Source article: Potentially Viable Paths to True AGI | by SingularityNet | SingularityNET
Translation by: Hugodove
Dework task link: https://app.dework.xyz/singularitynet-ambas/test-38287?taskId=3ad16289-d8b4-45f2-b8c7-54f6bf881d1c
Community review: Please leave comments below about translation quality or like this post if it is well translated
Dopo Percorsi potenzialmente praticabili verso la vera AGI
Negli ultimi due anni, gran parte del dibattito sull’Intelligenza Generale Artificiale (AGI) è stato dominato dall’aumento vertiginoso della popolarità dei Large Language Models (LLM) e di altre forme di reti neurali profonde (DNN).
Dall’aiutarci nelle nostre attività quotidiane alla creazione di squisite forme d’arte, questi modelli si sono distinti in una varietà di compiti e hanno impressionato molti utenti in tutto il mondo. Detto questo, c’è un grosso problema con la loro presenza nel discorso che circonda l’AGI, ed è che non sono all’altezza in un’area vitale: la vera intelligenza generale.
Nel 2022, il dottor Ben Goertzel, CEO di SingularityNET e Artificial Superintelligence Alliance, ha esplorato l’idea che i sistemi di deep learning potrebbero non essere sufficienti per ottenere l’AGI nella sua forma più completa in uno dei suoi blog intitolato “Tre percorsi praticabili verso la vera AGI”
Nel suo blog, il dottor Goertzel delinea tre percorsi potenzialmente praticabili che potrebbero portare a una vera AGI, ciascuno dei quali rappresenta un modo diverso di affrontare l’immensa sfida di replicare un’intelligenza di tipo umano.
Oggi ci immergeremo in questi percorsi: l’approccio a livello cognitivo, l’approccio a livello cerebrale e l’approccio a livello chimico, ognuno dei quali offre approfondimenti unici su come potremmo ottenere l’AGI e cosa si trova oltre l’attuale panorama dell’IA.
- L’approccio AGI a livello cognitivo: sistemi ibridi neurali-simbolici
Il primo percorso evidenziato dal dottor Goertzel, e quello di cui personalmente è più entusiasta, è quello approccio a livello cognitivo. Questo metodo prevede la combinazione di varie tecniche di intelligenza artificiale, tra cui reti neurali, ragionamento simbolico, programmazione probabilistica e apprendimento evolutivo, in un unico quadro unificato.
Al centro di questo approccio c’è OpenCog Hyperon, a progetto guidato dal Dr. Goertzel e dai suoi colleghi ricercatori e ingegneri che hanno lanciato la sua versione Alpha all’inizio di quest’anno.
Hyperon non è solo un altro sistema basato su reti neurali. È una struttura ibrida neurale-simbolica che cerca di modellare la cognizione umana attraverso l’integrazione di molteplici paradigmi di intelligenza artificiale. Secondo il dottor Goertzel, le reti neurali profonde da sole non sono sufficienti per ottenere l’AGI a causa della loro limitata capacità di generalizzare, innovare e astrarre oltre compiti ristretti e specifici.
Dott. Goertzel spiega:
“Il limite superiore assoluto che si potrebbe ragionevolmente sperare di raggiungere con queste reti profonde o con qualsiasi metodo vagamente simile sarebbe quello che io definirei sistemi “quasi-AGI chiusi” che potrebbero imitare molti comportamenti umani, ma […] essere incapaci di affrontare difficili problemi scientifici e ingegneristici irrisolti, o di eseguire l’automodificazione e l’auto-miglioramento necessari per fungere da IA seme e lanciare una Singolarità.”
Questa critica alle reti neurali profonde evidenzia i loro limiti fondamentali, che risiedono nella loro incapacità di auto-organizzarsi o generare creatività.
Hyperon affronta queste lacune incorporando ragionamento simbolico, algoritmi evolutivi e inferenza probabilistica avanzata, il tutto operante all’interno di un sistema basato su metagrafi chiamato Atomspace. Questa architettura consente processi di ragionamento e apprendimento flessibili e scalabili, traendo ispirazione dalla psicologia cognitiva umana.
Il dottor Goertzel e il nostro team ritengono che Hyperon rappresenti un passo fondamentale verso l’AGI. Il sistema ha un design che emula le funzioni cognitive chiave – memoria, attenzione, ragionamento – utilizzando una raccolta di algoritmi IA avanzati ottimizzati per interagire all’interno di una struttura comune. Questo approccio ibrido riunisce i punti di forza di diversi paradigmi di intelligenza artificiale superandone i punti deboli individuali.
- L’approccio AGI a livello cerebrale: simulazione cerebrale non lineare-dinamica su larga scala
Se l’approccio a livello cognitivo si concentra sull’imitazione dei processi di pensiero umano attraverso una combinazione di paradigmi di intelligenza artificiale, il approccio a livello cerebrale prende una strada più diretta: simulare il cervello stesso.
Il dottor Goertzel riconosce la complessità di questo sforzo, ma ritiene che la creazione di un modello dinamico e non lineare del cervello potrebbe offrire un altro percorso verso l’AGI. Questo approccio differisce in modo significativo dagli attuali modelli di rete neurale che, come sottolinea, sono “neurali” solo nel senso più ampio.
Traendo ispirazione dalle neuroscienze computazionali, Goertzel sostiene metodi di simulazione cerebrale basati sulla teoria del caos e sulle dinamiche non lineari, che emulerebbero le complesse interazioni dei neuroni a un livello molto più granulare. Fa riferimento al lavoro di Eugene Izhikevich sui sistemi dinamici, che offre un fondamento teorico per questo tipo di modello.
Tuttavia, come spiega il Dr. Goertzel, l’ostacolo più grande a questo approccio non è la mancanza di idee, ma l’immenso potere computazionale richiesto:
“Anche il miglior tentativo possibile che potremmo fare alla simulazione del cervello, data la nostra attuale conoscenza del cervello, non sarebbe TANTO accurato in realtà: c’è semplicemente troppo che non sappiamo su come funziona il cervello, e l’hardware del nostro computer è semplicemente troppo diverso dal wetware neurale.”
Nonostante queste sfide, vede una promessa in questo percorso. Una simulazione cerebrale su vasta scala potrebbe fornire informazioni sull’intelligenza di tipo umano replicando le interazioni tra varie regioni del cervello e reti neurali. Mentre lo Human Brain Project ha tentato qualcosa in questo senso ma non è riuscito, Goertzel ritiene che radicando le simulazioni cerebrali in dinamiche non lineari ed eseguendole su hardware avanzato, potremmo ancora realizzare l’AGI attraverso questo approccio.
Ma c’è un’altra considerazione: e se invece di simulare il cervello umano iniziassimo simulando organismi più semplici? Come suggerisce, simulare il cervello di animali come gli scarafaggi o le api potrebbe essere un passo intermedio più fattibile.
Questi cervelli più semplici, con meno neuroni e connessioni, potrebbero offrire preziose informazioni sui principi della dinamica neurale. Potremmo in seguito portarli all’intelligenza di livello umano.
- L’approccio AGI a livello chimico: chimica artificiale e sistemi auto-organizzanti
Il terzo percorso proposto da Goertzel si allontana completamente dalla modellazione neurale e si concentra su di essa AGI a livello chimico. Questo approccio speculativo ma avvincente prevede la simulazione di complessi sistemi auto-organizzanti a livello chimico, con l’obiettivo di indurre la formazione di strutture emergenti simili al cervello. In sostanza, invece di cercare di emulare direttamente il cervello o la cognizione, creeremmo sistemi chimici artificiali che imitano i processi sottostanti della vita e dell’intelligenza.
Il fascino di Goertzel per questo approccio deriva dalle intuizioni offerte dalla scienza dei sistemi complessi e dalla teoria del caos, che suggeriscono che l’intelligenza potrebbe emergere da ambienti altamente dinamici e auto-organizzati. Indica il lavoro svolto da ricercatori come Bruce Damer (Evogrid) e Walter Fontana (chimica algoritmica) come potenziali ispirazioni. L’idea è che eseguendo simulazioni su larga scala della chimica artificiale, potremmo essere in grado di assistere all’emergere spontaneo di strutture cognitive simili a quelle presenti negli organismi biologici.
Sebbene questo approccio sia altamente speculativo e “cielo azzurro”, come dice Goertzel, è anche profondamente intrigante. La sfida principale qui è lo sviluppo di un ambiente computazionale che supporti simulazioni così massicce e distribuite e la successiva analisi dei modelli necessaria per comprendere come emergono comportamenti complessi.
Goertzel riconosce la natura ad alto rischio di questo approccio, ma vede un immenso fascino filosofico nel tentativo di replicare gli stessi processi che hanno dato origine alla vita e all’intelligenza. Come giustamente afferma:
“Questo potenziale approccio all’AGI è una ricerca molto ambiziosa e ad alto rischio, ma anche filosoficamente molto attraente – e non è mai stato realmente provato su scala moderna.”
Se dovessero verificarsi scoperte in quest’area, potrebbero rivoluzionare la nostra comprensione sia dell’intelligenza che della vita stessa, fornendo una base completamente nuova per la ricerca sull’AGI.
Perché questi percorsi sono importanti per l’AGI e la singolarità in arrivo
Ciascuno di questi tre percorsi individuali svolge una sorta di ruolo nel discorso più ampio sull’AGI e sulla sua potenziale fattibilità nei prossimi anni.
Rappresentano la diversità di approcci necessari per affrontare l’enorme complessità dell’intelligenza stessa.
Sebbene le reti neurali profonde abbiano ottenuto un notevole successo nelle applicazioni di intelligenza artificiale ristretta, la creazione di AGI a livello umano richiederà qualcosa di più del semplice ampliamento delle tecniche esistenti.
Le proposte del dottor Goertzel ci invitano a pensare oltre i paradigmi attuali e a considerare approcci più olistici e multidisciplinari che abbracciano scienze cognitive, neuroscienze e chimica.
In SingularityNET, il nostro impegno nel decentralizzare lo sviluppo dell’intelligenza artificiale e nel promuovere l’innovazione si allinea perfettamente con questa visione più ampia. Supportando progetti come OpenCog Hyperon e incoraggiando la ricerca su percorsi AGI alternativi, stiamo contribuendo a superare i limiti di ciò che è possibile.
Questi tre approcci delineati dal dottor Goertzel – a livello cognitivo, a livello cerebrale e a livello chimico – forniscono una tabella di marcia per la futura ricerca sull’AGI, ciascuno dei quali offre una prospettiva unica su come ottenere la vera intelligenza artificiale.
Anche se il futuro dell’AGI non è scolpito nella pietra, la Singolarità è vicina.
E mentre continuiamo a esplorare questi diversi percorsi, ti invitiamo ad unirti a noi nel nostro viaggio verso l’alba di un’esplosione di intelligenza che potrebbe (e probabilmente lo farà) rimodellare il mondo come lo conosciamo.