настала ера загального штучного інтелекту

Особисті помічники штучного інтелекту, які можуть запам’ятовувати та міркувати про різну контекстну інформацію, завжди здаються&готовими вийти" ;, але до кінця року щура такі помічники AI ще не реалізовані . Подібним чином, хоча машинне навчання досягло значних успіхів, як тільки воно покине" людина" За допомогою, автономна система все ще важко бути&"розумною [GG"-неможливо з'єднати дані та інтегрувати моделі в різне навчання для досягнення міждоменної передачі досвіду.

Якщо мета ШІ встановлена ​​як функція оптимізації для вирішення проблем домену, то ми просуваємось з кожним днем. Багато специфічних проблем, які вважаються важкодоступними, вирішуються шляхом оптимізації - особливо зворотне поширення глибоких нейронних мереж (DL), яке виявилося ефективним і далеко за межами людини. Комп’ютерний зір, машинний переклад, розпізнавання мовлення, шахові ігри, кіберспорт та багато інших галузей виглядають так, ніби новий штучний інтелект швидко" одомашнений" всебічним способом.

Як говориться,&"Не заздри' землі через шторм, і світ сповнений криз." Загальний дефект цього типу&«одомашнення" полягає в тому, що навчання відбувається лише до розгортання моделі. Але насправді навчання в режимі реального часу-це розумне відображення тварин' перевага виживання. На відміну від цього, основою, що підтримує машинне навчання, є вузька філософія навчання. Якщо подивитися глибше, усі проблеми оптимізації офлайн по суті ґрунтуються на еволюції, а не на індивідуальній мудрості. Наприклад, якщо припустити певний генетичний код, генетично модифіковані світлячки можуть точно виявити конкретну здобич і успішно здобич. У цьому випадку Firefly може мати відповідні навички без навчання в режимі реального часу. Подібним чином, доки модулі з попередньо встановленими функціями, такими як навігація, позиціонування та виявлення об’єктів, попередньо встановлені або параметри оптимізуються в автономному режимі, автономний транспортний засіб повинен мати можливість їздити в дорозі.

Сьогодні основний штучний інтелект ще не дав переконливої ​​відповіді про те, як перейти від офлайн-оптимізації до швидкого та надійного навчання в режимі реального часу. Але це питання не лише природи інтелекту, а й первісного наміру штучного інтелекту. Як і тварини, що живуть у пустелі, штучний загальний інтелект (AGI) може справлятися з непередбаченими ситуаціями під час виконання. Швидка та надійна адаптованість може не тільки сприяти практичному розвитку нового покоління роботів та особистих помічників, але й повинна розглядатися як&"core puzzle [GG" quot; теорії інтелекту.