A mesterséges intelligencia (AI) rohamos fejlődése mellett egyre gyakrabban találkozunk az AGI, azaz mesterséges általános intelligencia kifejezéssel. De mit jelent pontosan az AGI, miben különbözik a mai AI rendszerektől, és miért tekintik sokan a jövő egyik legizgalmasabb technológiai kihívásának?
Mi az AGI?
Az AGI egy hipotetikus szint a mesterséges intelligencia fejlesztésében, amelyben egy AI alapú rendszer képessé válik az emberi kognitív képességek teljes körű reprodukálására vagy akár meghaladására, bármely feladatban. Az AGI célja tehát az emberi intelligencia mesterséges szoftveres reprodukálása.
Az AGI kutatása már az AI kutatások kezdetétől jelen van, de a tudományos közösségen belül sincskonszenzus arról, pontosan mi minősül AGI-nak, vagy hogyan kellene elérni. A filozófiai és technológiai kihívások összetettek: miként definiáljuk az intelligenciát, és milyen módon lehet azt implementálni gépekben? Emellett olyan fejlett és sokoldalú AI modelleket kell létrehozni, amelyek teljesítménye megbízhatóan mérhető és ellenőrizhető.
Szűk AI vs. AGI
A mesterséges általános intelligencia (AGI) fogalma a narrow AI, azaz szűk AI-on keresztül érthető meg legjobban. A mai AI rendszerek – például az önvezető autók, egészségügyi diagnosztikai szoftverek, vagy a sakk- és Go-játékprogramok – csak adott feladatokra specializálódtak. Képesek kiemelkedő teljesítményt nyújtani a saját területükön, de nem tudják önállóan megtanulni vagy alkalmazni tudásukat más feladatokra.
Az AGI ezzel szemben általános problémamegoldó képességgel rendelkezik, mint egy ember: képes új helyzetekhez alkalmazkodni, különböző területeken tanulni, és komplex feladatokat megoldani.
Az AGI története
Az AGI kifejezé 2007-ben kezdett egyre népszerűbbe válni Ben Goertzel, DeepMind társalapítójának köszönhetően. Ezzel megkülönböztette a szűk AI-tól, amely csak bizonyos feladatokra korlátozódik, és kiemelte, hogy az AGI általános problémamegoldásra képes, akárcsak az ember.
A mesterséges intelligencia kutatása a Dartmouth konferencián kezdődött 1956-ban, ahol az alapító tudósok feltételezték, hogy a tanulás és az intelligencia minden aspektusát pontosan le lehet írni, és gépekkel szimulálható. Bár az emberi szintű intelligencia elérése hosszú időn keresztül távoli célnak tűnt, a kutatás során számos szakterületen – mint a sakkozás, az egészségügy, a pénzügyi előrejelzés vagy az autóvezetés – jelentős előrelépés történt.
AGI, strong AI, szuperintelligencia
Az AGI könnyen összekeverhető más AI-koncepciókkal, például a strong AI vagy a szuperintelligencia fogalmával, de ezek nem teljesen azonosak:
- Strong AI: olyan rendszer, amely rendelkezik tudatossággal. A strong AI nem csupán eszköz, hanem önállóan gondolkodó tudat. Bár sokan összekapcsolják az AGI-val, a két fogalom nem szinonim.
- Szuperintelligencia: olyan rendszer, amely minden területen messze meghaladja az emberi képességeket. Fontos kiemelni, hogy egyes szűk AI rendszerek – például AlphaFold vagy IBM Deep Blue – bizonyos feladatokban szuperintelligens teljesítményt mutatnak, de nem AGI, mert nem képesek új, nem meghatározott feladatok autonóm megtanulására.
Az AGI és a szuperintelligencia tehát külön fogalmak: AGI lehet emberi szintű intelligencia, de nem feltétlenül szuperintelligens.
Hogyan mérhető az AGI?
Nincs egységes konszenzus arról, mi minősül AGI-nak, de a javasolt definíciók többsége az absztrakt gépi intelligencia fogalmára koncentrál:
- Turing-teszt: a gép intelligenciáját az alapján mérjük, hogy a felhasználó képtelen-e megkülönböztetni a gép és az ember által generált válaszokat.
- Strong AI: az AI rendelkezik tudatossággal.
- Az emberi agyhoz való hasonlóság: az intelligencia analógiája az emberi kognitív képességekkel.
- Képesség új feladatok megtanulására: a rendszer képes önállóan bővíteni tudását.
- Gazdasági érték: a gép képes értékteremtő, hasznos feladatokat végrehajtani.
- Rugalmas, általános képességek: a gép különböző helyzetekhez képes alkalmazkodni.
Érdemes megjegyezni, hogy a Turing-teszt már ma sem tekinthető elegendő mérőszámnak, mivel inkább azt méri, mennyire lehet az embert megtéveszteni, nem pedig a valódi problémamegoldó képességet.
LLM-ek és az AGI
A nagy nyelvi modellek (LLM-ek), mint a ChatGPT, sok tekintetben felvetik az AGI kérdését: képesek összetett szövegek generálására és nyelvi minták felismerésére. Ugyanakkor ezek a modellek nem rendelkeznek tudatossággal, hosszú távú memóriával vagy teljes problémamegoldó képességgel, így önmagukban nem AGI-k, de fontos előrelépést jelentenek a terület fejlődésében.
Az AGI megvalósításának kihívásai
Az AGI létrehozása filozófiai és technológiai kihívás egyaránt:
- Filozófiai: hogyan definiáljuk az intelligenciát és a tudatosságot?
- Technológiai: milyen modellek, tesztek és számítási teljesítmény szükséges a működéshez?
- Etikai és biztonsági: hogyan garantálható, hogy az AGI a társadalom javát szolgálja?
Az AGI jelentősége
Ha AGI-t sikerülne létrehozni, az alapjaiban változtatná meg a világot:
- Tudományos áttörések (pl. gyógyszerkutatás, öregedés, klímaváltozás kezelése)
- Gazdasági átalakulás
- Emberi kreativitás kiegészítése
Ugyanakkor jelentős kockázatok is felmerülnek: az autonóm döntéshozatal és az intelligens rendszerek konrollja komoly társadalmi dilemmákat vet fel.
