ปัญญาประดิษฐ์ทั่วไปคืออะไร
ปัญญาประดิษฐ์ทั่วไป (AGI) เป็นสาขาหนึ่งของการวิจัย AI ตามทฤษฎีที่พยายามสร้างซอฟต์แวร์ที่มีปัญญาคล้ายมนุษย์และความสามารถในการสอนตนเอง เป้าหมายคือเพื่อให้ซอฟต์แวร์สามารถทำงานที่ไม่จำเป็นต้องได้รับการฝึกหรือพัฒนา
เทคโนโลยีปัญญาประดิษฐ์ (AI) ในปัจจุบันทั้งหมดทำงานภายในชุดของพารามิเตอร์ที่กำหนดไว้ล่วงหน้า ตัวอย่างเช่น โมเดล AI ที่ได้รับการฝึกให้จดจำภาพและสร้างภาพ จะไม่สามารถสร้างเว็บไซต์ได้ AGI เป็นการแสวงหาทางทฤษฎีเพื่อพัฒนาระบบ AI ที่มีการควบคุมตนเองโดยอิสระ ความเข้าใจตนเองในระดับที่เหมาะสม และความสามารถในการเรียนรู้ทักษะใหม่ ๆ สามารถแก้ปัญหาที่ซับซ้อนในการตั้งค่าและบริบทที่ไม่ได้สอนในขณะที่สร้างขึ้น AGI ที่มีความสามารถของมนุษย์จะยังคงเป็นแนวคิดทางทฤษฎีและเป้าหมายการวิจัยต่อไป
ความแตกต่างระหว่างปัญญาประดิษฐ์กับปัญญาประดิษฐ์ทั่วไปคืออะไร
ในช่วงหลายทศวรรษที่ผ่านมา นักวิจัย AI ได้สร้างสถิติเหตุการณ์สำคัญหลายอย่าง ซึ่งเป็นการพัฒนาความฉลาดของเครื่องอย่างมีนัยสำคัญ หรือแม้แต่ไปถึงระดับที่เลียนแบบสติปัญญาของมนุษย์ได้ในบางงานที่เฉพาะเจาะจง ตัวอย่างเช่น ตัวสรุป AI ใช้โมเดลแมชชีนเลิร์นนิง (ML) เพื่อแยกประเด็นสำคัญจากเอกสารและสร้างบทสรุปที่เข้าใจได้ ดังนั้น AI จึงเป็นสาขาวิทยาศาสตร์คอมพิวเตอร์ที่ช่วยให้ซอฟต์แวร์สามารถแก้ปัญหาใหม่ ๆ ที่มีความยากด้วยประสิทธิภาพระดับมนุษย์
ในทางตรงกันข้าม ระบบ AGI สามารถแก้ปัญหาในโดเมนต่าง ๆ ได้เช่นเดียวกับมนุษย์โดยไม่ต้องแทรกแซงด้วยการลงมือทำเอง แทนที่จะจำกัดขอบเขตที่เฉพาะเจาะจง AGI สามารถสอนและแก้ปัญหาที่ยังไม่เคยได้รับการฝึกด้วยตนเองได้ AGI จึงเป็นการแสดงข้อมูลทางทฤษฎีของปัญญาประดิษฐ์ที่สมบูรณ์ ซึ่งจะแก้ปัญหางานที่ซับซ้อนด้วยความสามารถทางปัญญาของมนุษย์ทั่วไป
นักวิทยาศาสตร์คอมพิวเตอร์บางส่วนเชื่อว่า AGI เป็นโปรแกรมคอมพิวเตอร์สมมติฐานที่มีความเข้าใจและความสามารถในการรับรู้ของมนุษย์ ระบบ AI สามารถเรียนรู้ที่จะจัดการกับงานที่ไม่คุ้นเคยได้โดยไม่ต้องฝึกเพิ่มเติมในทฤษฎีดังกล่าว อีกนัยหนึ่งก็คือ ระบบ AI ที่เราใช้ในปัจจุบันต้องการการฝึกอย่างเป็นรูปธรรมก่อนที่จะสามารถจัดการกับงานที่เกี่ยวข้องภายในโดเมนเดียวกันได้ ตัวอย่างเช่น คุณต้องปรับแต่งโมเดลภาษาขนาดใหญ่ (LLM) ที่ได้รับการฝึกล่วงหน้าด้วยชุดข้อมูลทางการแพทย์ ก่อนที่จะสามารถทำงานเป็นแชทบอททางการแพทย์ได้อย่างสอดคล้องกัน
ปัญญาประดิษฐ์แบบเข้มเมื่อเทียบกับปัญญาประดิษฐ์แบบอ่อน
ปัญญาประดิษฐ์แบบเข้มคือปัญญาประดิษฐ์เต็มรูปแบบหรือ AGI ซึ่งสามารถทำงานด้วยระดับความรู้ความเข้าใจของมนุษย์แม้จะมีความรู้พื้นฐานเพียงเล็กน้อย นิยายวิทยาศาสตร์มักจะแสดงให้เห็นถึงปัญญาประดิษฐ์แบบเข้มในฐานะเครื่องจักรนักคิดที่มีความเข้าใจของมนุษย์ซึ่งไม่ถูกจำกัดโดยขีดจำกัดของโดเมน
ในทางตรงกันข้ามปัญญาประดิษฐ์แบบอ่อนหรือปัญญาประดิษฐ์เชิงแคบ เป็นระบบ AI ที่ถูกจำกัดโดยข้อมูลจำเพาะการประมวลผล อัลกอริทึม และงานที่ออกแบบมาโดยเฉพาะ ตัวอย่างเช่น โมเดล AI ก่อนหน้านี้มีความจำที่จำกัดและพึ่งพาข้อมูลแบบเรียลไทม์ในการตัดสินใจเท่านั้น แม้แต่แอปพลิเคชัน AI ช่วยสร้างอันใหม่ที่มีการเก็บรักษาหน่วยความจำที่ดีขึ้น ก็ยังถือว่าเป็นปัญญาประดิษฐ์แบบอ่อนเพราะไม่สามารถนำมาเปลี่ยนไปใช้สำหรับโดเมนอื่นได้
แนวทางทฤษฎีในการวิจัยปัญญาประดิษฐ์ทั่วไปคืออะไร
การบรรลุเป้าหมายของ AGI ต้องใช้เทคโนโลยี ข้อมูล และการเชื่อมต่อที่กว้างกว่าสิ่งที่ขับเคลื่อนแบบจำลอง AI ในปัจจุบัน ความคิดสร้างสรรค์ การรับรู้ การเรียนรู้ และความจำเป็นสิ่งจำเป็นในการสร้าง AI ที่เลียนแบบพฤติกรรมของมนุษย์ที่ซับซ้อน ผู้เชี่ยวชาญ AI ได้เสนอวิธีการหลายวิธีในการขับเคลื่อนการวิจัย AGI
สัญลักษณ์
แนวทางสัญลักษณ์สันนิษฐานว่าระบบคอมพิวเตอร์สามารถพัฒนา AGI ได้โดยการแสดงความคิดของมนุษย์ด้วยเครือข่ายตรรกะที่ขยายตัว เครือข่ายตรรกะเป็นสัญลักษณ์ของวัตถุทางกายภาพด้วยตรรกะ if-else ทำให้ระบบ AI สามารถตีความความคิดในระดับการคิดที่สูงขึ้นได้ อย่างไรก็ตาม การแสดงเชิงสัญลักษณ์ไม่สามารถจำลองความสามารถทางปัญญาที่ละเอียดอ่อนในระดับต่ำกว่า เช่น การรับรู้
ผู้เชื่อมต่อ
แนวทางเชื่อมโยง (หรือเหตุฉุกเฉิน) มุ่งเน้นไปที่การจำลองโครงสร้างสมองของมนุษย์ด้วยสถาปัตยกรรมแบบนิวรัลเน็ตเวิร์ก เซลล์ประสาทสมองสามารถเปลี่ยนแปลงเส้นทางการส่งผ่านได้เมื่อมนุษย์มีปฏิสัมพันธ์กับสิ่งเร้าภายนอก นักวิทยาศาสตร์หวังว่าแบบจำลอง AI ที่ใช้แนวทางสัญลักษณ์ย่อยนี้จะสามารถจำลองสติปัญญาคล้ายมนุษย์และแสดงให้เห็นถึงความสามารถในการรับรู้ระดับต่ำ แบบจำลองภาษาขนาดใหญ่เป็นตัวอย่างของ AI ที่ใช้วิธีการเชื่อมต่อเพื่อทำความเข้าใจภาษาธรรมชาติ
นักสากล
นักวิจัยที่ใช้แนวทางสากลมุ่งเน้นไปที่การจัดการกับความซับซ้อน AGI ในระดับการคำนวณ พวกเขาพยายามกำหนดโซลูชันทางทฤษฎีที่สามารถนำมาใช้ใหม่เป็นระบบ AGI ในทางปฏิบัติ
สถาปัตยกรรมสิ่งมีชีวิตทั้งหมด
แนวทางสถาปัตยกรรมสิ่งมีชีวิตทั้งหมดเกี่ยวข้องกับการรวมโมเดล AI เข้ากับการแสดงทางกายของร่างกายมนุษย์ นักวิทยาศาสตร์ที่สนับสนุนทฤษฎีนี้เชื่อว่า AGI สามารถทำได้เฉพาะเมื่อระบบเรียนรู้จากปฏิสัมพันธ์ทางกาย
เทคโนโลยีไฮบริด
แนวทางไฮบริดศึกษาวิธีการเชิงสัญลักษณ์และสัญลักษณ์ย่อยในการแสดงความคิดของมนุษย์เพื่อให้บรรลุผลลัพธ์นอกเหนือจากแนวทางเดียว นักวิจัย AI อาจพยายามดูดซึมหลักการและวิธีการที่รู้จักกันแตกต่างกันเพื่อพัฒนา AGI
เทคโนโลยีที่ขับเคลื่อนการวิจัยปัญญาประดิษฐ์ทั่วไปคืออะไร
AGI ยังคงเป็นเป้าหมายที่ห่างไกลสำหรับนักวิจัย ความพยายามในการสร้างระบบ AGI นั้นดำเนินต่อไปและได้รับการสนับสนุนจากการพัฒนาที่เกิดขึ้นใหม่ ส่วนต่อไปนี้อธิบายเทคโนโลยีที่เกิดขึ้นใหม่
ดีปเลิร์นนิง
ดีปเลิร์นนิง เป็นสาขาวิชา AI ที่มุ่งเน้นไปที่การฝึกนิวรัลเน็ตเวิร์กที่มีหลายเลเยอร์ที่ซ่อนอยู่เพื่อดึงและเข้าใจความสัมพันธ์ที่ซับซ้อนจากข้อมูลดิบ ผู้เชี่ยวชาญ AI ใช้ดีปเลิร์นนิงเพื่อสร้างระบบที่สามารถเข้าใจข้อความ เสียง รูปภาพ วิดีโอ และข้อมูลประเภทอื่น ๆ ตัวอย่างเช่น นักพัฒนาใช้ Amazon SageMaker เพื่อสร้างแบบจำลองของดีปเลิร์นนิงที่มีน้ำหนักเบาสำหรับ Internet of Things (IoT) และอุปกรณ์มือถือ
AI ช่วยสร้าง
ปัญญาประดิษฐ์ เชิงสร้างสรรค์ (AI ช่วยสร้าง) เป็นชุดย่อยของดีปเลิร์นนิงซึ่งระบบ AI สามารถสร้างเนื้อหาที่เป็นเอกลักษณ์และสมจริงจากความรู้ที่เรียนรู้ โมเดล AI ช่วยสร้างฝึกด้วยชุดข้อมูลขนาดใหญ่ ซึ่งช่วยให้ระบบสามารถตอบสนองต่อคำถามของมนุษย์ด้วยข้อความ เสียง หรือภาพที่คล้ายกับการสร้างสรรค์ของมนุษย์ตามธรรมชาติ ตัวอย่างเช่น LLM จาก AI21 Labs, Anthropic, Cohere และ Meta เป็นอัลกอริทึม AI ช่วยสร้างที่องค์กรสามารถใช้เพื่อแก้ปัญหางานที่ซับซ้อน ทีมซอฟต์แวร์ใช้ Amazon Bedrock เพื่อนำโมเดลเหล่านี้ไปใช้ได้อย่างรวดเร็วบนระบบคลาวด์โดยไม่ต้องจัดเตรียมเซิร์ฟเวอร์
NLP
การประมวลผลภาษาธรรมชาติ (NLP) เป็นสาขาของ AI ที่ช่วยให้ระบบคอมพิวเตอร์เข้าใจและสร้างภาษาของมนุษย์ได้ ระบบ NLP ใช้ภาษาศาสตร์เชิงคำนวณและเทคโนโลยีแมชชีนเลิร์นนิงเพื่อเปลี่ยนข้อมูลภาษาให้กลายเป็นตัวแทนที่เรียกว่า โทเค็นและเข้าใจความสัมพันธ์ตามบริบท ตัวอย่างเช่น Amazon Lex เป็นกลไก NLP ที่อนุญาตให้องค์กรสามารถสร้างแชทบอทสนทนา
คอมพิวเตอร์วิทัศน์
คอมพิวเตอร์วิทัศน์เป็นเทคโนโลยีที่ช่วยให้ระบบสามารถดึง วิเคราะห์ และเข้าใจข้อมูลเชิงพื้นที่จากข้อมูลภาพได้ รถยนต์ที่ขับเคลื่อนด้วยตนเองใช้โมเดลคอมพิวเตอร์วิทัศน์ เพื่อวิเคราะห์ฟีดแบบเรียลไทม์จากกล้องและนำทางยานพาหนะอย่างปลอดภัยให้ห่างจากสิ่งกีดขวาง เทคโนโลยีดีปเลิร์นนิงช่วยให้ระบบคอมพิวเตอร์วิทัศน์สามารถจดจำวัตถุขนาดใหญ่โดยอัตโนมัติ การจำแนก การตรวจสอบ และงานการประมวลผลภาพอื่น ๆ ตัวอย่างเช่น วิศวกรใช้ Amazon Rekognition เพื่อการวิเคราะห์ภาพโดยอัตโนมัติสำหรับแอปพลิเคชันคอมพิวเตอร์วิทัศน์ต่าง ๆ
วิทยาการหุ่นยนต์
วิทยาการหุ่นยนต์เป็นสาขาวิศวกรรมที่องค์กรสามารถสร้างระบบกลที่เคลื่อนไหวร่างกายได้โดยอัตโนมัติ ใน AGI ระบบวิทยาการหุ่นยนต์ช่วยให้ระบบอัจฉริยะของเครื่องจักรสามารถเคลื่อนไหวได้ ซึ่งสำคัญต่อการพัฒนาการรับรู้ทางประสาทสัมผัสและความสามารถในการเคลื่อนไหวร่างกายที่ระบบ AGI ต้องการ ตัวอย่างเช่น การฝังแขนหุ่นยนต์ด้วย AGI อาจช่วยให้แขนสัมผัส จับ และปอกเปลือกส้มได้เหมือนที่มนุษย์ทำ ขณะทำการวิจัย AGI ทีมวิศวกรใช้ AWS RoboMaker เพื่อจำลองระบบหุ่นยนต์แบบเสมือนก่อนที่จะประกอบเข้าด้วยกัน
อะไรคือความท้าทายในการวิจัยปัญญาประดิษฐ์ทั่วไป
นักวิทยาศาสตร์คอมพิวเตอร์เผชิญกับความท้าทายต่อไปนี้ในการพัฒนา AGI
สร้างการเชื่อมต่อ
โมเดล AI ปัจจุบันถูกจำกัดไว้ที่โดเมนเฉพาะและไม่สามารถเชื่อมต่อระหว่างโดเมนได้ อย่างไรก็ตาม มนุษย์สามารถนำความรู้และประสบการณ์จากโดเมนหนึ่งไปใช้กับอีกโดเมนหนึ่งได้ ตัวอย่างเช่น มีการนำทฤษฎีการศึกษาไปใช้ในการออกแบบเกม เพื่อสร้างประสบการณ์การเรียนรู้ที่น่าสนใจ นอกจากนี้มนุษย์ยังสามารถปรับสิ่งที่ได้เรียนรู้จากการศึกษาในเชิงทฤษฎีให้เข้ากับสถานการณ์ในชีวิตจริงได้ อย่างไรก็ตาม โมเดลดีปเลิร์นนิงต้องการการฝึกอย่างเป็นรูปธรรมกับชุดข้อมูลเฉพาะ เพื่อให้สามารถทำงานได้อย่างน่าเชื่อถือกับข้อมูลที่ไม่คุ้นเคย
ความฉลาดทางอารมณ์
โมเดลดีปเลิร์นนิงชี้ให้เห็นความเป็นไปได้ของ AGI แต่ยังไม่ได้แสดงให้เห็นถึงความคิดสร้างสรรค์ที่แท้จริงที่มนุษย์มี ความคิดสร้างสรรค์ต้องใช้ความคิดทางอารมณ์ ซึ่งสถาปัตยกรรมนิวรัลเน็ตเวิร์กยังไม่สามารถจำลองได้ ตัวอย่างเช่น มนุษย์ตอบสนองต่อการสนทนาตามสิ่งที่ตนรู้สึกทางอารมณ์ แต่โมเดล NLP สร้างเอาต์พุตข้อความตามชุดข้อมูลภาษาและรูปแบบที่ฝึกมา
การรับรู้ทางประสาทสัมผัส
AGI ต้องการระบบ AI เพื่อเคลื่อนไหวโต้ตอบกับสภาพแวดล้อมภายนอก นอกเหนือจากความสามารถของหุ่นยนต์แล้ว ระบบยังต้องรับรู้โลกเช่นเดียวกับมนุษย์ เทคโนโลยีคอมพิวเตอร์ที่มีอยู่ต้องมีความก้าวหน้ามากกว่านี้จึงจะสามารถแยกแยะรูปร่าง สี รสชาติ กลิ่น และเสียงได้อย่างแม่นยำเหมือนมนุษย์
AWS จะช่วยในความพยายาม AI และ AGI ของคุณได้อย่างไร
AWS ให้บริการปัญญาประดิษฐ์ที่มีการจัดการซึ่งช่วยให้คุณฝึก ปรับใช้ และปรับขนาดแอปพลิเคชัน AI ช่วยสร้าง องค์กรใช้เครื่องมือ AI และแบบจำลองพื้นฐานของเราเพื่อสร้างนวัตกรรมของระบบ AI ด้วยข้อมูลของตนเองสำหรับกรณีการใช้งานส่วนบุคคล
- Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งนักพัฒนาสามารถใช้การเรียกใช้ API เพื่อเข้าถึงแบบจำลอง AI ช่วยสร้างที่พวกเขาปรับใช้ คุณสามารถเลือก ปรับแต่ง ฝึก และปรับใช้โมเดลพื้นฐานชั้นนำของอุตสาหกรรมบน Bedrock เพื่อทำงานกับข้อมูลที่เป็นกรรมสิทธิ์
- Amazon SageMaker Jumpstart ช่วยให้ทีมซอฟต์แวร์เร่งการพัฒนา AI โดยการสร้าง ฝึกและปรับใช้โมเดลพื้นฐานในศูนย์แมชชีนเลิร์นนิง
- ใช้ Amazon Elastic Compute Cloud UltraClusters เพื่อสนับสนุนเวิร์กโหลดของ AI ช่วยสร้างด้วย GPU ระดับซูเปอร์คอมพิวเตอร์ เพื่อประมวลผลชุดข้อมูลขนาดใหญ่ที่มีเวลาแฝงต่ำ
เริ่มต้นใช้งาน AGI โดยสมัครบัญชี AWS วันนี้
ขั้นตอนถัดไปบน AWS
