్ ద్వారా కాకుండా అనుభవం ద్వారా మనిషిలా ఆలోచించగలిగే మరియు నేర్చుకోగల AIని సృష్టించడం AGIని సృష్టించడం యొక్క లక్ష్యం.

వాస్తవ ప్రపంచంలో, దీని అర్థం భవిష్యత్తులో AGI తన స్వంత అనుభవం ద్వారా (ఏదైనా శరీరాన్ని ఉపయోగించి లేదా ఇంద్రియ అవయవాలు/పరికరాలు మనం అందజేస్తాము), మరియు దాని స్వంత పరస్పర చర్య ద్వారా ఇతర AI మరియు ఇతర మానవులు.

కృత్రిమ సాధారణ మేధస్సును నిర్మించడానికి ఏమి పడుతుంది

సాంకేతికంగా కష్టంగా ఉన్నప్పటికీ, AGIని సృష్టించడం సాధ్యమవుతుంది. వాస్తవానికి, భౌతిక శాస్త్ర నియమాలలో-గణన యొక్క సార్వత్రికత-ఒక భౌతిక వస్తువు చేయగలిగినదంతా ప్రాథమికంగా చెబుతుంది, తగినంత శక్తివంతమైన, సాధారణ-ప్రయోజన కంప్యూటర్ సూత్రప్రాయంగా, కాపీ/అనుకరణ చేయగలగాలి.

మరియు ఇంకా, ఇది గమ్మత్తైనది.

అదృష్టవశాత్తూ, ఈ కేసులో చాలా మంది తెలివైన AI పరిశోధకులు ఉన్నారు (చాలా కార్పొరేట్, ప్రభుత్వం మరియు సైనిక నిధులు వారికి మద్దతు ఇస్తున్నట్లు చెప్పనవసరం లేదు), మరియు ఇప్పటివరకు, వారు వాటిని తీసుకురావడానికి పరిష్కరించడానికి అవసరమైన మూడు కీలక పదార్థాలను గుర్తించారు. మన ప్రపంచంలోకి AGI.

పెద్ద డేటా. AI అభివృద్ధికి అత్యంత సాధారణమైన విధానంలో డీప్ లెర్నింగ్ అనే సాంకేతికత ఉంటుంది-ఇది ఒక నిర్దిష్ట రకం మెషీన్ లెర్నింగ్ సిస్టమ్, ఇది భారీ మొత్తంలో డేటాను స్లర్పింగ్ చేయడం ద్వారా, సిమ్యులేటెడ్ న్యూరాన్‌ల నెట్‌వర్క్‌లో (మానవ మెదడు తర్వాత రూపొందించబడింది) డేటాను క్రంచ్ చేయడం ద్వారా పనిచేస్తుంది. దాని స్వంత అంతర్దృష్టులను ప్రోగ్రామ్ చేయడానికి కనుగొన్న వాటిని ఉపయోగించండి. లోతైన అభ్యాసం గురించి మరిన్ని వివరాల కోసం, దీన్ని చదువు.

ఉదాహరణకి, లో 2017, Google తన AI వేల పిల్లుల చిత్రాలను అందించింది, దాని లోతైన అభ్యాస వ్యవస్థ పిల్లిని ఎలా గుర్తించాలో మాత్రమే కాకుండా, వివిధ పిల్లి జాతుల మధ్య తేడాను తెలుసుకోవడానికి ఉపయోగించింది. కొంతకాలం తర్వాత, వారు త్వరలో విడుదల చేయబోతున్నట్లు ప్రకటించారు గూగుల్ లెన్స్, వినియోగదారులు ఏదైనా చిత్రాన్ని తీయడానికి అనుమతించే కొత్త శోధన యాప్ మరియు Google అది ఏమిటో మీకు తెలియజేయడమే కాకుండా, దానిని వివరించే కొన్ని ఉపయోగకరమైన సందర్భోచిత కంటెంట్‌ను అందిస్తుంది—ప్రయాణిస్తున్నప్పుడు ఉపయోగపడుతుంది మరియు మీరు నిర్దిష్ట పర్యాటక ఆకర్షణ గురించి మరింత తెలుసుకోవాలనుకుంటున్నారు. కానీ ఇక్కడ కూడా, Google Lens ప్రస్తుతం దాని ఇమేజ్ శోధన ఇంజిన్‌లో జాబితా చేయబడిన బిలియన్ల కొద్దీ చిత్రాలు లేకుండా సాధ్యం కాదు.

ఇంకా, AGIని తీసుకురావడానికి ఈ పెద్ద డేటా మరియు డీప్ లెర్నింగ్ కాంబో ఇప్పటికీ సరిపోదు.

మెరుగైన అల్గోరిథంలు. గత దశాబ్దంలో, Google అనుబంధ సంస్థ మరియు AI స్పేస్‌లో అగ్రగామి అయిన DeepMind, రీన్‌ఫోర్స్‌మెంట్ లెర్నింగ్‌తో డీప్ లెర్నింగ్ యొక్క బలాలను కలపడం ద్వారా స్ప్లాష్ చేసింది-ఇది AIకి కొత్త వాతావరణంలో ఎలా చర్యలు తీసుకోవాలో నేర్పించే లక్ష్యంతో కూడిన మెషిన్ లెర్నింగ్ విధానం. ఒక నిర్దేశిత లక్ష్యం.

ఈ హైబ్రిడ్ వ్యూహానికి ధన్యవాదాలు, డీప్‌మైండ్ యొక్క ప్రీమియర్ AI, ఆల్ఫాగో, నియమాలను డౌన్‌లోడ్ చేయడం మరియు మాస్టర్ హ్యూమన్ ప్లేయర్‌ల వ్యూహాలను అధ్యయనం చేయడం ద్వారా ఆల్ఫాగోను ఎలా ఆడాలో నేర్పించడమే కాకుండా, మిలియన్ల సార్లు తనకు వ్యతిరేకంగా ఆడిన తర్వాత ఉత్తమ ఆల్ఫాగో ప్లేయర్‌లను ఓడించగలిగింది. గేమ్‌లో మునుపెన్నడూ చూడని ఎత్తుగడలు మరియు వ్యూహాలను ఉపయోగించడం. 

అదేవిధంగా, డీప్‌మైండ్ యొక్క అటారీ సాఫ్ట్‌వేర్ ప్రయోగంలో AIకి ఒక సాధారణ గేమ్ స్క్రీన్‌ని చూడటానికి కెమెరాను అందించడం, గేమ్ ఆర్డర్‌లను (జాయ్‌స్టిక్ బటన్‌లు వంటివి) ఇన్‌పుట్ చేయగల సామర్థ్యంతో ప్రోగ్రామింగ్ చేయడం మరియు దాని స్కోర్‌ను పెంచడానికి ఏకవచన లక్ష్యాన్ని అందించడం వంటివి ఉన్నాయి. ఫలితం? కొన్ని రోజుల్లో, అది ఎలా ఆడాలో మరియు డజన్ల కొద్దీ క్లాసిక్ ఆర్కేడ్ గేమ్‌లలో నైపుణ్యం సాధించడం ఎలాగో నేర్పింది. 

కానీ ఈ ప్రారంభ విజయాలు ఎంత ఉత్తేజకరమైనవో, పరిష్కరించడానికి కొన్ని కీలక సవాళ్లు మిగిలి ఉన్నాయి.

ఒకటి, AI పరిశోధకులు AIకి 'చంకింగ్' అనే ఉపాయాన్ని బోధించే పనిలో ఉన్నారు, మానవ మరియు జంతువుల మెదళ్ళు అనూహ్యంగా మంచివి. ఒక్కమాటలో చెప్పాలంటే, మీరు కిరాణా సామాగ్రిని కొనడానికి బయటకు వెళ్లాలని నిర్ణయించుకున్నప్పుడు, మీరు మీ అంతిమ లక్ష్యాన్ని (అవోకాడో కొనడం) మరియు మీరు దీన్ని ఎలా చేయాలనుకుంటున్నారో (ఇంటిని విడిచిపెట్టి, కిరాణా దుకాణాన్ని సందర్శించండి, కొనండి) గురించి ఒక కఠినమైన ప్రణాళికను ఊహించుకోగలరు. అవోకాడో, ఇంటికి తిరిగి వెళ్ళు). మీరు చేయని పని ఏమిటంటే, మీ మార్గంలో ప్రతి శ్వాస, ప్రతి అడుగు, సాధ్యమయ్యే ప్రతి ఆకస్మికతను ప్లాన్ చేయడం. బదులుగా, మీరు ఎక్కడికి వెళ్లాలనుకుంటున్నారో మీ మనస్సులో ఒక కాన్సెప్ట్ (చంక్) ఉంది మరియు మీ పర్యటనను ఏ పరిస్థితి వచ్చినా దానికి అనుగుణంగా మార్చుకోండి.

ఇది మీకు సాధారణంగా అనిపించవచ్చు, ఈ సామర్ధ్యం ఇప్పటికీ AI కంటే మానవ మెదళ్లకు ఉన్న ముఖ్య ప్రయోజనాల్లో ఒకటి-ఇది ఒక లక్ష్యాన్ని నిర్దేశించుకోవడం మరియు ప్రతి వివరాలు ముందుగా తెలుసుకోకుండా మరియు ఏదైనా అడ్డంకి లేదా పర్యావరణ మార్పు ఉన్నప్పటికీ దానిని కొనసాగించడం అనుకూలత. ఎదుర్కోవచ్చు. ఈ నైపుణ్యం పైన పేర్కొన్న పెద్ద డేటా అవసరం లేకుండా, AGIలు మరింత సమర్థవంతంగా నేర్చుకునేలా చేస్తుంది.

మరొక సవాలు ఏమిటంటే పుస్తకాన్ని చదవడమే కాదు అర్థాన్ని అర్థం చేసుకోండి లేదా దాని వెనుక సందర్భం. దీర్ఘకాలికంగా, AI వార్తాపత్రిక కథనాన్ని చదవడం మరియు పుస్తక నివేదికను వ్రాయడం వంటి వాటి గురించిన ప్రశ్నలకు ఖచ్చితంగా సమాధానం ఇవ్వగలగడం ఇక్కడ లక్ష్యం. ఈ సామర్థ్యం AIని సంఖ్యలను క్రంచ్ చేసే కాలిక్యులేటర్ నుండి అర్థాన్ని క్రంచ్ చేసే ఎంటిటీగా మారుస్తుంది.

మొత్తంమీద, మానవ మెదడును అనుకరించే స్వీయ-అభ్యాస అల్గారిథమ్‌కు మరింత పురోగతులు AGI యొక్క చివరి సృష్టిలో కీలక పాత్ర పోషిస్తాయి, అయితే ఈ పనితో పాటు, AI కమ్యూనిటీకి మెరుగైన హార్డ్‌వేర్ కూడా అవసరం.

మంచి హార్డ్వేర్. పైన వివరించిన ప్రస్తుత విధానాలను ఉపయోగించి, మేము దానిని అమలు చేయడానికి అందుబాటులో ఉన్న కంప్యూటింగ్ శక్తిని తీవ్రంగా పెంచిన తర్వాత మాత్రమే AGI సాధ్యమవుతుంది.

సందర్భం కోసం, మనం మానవ మెదడు యొక్క ఆలోచించే సామర్థ్యాన్ని తీసుకొని దానిని గణన పరంగా మార్చినట్లయితే, సగటు మానవుని మానసిక సామర్థ్యం యొక్క స్థూల అంచనా ఒక ఎక్సాఫ్లాప్, ఇది 1,000 పెటాఫ్లాప్‌లకు సమానం ('ఫ్లాప్' అంటే ఫ్లోటింగ్ పాయింట్ ఆపరేషన్‌లు రెండవది మరియు గణన వేగాన్ని కొలుస్తుంది).

పోల్చి చూస్తే, 2018 చివరి నాటికి, ప్రపంచంలోని అత్యంత శక్తివంతమైన సూపర్ కంప్యూటర్, జపాన్ AI బ్రిడ్జింగ్ క్లౌడ్ 130 పెటాఫ్లాప్‌ల వద్ద హమ్ చేస్తుంది, ఒక ఎక్సాఫ్లాప్ కంటే చాలా తక్కువ.

మాలో వివరించినట్లు సూపర్ మాలోని అధ్యాయం కంప్యూటర్ల భవిష్యత్తు సిరీస్, US మరియు చైనా రెండూ 2022 నాటికి తమ స్వంత ఎక్సాఫ్లాప్ సూపర్‌కంప్యూటర్‌లను రూపొందించడానికి పని చేస్తున్నాయి, అయితే అవి విజయవంతం అయినప్పటికీ, అది ఇప్పటికీ సరిపోకపోవచ్చు.

ఈ సూపర్‌కంప్యూటర్‌లు అనేక డజన్ల మెగావాట్ల శక్తితో పనిచేస్తాయి, అనేక వందల చదరపు మీటర్ల స్థలాన్ని ఆక్రమిస్తాయి మరియు నిర్మించడానికి అనేక వందల మిలియన్లు ఖర్చవుతాయి. మానవ మెదడు కేవలం 20 వాట్ల శక్తిని ఉపయోగిస్తుంది, దాదాపు 50 సెం.మీ చుట్టుకొలత కలిగిన పుర్రె లోపల సరిపోతుంది మరియు మనలో ఏడు బిలియన్లు (2018) ఉన్నాయి. మరో మాటలో చెప్పాలంటే, మనం AGIలను మనుషుల మాదిరిగానే సాధారణం చేయాలనుకుంటే, వాటిని మరింత ఆర్థికంగా ఎలా సృష్టించాలో మనం నేర్చుకోవాలి.

ఆ దిశగా, AI పరిశోధకులు భవిష్యత్తులో AIలను క్వాంటం కంప్యూటర్‌లతో శక్తివంతం చేయడాన్ని పరిగణించడం ప్రారంభించారు. లో మరింత వివరంగా వివరించబడింది క్వాంటం కంప్యూటర్లు మా ఫ్యూచర్ ఆఫ్ కంప్యూటర్స్ సిరీస్‌లోని అధ్యాయం, ఈ కంప్యూటర్‌లు గత అర్ధ శతాబ్దంగా మేము నిర్మిస్తున్న కంప్యూటర్‌ల కంటే ప్రాథమికంగా భిన్నమైన రీతిలో పని చేస్తాయి. 2030ల నాటికి పరిపూర్ణమైన తర్వాత, ఒకే క్వాంటం కంప్యూటర్ 2018లో ప్రస్తుతం పనిచేస్తున్న ప్రతి సూపర్‌కంప్యూటర్‌ను ప్రపంచవ్యాప్తంగా కలిపి గణిస్తుంది. అవి కూడా చాలా చిన్నవిగా ఉంటాయి మరియు ప్రస్తుత సూపర్ కంప్యూటర్‌ల కంటే చాలా తక్కువ శక్తిని ఉపయోగిస్తాయి. 

ఒక కృత్రిమ సాధారణ మేధస్సు మానవుని కంటే ఎలా ఉన్నతంగా ఉంటుంది?

మొదటి AGIని రూపొందించడంలో AI పరిశోధకులు విజయం సాధించారని, పైన జాబితా చేయబడిన ప్రతి సవాలు గుర్తించబడిందని అనుకుందాం. AGI మనస్సు మన మనస్సు కంటే ఎలా భిన్నంగా ఉంటుంది?

ఈ రకమైన ప్రశ్నకు సమాధానమివ్వడానికి, మేము AGI మనస్సులను మూడు వర్గాలుగా వర్గీకరించాలి, అవి రోబోట్ శరీరంలో నివసించేవి (డేటా నుండి స్టార్ ట్రెక్), భౌతిక రూపాన్ని కలిగి ఉన్నవి కానీ ఇంటర్నెట్/క్లౌడ్‌కి వైర్‌లెస్‌గా కనెక్ట్ చేయబడినవి (ఏజెంట్ స్మిత్ నుండి మాట్రిక్స్) మరియు భౌతిక రూపం లేని వారు పూర్తిగా కంప్యూటర్‌లో లేదా ఆన్‌లైన్‌లో నివసిస్తున్నారు (సమంత నుండి ఆటలు).

ప్రారంభించడానికి, వెబ్ నుండి వేరుచేయబడిన రోబోటిక్ బాడీలోని AGIలు మానవ మనస్సులతో సమానంగా పోటీపడతాయి, కానీ ఎంపిక చేసిన ప్రయోజనాలతో:

• మెమరీ: AGI యొక్క రోబోటిక్ రూపం రూపకల్పనపై ఆధారపడి, వారి స్వల్పకాలిక జ్ఞాపకశక్తి మరియు కీలక సమాచారం యొక్క జ్ఞాపకశక్తి ఖచ్చితంగా మానవుల కంటే గొప్పగా ఉంటుంది. కానీ రోజు చివరిలో, మీరు రోబోట్‌లో ఎంత హార్డ్ డ్రైవ్ స్థలాన్ని ప్యాక్ చేయవచ్చు అనేదానికి భౌతిక పరిమితి ఉంది, మేము వాటిని మనుషులలా కనిపించేలా డిజైన్ చేస్తాము. ఈ కారణంగా, AGIల దీర్ఘకాలిక జ్ఞాపకశక్తి మానవుల మాదిరిగానే పనిచేస్తుంది, దాని భవిష్యత్తు పనితీరుకు ('డిస్క్ స్పేస్'ని ఖాళీ చేయడానికి) అనవసరంగా భావించే సమాచారం మరియు జ్ఞాపకాలను చురుకుగా మరచిపోతుంది.
• వేగం: మానవ మెదడులోని న్యూరాన్‌ల పనితీరు దాదాపు 200 హెర్ట్జ్‌ల వద్ద గరిష్టంగా ఉంటుంది, అయితే ఆధునిక మైక్రోప్రాసెసర్‌లు గిగాహెర్ట్జ్ స్థాయిలో పనిచేస్తాయి, కాబట్టి న్యూరాన్‌ల కంటే మిలియన్ల రెట్లు వేగంగా ఉంటాయి. దీని అర్థం మానవులతో పోలిస్తే, భవిష్యత్ AGIలు సమాచారాన్ని ప్రాసెస్ చేస్తాయి మరియు మనుషుల కంటే వేగంగా నిర్ణయాలు తీసుకుంటాయి. గుర్తుంచుకోండి, ఈ AGI మానవుల కంటే తెలివిగా లేదా మరింత సరైన నిర్ణయాలు తీసుకుంటుందని దీని అర్థం కాదు, వారు వేగంగా నిర్ణయాలకు రావచ్చు.
• పనితీరు: సరళంగా చెప్పాలంటే, విశ్రాంతి లేదా నిద్ర లేకుండా ఎక్కువసేపు పనిచేస్తే మానవ మెదడు అలసిపోతుంది మరియు అలా చేసినప్పుడు, దాని జ్ఞాపకశక్తి మరియు నేర్చుకునే సామర్థ్యం మరియు హేతువు బలహీనపడుతుంది. ఇంతలో, AGIలకు, వారు క్రమం తప్పకుండా రీఛార్జ్ చేయబడతారని (విద్యుత్) ఊహిస్తే, వారికి ఆ బలహీనత ఉండదు.
• అప్‌గ్రేడబిలిటీ: మానవునికి, కొత్త అలవాటును నేర్చుకోవడానికి వారాలు, కొత్త నైపుణ్యం నేర్చుకోవడానికి నెలలు పట్టవచ్చు మరియు కొత్త వృత్తిని నేర్చుకోవడానికి సంవత్సరాలు పట్టవచ్చు. AGI కోసం, మీరు మీ కంప్యూటర్ యొక్క OSని క్రమం తప్పకుండా ఎలా అప్‌డేట్ చేస్తారో అదే విధంగా అనుభవం (మానవుల వలె) మరియు డైరెక్ట్ డేటా అప్‌లోడ్ ద్వారా రెండింటినీ నేర్చుకునే సామర్థ్యాన్ని వారు కలిగి ఉంటారు. ఈ అప్‌డేట్‌లు నాలెడ్జ్ అప్‌గ్రేడ్‌లకు (కొత్త నైపుణ్యాలు) లేదా AGIల భౌతిక రూపానికి పనితీరు అప్‌గ్రేడ్‌లకు వర్తిస్తాయి. 

తరువాత, భౌతిక రూపాన్ని కలిగి ఉన్న AGIలను చూద్దాం, కానీ ఇంటర్నెట్/క్లౌడ్‌కు వైర్‌లెస్‌గా కూడా కనెక్ట్ చేయబడింది. కనెక్ట్ కాని AGIలతో పోల్చినప్పుడు ఈ స్థాయితో మనం చూడగలిగే తేడాలు:

• మెమరీ: ఈ AGIలు మునుపటి AGI తరగతికి ఉన్న అన్ని స్వల్ప-కాల ప్రయోజనాలను కలిగి ఉంటాయి, అవి అవసరమైనప్పుడు యాక్సెస్ చేయడానికి ఆ జ్ఞాపకాలను క్లౌడ్‌కు అప్‌లోడ్ చేయగలవు కాబట్టి అవి ఖచ్చితమైన దీర్ఘకాలిక మెమరీ నుండి కూడా ప్రయోజనం పొందుతాయి. సహజంగానే, తక్కువ కనెక్టివిటీ ఉన్న ప్రాంతాలలో ఈ మెమరీని యాక్సెస్ చేయలేరు, అయితే 2020లు మరియు 2030లలో ప్రపంచంలోని ఎక్కువ మంది ఆన్‌లైన్‌కి వచ్చినప్పుడు అది ఆందోళన కలిగించదు. లో మరింత చదవండి మొదటి అధ్యాయము మా యొక్క ఇంటర్నెట్ యొక్క భవిష్యత్తు సిరీస్. 
• వేగం: ఈ AGI ఎదుర్కొనే అడ్డంకి రకాన్ని బట్టి, వారు క్లౌడ్ యొక్క పెద్ద కంప్యూటింగ్ పవర్‌ను యాక్సెస్ చేయగలరు.
• పనితీరు: కనెక్ట్ చేయని AGIలతో పోల్చినప్పుడు తేడా లేదు.
• అప్‌గ్రేడబిలిటీ: అప్‌గ్రేడబిలిటీకి సంబంధించి ఈ AGIకి మధ్య ఉన్న ఏకైక తేడా ఏమిటంటే, వారు అప్‌గ్రేడ్ డిపోను సందర్శించి ప్లగ్ చేయడానికి బదులుగా వైర్‌లెస్‌గా నిజ సమయంలో అప్‌గ్రేడ్‌లను యాక్సెస్ చేయగలరు.
• సామూహిక: మానవులు భూమి యొక్క ఆధిపత్య జాతిగా మారారు ఎందుకంటే మనం అతిపెద్ద లేదా బలమైన జంతువు అయినందున కాదు, కానీ ఒక వూలీ మముత్‌ను వేటాడడం నుండి అంతర్జాతీయ అంతరిక్ష కేంద్రాన్ని నిర్మించడం వరకు సామూహిక లక్ష్యాలను సాధించడానికి వివిధ మార్గాల్లో కమ్యూనికేట్ చేయడం మరియు సహకరించడం ఎలాగో నేర్చుకున్నాము. AGIల బృందం ఈ సహకారాన్ని తదుపరి స్థాయికి తీసుకువెళుతుంది. పైన జాబితా చేయబడిన అన్ని అభిజ్ఞా ప్రయోజనాలను పరిగణనలోకి తీసుకుని, వ్యక్తిగతంగా మరియు సుదూర ప్రాంతాలలో వైర్‌లెస్‌గా కమ్యూనికేట్ చేయగల సామర్థ్యంతో కలిపి, భవిష్యత్ AGI బృందం / అందులో నివశించే తేనెటీగలు మానవుల బృందం కంటే చాలా సమర్థవంతంగా ప్రాజెక్ట్‌లను పరిష్కరించగలవు. 

చివరగా, AGI యొక్క చివరి రకం భౌతిక రూపం లేని సంస్కరణ, ఇది కంప్యూటర్ లోపల పని చేస్తుంది మరియు దాని సృష్టికర్తలు అందించే పూర్తి కంప్యూటింగ్ శక్తి మరియు ఆన్‌లైన్ వనరులకు ప్రాప్యతను కలిగి ఉంటుంది. సైన్స్ ఫిక్షన్ షోలు మరియు పుస్తకాలలో, ఈ AGIలు సాధారణంగా నిపుణులైన వర్చువల్ అసిస్టెంట్‌లు/స్నేహితులు లేదా స్పేస్‌షిప్ యొక్క స్పంకీ ఆపరేటింగ్ సిస్టమ్ రూపంలో ఉంటాయి. కానీ AGI యొక్క ఇతర రెండు వర్గాలతో పోలిస్తే, ఈ AI క్రింది మార్గాల్లో భిన్నంగా ఉంటుంది;

• వేగం: అపరిమిత (లేదా, కనీసం హార్డ్‌వేర్ పరిమితుల వరకు దీనికి ప్రాప్యత ఉంది).
• మెమరీ: అపరిమిత  
• పనితీరు: సూపర్‌కంప్యూటింగ్ కేంద్రాలకు యాక్సెస్ ఇచ్చినందుకు కృతజ్ఞతలు తెలుపుతూ నిర్ణయం తీసుకునే నాణ్యతలో పెరుగుదల.
• అప్‌గ్రేడబిలిటీ: సంపూర్ణంగా, నిజ సమయంలో మరియు అపరిమిత ఎంపికతో అభిజ్ఞా నవీకరణలు. వాస్తవానికి, ఈ AGI కేటగిరీకి భౌతిక రోబోట్ ఫారమ్ లేనందున, ఆ అప్‌గ్రేడ్‌లు దాని ఆపరేటింగ్‌లో ఉన్న సూపర్‌కంప్యూటర్‌లకు అయితే తప్ప అందుబాటులో ఉన్న భౌతిక అప్‌గ్రేడ్‌ల అవసరం ఉండదు.
• సమిష్టి: మునుపటి AGI కేటగిరీ మాదిరిగానే, ఈ శరీరరహిత AGI దాని AGI సహోద్యోగులతో సమర్థవంతంగా సహకరిస్తుంది. అయినప్పటికీ, అపరిమిత కంప్యూటింగ్ శక్తికి మరియు ఆన్‌లైన్ వనరులకు యాక్సెస్‌కు మరింత ప్రత్యక్ష ప్రాప్యతను అందించినందున, ఈ AGIలు సాధారణంగా మొత్తం AGI సమిష్టిలో నాయకత్వ పాత్రలను పోషిస్తాయి. 

మానవత్వం మొదటి కృత్రిమ సాధారణ మేధస్సును ఎప్పుడు సృష్టిస్తుంది?

AI రీసెర్చ్ కమ్యూనిటీ వారు చట్టబద్ధమైన AGIని కనిపెట్టగలరని విశ్వసించే తేదీ ఏదీ లేదు. అయితే, ఎ సర్వే సర్వే ప్రముఖ AI పరిశోధనా ఆలోచనాపరులు నిక్ బోస్ట్రోమ్ మరియు విన్సెంట్ సి. ముల్లర్ నిర్వహించిన ప్రపంచంలోని అగ్రశ్రేణి AI పరిశోధకులలో 550 మంది, మూడు సంవత్సరాల వరకు అభిప్రాయాల పరిధిని సగటున అంచనా వేశారు:

• మధ్యస్థ ఆశావాద సంవత్సరం (10% సంభావ్యత): 2022
• మధ్యస్థ వాస్తవిక సంవత్సరం (50% సంభావ్యత): 2040
• మధ్యస్థ నిరాశావాద సంవత్సరం (90% సంభావ్యత): 2075 

ఈ అంచనాలు ఎంత ఖచ్చితమైనవి అనేది నిజంగా పట్టింపు లేదు. విషయమేమిటంటే, AI పరిశోధనా సంఘంలో అత్యధికులు మన జీవితకాలంలో మరియు సాపేక్షంగా ఈ శతాబ్దం ప్రారంభంలోనే AGIని కనిపెట్టగలమని నమ్ముతున్నారు. 

ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్‌ని సృష్టించడం మానవాళిని ఎలా మారుస్తుంది

ఈ సిరీస్‌లోని చివరి అధ్యాయం అంతటా మేము ఈ కొత్త AI యొక్క ప్రభావాన్ని వివరంగా విశ్లేషిస్తాము. ఈ అధ్యాయం కోసం, మానవులు అంగారక గ్రహంపై జీవితాన్ని కనుగొన్నప్పుడు మనం అనుభవించే సామాజిక ప్రతిచర్యకు AGI యొక్క సృష్టి చాలా పోలి ఉంటుందని మేము చెబుతాము. 

ఒక శిబిరం ప్రాముఖ్యతను అర్థం చేసుకోదు మరియు శాస్త్రవేత్తలు మరొక శక్తివంతమైన కంప్యూటర్‌ను సృష్టించడం గురించి పెద్ద ఒప్పందం చేసుకుంటున్నారని ఆలోచిస్తూనే ఉంటారు.

మరొక శిబిరం, బహుశా లుడ్డిట్‌లు మరియు మతపరమైన మనస్సు గల వ్యక్తులతో కూడి ఉంటుంది, ఈ AGIకి భయపడుతుంది, ఇది మానవాళిని స్కైనెట్-శైలిని నిర్మూలించడానికి ప్రయత్నించడం ఒక అసహ్యమని భావించి. ఈ శిబిరం AGIలను వాటి అన్ని రూపాల్లో తొలగించడానికి/నాశనం చేయడానికి చురుకుగా వాదిస్తుంది.

మరోవైపు, మూడవ శిబిరం ఈ సృష్టిని ఆధునిక ఆధ్యాత్మిక సంఘటనగా చూస్తుంది. ముఖ్యమైన అన్ని విధాలుగా, ఈ AGI జీవితం యొక్క కొత్త రూపంగా ఉంటుంది, ఇది మనకంటే భిన్నంగా ఆలోచించేది మరియు దీని లక్ష్యాలు మన స్వంతదాని కంటే భిన్నంగా ఉంటాయి. AGI యొక్క సృష్టిని ప్రకటించిన తర్వాత, మానవులు ఇకపై భూమిని కేవలం జంతువులతో పంచుకోరు, కానీ మన స్వంత తెలివితేటలతో సమానంగా లేదా ఉన్నతంగా ఉన్న కొత్త తరగతి కృత్రిమ జీవులతో కూడా భాగస్వామ్యం చేయబడతారు.

నాల్గవ శిబిరంలో వ్యాపార ఆసక్తులు ఉంటాయి, వారు వివిధ వ్యాపార అవసరాలను పరిష్కరించడానికి AGIలను ఎలా ఉపయోగించవచ్చో పరిశోధిస్తారు, లేబర్ మార్కెట్‌లో ఖాళీలను పూరించడం మరియు కొత్త వస్తువులు మరియు సేవల అభివృద్ధిని వేగవంతం చేయడం వంటివి.

తర్వాత, మేము AGIలను ఎలా నియంత్రించాలో అర్థం చేసుకోవడానికి ప్రయత్నిస్తున్న అన్ని స్థాయిల ప్రభుత్వ ప్రతినిధులను కలిగి ఉన్నాము. ముఖ్యంగా ఈ AGIలను ఆస్తిగా లేదా వ్యక్తులుగా పరిగణించాలా అనే దాని చుట్టూ అన్ని నైతిక మరియు తాత్విక చర్చలు ఒక స్థాయికి వస్తాయి. 

చివరకు, చివరి శిబిరం సైనిక మరియు జాతీయ భద్రతా సంస్థలు. వాస్తవానికి, ఈ క్యాంప్ కారణంగానే మొదటి AGI యొక్క బహిరంగ ప్రకటన నెలల నుండి సంవత్సరాల వరకు ఆలస్యమయ్యే మంచి అవకాశం ఉంది. ఎందుకు? ఎందుకంటే AGI యొక్క ఆవిష్కరణ, తక్కువ క్రమంలో కృత్రిమ సూపర్ ఇంటెలిజెన్స్ (ASI) యొక్క సృష్టికి దారి తీస్తుంది, ఇది భారీ భౌగోళిక రాజకీయ ముప్పు మరియు అణు బాంబు యొక్క ఆవిష్కరణను అధిగమించే అవకాశాన్ని సూచిస్తుంది. 

ఈ కారణంగా, తదుపరి కొన్ని అధ్యాయాలు పూర్తిగా ASIల అంశంపై దృష్టి పెడతాయి మరియు దాని ఆవిష్కరణ తర్వాత మానవత్వం మనుగడ సాగిస్తుందా లేదా అనే అంశంపై దృష్టి పెడుతుంది.

(అధ్యాయాన్ని ముగించడానికి మితిమీరిన నాటకీయ మార్గం? మీరు బెట్చా.)

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సిరీస్ యొక్క భవిష్యత్తు

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ రేపటి విద్యుత్: ఫ్యూచర్ ఆఫ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ P1

మేము మొదటి కృత్రిమ మేధస్సును ఎలా సృష్టిస్తాము: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ P3 యొక్క భవిష్యత్తు 

ఆర్టిఫిషియల్ సూపర్ ఇంటెలిజెన్స్ మానవాళిని నాశనం చేస్తుందా? ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ P4 యొక్క భవిష్యత్తు

ఆర్టిఫిషియల్ సూపర్ ఇంటెలిజెన్స్ నుండి మానవులు ఎలా రక్షించుకుంటారు: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ P5 యొక్క భవిష్యత్తు

కృత్రిమ మేధస్సు ఆధిపత్యంలో ఉన్న భవిష్యత్తులో మానవులు శాంతియుతంగా జీవిస్తారా? ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ P6 యొక్క భవిష్యత్తు