Общий искусственный интеллект

Английская аббревиатура — AGI, artificial general intelligence. Её противопоставляют «узкому» ИИ: программе, которая играет в шахматы, распознаёт номера машин или переводит тексты, но за пределами своей задачи беспомощна. Общий интеллект, по замыслу, переносил бы знания между областями, учился новому по нескольким примерам и сам ставил промежуточные цели — так, как это делает человек.

Вопрос о мыслящих машинах старше самого компьютера в массовом виде: Алан Тьюринг предложил свой знаменитый тест в 1950 году. С появлением крупных языковых моделей разговоры об AGI вышли из научных статей в новости, а создание такой системы объявили своей целью несколько крупных компаний.

Чем AGI отличается от сегодняшнего ИИ

Современные модели на основе нейронных сетей уже универсальнее прежних: одна модель пишет код, отвечает на вопросы и составляет письма. Но у них остаются известные ограничения. Модели уверенно выдают выдуманные факты, не всегда надёжно рассуждают в многошаговых задачах, не учатся постоянно на собственном опыте и плохо понимают физический мир. Поэтому большинство исследователей говорит о прогрессе на пути к AGI, но не о его достижении.

Почему нет единого определения

Одни понимают под AGI способность выполнять большинство работ, которые сейчас делает человек за компьютером. Другие требуют умения учиться новому так же экономно, как человек. Третьи связывают понятие с сознанием и пониманием. От выбранного определения зависит и ответ на вопрос, когда AGI появится: прогнозы специалистов расходятся от нескольких лет до «никогда». Отдельная область — безопасность ИИ: как сделать так, чтобы более способные системы оставались управляемыми и действовали в интересах людей.

Пример: что это значит для бизнеса сегодня

Компании не нужно ждать AGI, чтобы получать пользу от искусственного интеллекта. Бот поддержки, который отвечает по базе знаний магазина, сортирует заявки и передаёт сложные случаи менеджеру, — типичный узкий ИИ на основе универсальной модели. Он полезен потому, что задача ограничена, а ответы проверяются. Трезвая постановка задачи — какой процесс ускорить, какие данные дать модели, где обязательна проверка человеком — важнее разговоров о «сильном ИИ». С этого и начинается внедрение ИИ в бизнес.