(圖片來源:Pixabay)
「2024年02月16,OpenAI發布一重大消息震撼科技界──影像生成AI模型Sora, 可藉由文字描述產生1分鐘長度的擬真影片,除了震驚四方之外,也引發大眾開始期待,通用人工智慧時代是否能提前到來。 2024年03月01,輝達(NVIDIA)執行長黃仁勳在史丹佛大學的經濟論壇受訪時也被問到「實現矽谷長期目標之一需要多長時間」, 即何時能夠創造類人類思考的電腦。當時他給出的回應為,該問題的答案主要取決於該目標的「定義」,假設是在通過人類測試的情況下,通用人工智慧很快就能到來。
通用人工智慧(AGI)是什麼呢?
其實「通用人工智慧(Artificial General Intelligence)」這一術語早在1997年 就已出現,又稱為強AI。其主要論點旨在具備與人類同等智慧或者超越人類的人工智慧,意味著機器將具備自我意識,並且能夠表現出正常人類具備的所有智慧行為,處理各種任務。
通用人工智慧牽涉到許多領域,包含電腦科學、神經科學、心理學、 哲學等領域的研究整合。一個完善的AGI系統應具備抽象能力、背景知識理解、常識、因果關係判斷、遷移學習等等。而這些能力常見的運用例子如下:
- 創造力:能夠讀取和理解人類生成的代碼並且改進它。像是Sora透過文字描述能夠自行產生不存在的影像。
- 圖像/影像識別:透過顏色識別,辨識圖像或影像中的深度和三維。像是國外應用程式Be My Eyes與GPT-4結合推出的模型就能夠支援圖像辨識,並將其轉為文字敘述,幫助視障者更好的理解該物品或場景。
- 精細運動:能夠如同人類一般控制軀幹、關節以達到想要完成的動作。目前的技術是機械透過人為操作以可做出很精細運動,例如微創手術。
- 自然語言理解(NLU):能夠分析人類語言,並從中識別出對話意圖,以達到人類彼此溝通無礙的狀態,例如現今較常被使用的ChatGPT。
- 導航:透過全球定位系統精確地定位地理位址,並配合計算,做出精確度與人類相符的物理空間(投射)運動,像是自動駕駛汽車。
- 遷移學習:在新領域中套用先前學習過類似的模型及資料,經過調整設計後自主學習解決新的問題。就如同人類在面對一個新的問題時,可以藉由過去相似的經驗或是學習過的知識,做出判斷及決策。
根據Google Deepmind發表的論文《通用人工智慧等級:實現通往AGI之路的進展 (Levels of AGI:Operationalizing Progress on the Path to AGI)》其中歸納出了AGI六大原則並為其分級與定義。
- 專注能力而非流程。意即實現AGI並不代表系統以類人類的方式思考或理解,實現AGI並不代表系統擁有意識。
- 注重通用性及效能。
- 關注認知和後設認知任務。意即「認知的認知」或「知識的知識」,簡言之,就是對自我認知過程的思考。
- 專注於潛力,而非部屬。
- 注重生態效度,也就是在真實世界中其實用性。
- 專注於通用人工智慧之路,而非單一端點。
在上述原則下,將AGI分成0至5個等級:
(圖一、通用人工智慧等級之比較;圖片來源:若水數位評價整理)
ANI、AGI甚至ASI到底有什麼差異呢?
(圖二、弱AI與強AI;圖片來源:若水數位評價整理)
人工智能一路發展至今,隨著技術不斷革新,人工智 能開始擁有越來越多的能力,目前大致可以分成弱人工智慧(ANI)、通用人工智慧(AGI)、超級人工智慧(ASI),不同階段的人工智能所需的技術程度及其帶來的影響差異甚大,下圖若水來帶大家看一下這三者的差異。
(圖三、ANI、AGI及ASI之差異;圖片來源:若水數位評價整理)
未來挑戰及風險
雖然通用人工智慧確實能夠帶來很大的便利和無限的可能性,甚至能夠取代部分人力,無論是在醫療、教育、交通、能源、軍事都將可能帶來革命性的改變,不過就技術可行性上,人工智慧還是有一定的限制,像是感官、情商,系統無法真正做到與人類一樣感知世界。
除此之外,伴隨通用人工智慧而來的風險與影響,卻也不容我們忽視,類人類機器人不管是在法律規範還是現行倫理道德框架下,都很難去約束,且當機器擁有智能時,其與人類之間的關係又將如何?在持續發展AGI的路程中這些都是我們應該去思考及規劃的。
參考資料: Reuters 、TechNews 、鉅亨 、tenten 、tomorrow.bio 、NVIDIA 、TVBS 、Medium 、aws 、Google DeepMind 、未來城市