Er generativ AI ikke det samme som kunstig generel intelligens? Hvad er forskellen mellem de to?
Siden AI's gennembrud i rampelyset i slutningen af 2022, er tusindvis af AI-modeller dukket op næsten hver uge. Det kan være svimlende at prøve at følge med, hvad der gør hvad.
Hvis du er fortrolig med AI grundlæggende, kender du måske allerede til generativ kunstig intelligens (GAI). Omvendt er du måske ikke så fortrolig med en anden type AI kaldet kunstig generel intelligens (AGI).
Selvom de lyder ens, er de ikke helt ens. Og nej, det er ikke kun fordi deres akronymer er skiftet rundt. Så hvad er forskellen mellem de to?
Hvad er kunstig generel intelligens?
Forestil dig en AI, der kan tænke, ræsonnere, opfatte, udlede – alt det, mennesker kan gøre. Det og mere til er, hvad kunstig generel intelligens formodes at være. Selvom den er teoretisk, kan kunstig generel intelligens (AGI) udføre enhver intellektuel opgave, ligesom et menneske, men med færre eller ingen fejl.
Det adskiller sig fra kunstig smal intelligens (ANI), som er meget dygtig inden for et bestemt felt eller række af opgaver. Narrow Intelligence er designet til at udmærke sig ved kun én eller meget få specifikke opgaver, som en professor emeritus i en meget nichedisciplin.
AGI foreslås at være en AI, der kan føle, træffe beslutninger baseret på sine følelser, løse problemer, lære, behandle sprog og udføre andre kognitive evner. Uden forudgående feeding af data burde AGI finde på noget meningsfuldt, uanset de involverede variabler.
Science fiction AI'er kommer knap så tæt på, så AGI er stadig kun en teori. Selvom nogle AI-modeller i værkerne kommer tæt på AGI's beskrivelse, er den stadig stærkt afhængig af leverede data og har endnu ikke dannet uafhængig begrundelse. Selvom de udmærker sig ved problemløsning, naturlig sprogbehandling og lignende, er de stadig et stykke vej, før vi kan kalde dem fuld-blæste AGI'er.
For eksempel arbejder Google DeepMind dag og nat på at udvikle AGI-modeller, der kan være på niveau med menneskelig intelligens, med evnen til at lære og ræsonnere ligesom mennesker. For at vide mere, tjek fantastiske ting Googles DeepMind eksisterende bots kan gøre.
Så hvad er de potentielle anvendelser af kunstig generel intelligens? Nå, det lover at finde betydning på alle tænkelige områder. For eksempel kan AGI og bioteknologi levere førsteklasses sundhedsydelser til en brøkdel af prisen. Det kan tilpasse behandlingsplaner og fremskynde diagnosticering med minimale fejl.
Det kan gøre disse og mange flere på tværs af felter som robotik og automatisering, forskning, uddannelse, landbrug, rumudforskning osv.
Hvad er generativ kunstig intelligens?
Som tidligere nævnt falder de fleste AI-modeller, der eksisterer i skrivende stund, ind under denne kategori.
Generativ kunstig intelligens (GAI) omfatter enhver AI, der, som navnet antyder, genererer nyt materiale, det være sig lyd, billede eller tekst, fra tidligere imputerede data. Med andre ord kan enhver AI, du skal give prompter for at generere indhold eller svare på anmodninger ved at få adgang til lagret information, klassificeres som en GAI.
For eksempel de sædvanlige tekst-til-tale og billed-til-billede-oversættere og nyere udviklinger som DALL-E (Hvad er DALL-E?), MuseNet, Style-based Generative Adversarial Networks (StyleGAN), Jukebox og Generative Pre-trained Transformers (GPT-3, GPT-3.5, GPT-4) er kategoriseret under Generative AI.
Generativ AI bruger deep learning-teknikker til at generere indhold så tæt på prompterne som muligt. De bruger meddelelserne som byggematerialer til at bygge det indhold, du anmoder om at producere. Her er nogle eksempler på, hvad ChatGPT kan gøre for dig hvis du vil vide mere om det.
Hvordan er kunstig generel intelligens og generativ kunstig intelligens ens?
Selvom de er forskellige i deres måde at arbejde på og ekspertise, deler AGI og Generative AI flere ting til fælles.
1. Læring
AGI og GAI er maskinlæringsmodeller, der lærer via overvågede, semi-overvågede og ikke-overvågede algoritmer ved hjælp af dybe neurale netværk. Dette er for, at de skal kunne analysere og behandle data for at generere indhold i overensstemmelse med konteksten for prompten.
Ligesom mennesker kan AGI-modeller lære af forskellige data og erfaringer. Samtidig er GAI trænet i eksisterende store datapuljer for at forstå de underliggende mønstre og relationer mellem data for at generere nye, meningsfulde og relevante data.
2. Vifte af applikationer
Både AGI og GAI kan bruges til en lang række formål, herunder, men ikke begrænset til, tekst-, billed- og videoindhold.
Generativ AI kan udvikles til at tjene forskellige formål på begrænsede områder. På den anden side er kunstig generel intelligens naturligt anvendelig i alle livets områder, da den selvstændigt kan ræsonnere og udføre opgaver.
3. Katalysatorer for forandring
Målet med teknologiske fremskridt er at fremme forandring og vækst. AGI og GAI er uundværlige i hurtig sporing af tiltrængte forandringer og innovationer, som verden har desperat brug for.
Med introduktionen af anvendelige GAI og AGI er menneskeheden sikret, at hurtige fremskridt snart følger, hvilket reducerer menneskelig arbejdstid eksponentielt.
4. Kilde til etisk dilemma
Selvom det lyder som en god idé at få ekstra hjælp fra AI, opstår der flere bekymringer, når der skal være en klar grænse for, hvad der er etisk rigtigt for AI at overskue.
Med Generative AI har der været bekymringer om ophavsretsregler omkring kunstig intelligens og endda spørgsmål om, hvorvidt kunstig intelligens er ægte kunst. AGI, givet nok tid, kan se menneskeheden som meningsløs og gå til menneskehedens udryddelse - en Sci-fi-rædsel, der vender virkeligheden.
Reguleringer inden for kunstig intelligens har været udfordrende, da disse er ukendte farvande for menneskeheden.
Hvordan adskiller kunstig generel intelligens sig fra generativ kunstig intelligens?
Den væsentligste forskel mellem dem er, at AGI endnu ikke er udviklet, mens GAI eksisterer og allerede er i brug. Andre forskelle ligger i følgende:
1. Driftsformer
Bortset fra det faktum, at AGI stadig er på computerlogernes ønskeliste, er deres virkemåder markant forskellige.
Kunstig generel intelligens er ikke begrænset til nogen specifik opgave eller domæne, der udfører opgaver uden specifik programmering. På den anden side fokuserer generativ AI på at generere nyt indhold inden for en niche baseret på eksisterende mønstre og data.
2. Tilpasningsevne
AGI kan lære og tilpasse sig nye situationer, mens generativ AI er begrænset af inputdataene og det specifikke domæne, hvor det opererer.
En AGI, der fører tilsyn med en organisations salg og økonomi, vil være i stand til at justere i tilfælde af en pludselig ændring som en pandemi. AGI-modellen vil være i stand til at drage intelligente slutninger fra tilgængelige data og rekonfigurere organisationens drift for at imødekomme den nye udvikling.
Dette er noget generativ AI i sig selv ikke kan gøre.
3. Erkendelse
Kunstig generel intelligens er sandsynligvis ret menneskelignende i sin problemløsningstilgang. Dette er i modsætning til Generative AI, som arbejder på forudtrænede input-out-sekvenser. En generativ AI kan kun gøre, hvad den var programmeret til at gøre, hverken mere eller mindre. En AGI vil på den anden side lære, ræsonnere, sammenligne og udlede.
Enkelt sagt kan en AGI tænke som et menneske og måske endda bedre.
4. Læringstilgang
Generativ AI lærer ofte gennem uovervåget træning via omfattende dataressourcer, som lærer den at skabe nyt indhold fra tidligere eksisterende.
AGI vil bruge en kombination af både superviseret og uovervåget læring og forstærkende læring. Dette sikrer, at den kan træffe intelligente valg i lyset af de enorme ressourcer, den har til rådighed.
GAI, AGI og Beyond
Der kan ikke benægtes, at kunstig generel intelligens er ting af drømme, der hurtigt bliver til virkelighed. Vi er lige ved at vænne os til generativ kunstig intelligens, men vi må ikke blive for komfortable.
Kunstig generel intelligens vil snart gå ud over at være blot en teori, men en konkretiseret aktiv form for intelligens, der forhåbentlig arbejder med og for os.
