Trí tuệ tổng hợp nhân tạo đầu tiên sẽ thay đổi xã hội như thế nào: Tương lai của trí tuệ nhân tạo P2

Chúng tôi đã xây dựng các kim tự tháp. Chúng tôi đã học cách khai thác điện. Chúng ta hiểu vũ trụ của chúng ta hình thành như thế nào sau Vụ nổ lớn (chủ yếu). Và tất nhiên, ví dụ như việc đưa con người lên mặt trăng, chúng tôi đã làm được. Tuy nhiên, bất chấp tất cả những thành tựu này, bộ não con người vẫn nằm ngoài sự hiểu biết của khoa học hiện đại và theo mặc định, là vật thể phức tạp nhất trong vũ trụ đã biết - hoặc ít nhất là sự hiểu biết của chúng ta về nó.

Với thực tế này, không có gì đáng ngạc nhiên khi chúng ta chưa xây dựng được trí tuệ nhân tạo (AI) ngang bằng với con người. Một AI như Data (Star Trek), Rachael (Blade Runner) và David (Prometheus), hoặc AI không hình người như Samantha (Her) và TARS (Interstellar), đây đều là những ví dụ về cột mốc lớn tiếp theo trong phát triển AI: trí tuệ nhân tạo nói chung (AGI, đôi khi còn được gọi là HLMI hoặc Human Level Machine Intelligence).

Nói cách khác, thách thức mà các nhà nghiên cứu AI đang phải đối mặt là: Làm thế nào chúng ta có thể xây dựng một bộ óc nhân tạo có thể so sánh với chính chúng ta khi chúng ta thậm chí không hiểu đầy đủ về cách thức hoạt động của tâm trí mình?

Chúng ta sẽ khám phá câu hỏi này, cùng với cách con người sẽ chống lại AGI trong tương lai và cuối cùng, xã hội sẽ thay đổi như thế nào vào ngày sau khi AGI đầu tiên được công bố với thế giới.

Trí tuệ tổng hợp nhân tạo là gì?

Thiết kế một AI có thể đánh bại những người chơi hàng đầu trong Cờ vua, Jeopardy và Cờ vây, dễ dàng (Deep Blue, Watson và AlphaGO tương ứng). Thiết kế một AI có thể phục vụ bạn câu trả lời cho bất kỳ câu hỏi nào, đề xuất các mặt hàng bạn có thể muốn mua hoặc quản lý một đội taxi chia sẻ xe — toàn bộ các công ty trị giá hàng tỷ đô la được xây dựng xung quanh chúng (Google, Amazon, Uber). Ngay cả một AI có thể đưa bạn từ bên này sang bên kia đất nước ... Vâng, chúng tôi đang làm việc trên nó.

Nhưng yêu cầu AI đọc sách thiếu nhi và hiểu nội dung, ý nghĩa hoặc đạo đức mà nó đang cố gắng dạy, hoặc yêu cầu AI cho biết sự khác biệt giữa hình ảnh của một con mèo và một con ngựa vằn, và cuối cùng bạn sẽ gây ra nhiều hơn một vài mạch ngắn.

Thiên nhiên đã dành hàng triệu năm để phát triển một thiết bị máy tính (bộ não) vượt trội trong việc xử lý, hiểu, học tập và sau đó hành động theo các tình huống mới và trong môi trường mới. So sánh điều đó với nửa thế kỷ qua của khoa học máy tính tập trung vào việc tạo ra các thiết bị máy tính phù hợp với các nhiệm vụ đơn lẻ mà chúng được thiết kế.

Nói cách khác, con người-máy tính là một nhà tổng quát, trong khi máy tính nhân tạo là một chuyên gia.

Mục tiêu của việc tạo ra AGI là tạo ra một AI có thể suy nghĩ và học hỏi giống con người hơn, thông qua kinh nghiệm hơn là thông qua lập trình trực tiếp.

Trong thế giới thực, điều này có nghĩa là một AGI trong tương lai sẽ học cách đọc, viết và kể chuyện cười, hoặc đi bộ, chạy và đi xe đạp phần lớn bằng kinh nghiệm của chính nó trên thế giới (sử dụng bất kỳ cơ thể hoặc cơ quan / thiết bị cảm giác nào chúng ta cung cấp cho nó) và thông qua sự tương tác của chính nó và AI khác và những người khác.

Những gì nó sẽ cần để xây dựng một trí tuệ tổng hợp nhân tạo

Mặc dù khó khăn về mặt kỹ thuật, việc tạo AGI phải khả thi. Nếu thực tế, có một tính chất được tổ chức sâu sắc trong các định luật vật lý - tính phổ quát của tính toán - về cơ bản nói lên mọi thứ mà một đối tượng vật lý có thể làm, về nguyên tắc, một máy tính đủ mạnh, có mục đích chung có thể sao chép / mô phỏng.

Tuy nhiên, nó rất khó khăn.

Rất may, có rất nhiều nhà nghiên cứu AI thông minh về trường hợp này (chưa kể đến rất nhiều tài trợ của công ty, chính phủ và quân đội hỗ trợ họ), và cho đến nay, họ đã xác định được ba thành phần chính mà họ cảm thấy cần thiết để giải quyết để đưa AGI vào thế giới của chúng ta.

Dữ liệu lớn. Cách tiếp cận phổ biến nhất để phát triển AI liên quan đến một kỹ thuật gọi là học sâu - một loại hệ thống học máy cụ thể hoạt động bằng cách thu thập lượng dữ liệu khổng lồ, xử lý dữ liệu nói trên trong một mạng lưới các tế bào thần kinh mô phỏng (được mô phỏng theo bộ não con người) và sau đó sử dụng các phát hiện để lập trình những hiểu biết của riêng mình. Để biết thêm chi tiết về deep learning, hãy đọc phần này.

Ví dụ, vào năm 2017, Google đã cung cấp cho AI hàng nghìn hình ảnh về mèo mà hệ thống học sâu của họ đã sử dụng để học không chỉ cách xác định mèo mà còn phân biệt giữa các giống mèo khác nhau. Không lâu sau, họ tuyên bố sắp phát hành Google Lens, một ứng dụng tìm kiếm mới cho phép người dùng chụp ảnh bất cứ thứ gì và Google sẽ không chỉ cho bạn biết nó là gì mà còn cung cấp một số nội dung ngữ cảnh hữu ích mô tả nó tiện dụng khi đi du lịch và bạn muốn tìm hiểu thêm về một điểm thu hút khách du lịch cụ thể. Nhưng ở đây cũng vậy, Google Lens sẽ không thể thực hiện được nếu không có hàng tỷ hình ảnh hiện được liệt kê trong công cụ tìm kiếm hình ảnh của nó.

Tuy nhiên, sự kết hợp dữ liệu lớn và học sâu này vẫn không đủ để mang lại AGI.

Thuật toán tốt hơn. Trong thập kỷ qua, một công ty con của Google và là công ty hàng đầu trong lĩnh vực AI, DeepMind, đã gây chú ý bằng cách kết hợp các thế mạnh của học sâu với học tăng cường - một phương pháp học máy miễn phí nhằm dạy AI cách thực hiện các hành động trong môi trường mới để đạt được mục tiêu đã đề ra.

Nhờ chiến thuật lai này, AI đầu tiên của DeepMind, AlphaGo, không chỉ tự học cách chơi AlphaGo bằng cách tải xuống các quy tắc và nghiên cứu chiến lược của những người chơi bậc thầy của con người, mà sau khi chơi với chính nó hàng triệu lần sau đó đã có thể đánh bại những người chơi AlphaGo giỏi nhất bằng cách sử dụng các bước di chuyển và chiến lược chưa từng thấy trong trò chơi.

Tương tự như vậy, thử nghiệm phần mềm Atari của DeepMind liên quan đến việc cung cấp cho AI một camera để xem màn hình trò chơi điển hình, lập trình nó với khả năng nhập đơn đặt hàng trò chơi (như nút điều khiển) và cho nó mục tiêu duy nhất để tăng điểm số. Kết quả? Trong vòng vài ngày, nó đã tự học cách chơi và cách thành thạo hàng chục trò chơi arcade cổ điển.

Nhưng thú vị như những thành công ban đầu này, vẫn còn một số thách thức chính cần giải quyết.

Đầu tiên, các nhà nghiên cứu AI đang làm việc để dạy AI một thủ thuật gọi là 'chunking' mà bộ não người và động vật đặc biệt giỏi. Nói một cách đơn giản, khi bạn quyết định ra ngoài mua hàng tạp hóa, bạn có thể hình dung mục tiêu cuối cùng của mình (mua một quả bơ) và một kế hoạch sơ bộ về cách bạn sẽ làm điều đó (rời khỏi nhà, ghé thăm cửa hàng tạp hóa, mua bơ, trở về nhà). Những gì bạn không làm là lên kế hoạch cho từng hơi thở, từng bước, mọi tình huống bất ngờ có thể xảy ra trên đường đến đó. Thay vào đó, bạn có một khái niệm (khối) trong đầu về nơi bạn muốn đến và điều chỉnh chuyến đi của bạn với bất kỳ tình huống nào xảy ra.

Khả năng này là một trong những lợi thế chính mà bộ não con người vẫn có so với AI - đó là khả năng thích ứng để đặt mục tiêu và theo đuổi nó mà không cần biết trước mọi chi tiết và bất chấp bất kỳ trở ngại hoặc thay đổi môi trường nào chúng ta có thể gặp phải. Kỹ năng này sẽ cho phép AGI học hiệu quả hơn mà không cần dữ liệu lớn được đề cập ở trên.

Một thách thức khác là khả năng không chỉ đọc một cuốn sách mà còn hiểu ý nghĩa hoặc bối cảnh đằng sau nó. Về lâu dài, mục tiêu ở đây là để AI đọc một bài báo và có thể trả lời chính xác một loạt các câu hỏi về những gì nó đọc, giống như viết một báo cáo sách. Khả năng này sẽ biến đổi một AI từ một máy tính đơn giản là xử lý các con số thành một thực thể xử lý ý nghĩa.

Nhìn chung, những tiến bộ hơn nữa đối với thuật toán tự học có thể bắt chước bộ não con người sẽ đóng một vai trò quan trọng trong việc tạo ra AGI cuối cùng, nhưng bên cạnh công việc này, cộng đồng AI cũng cần phần cứng tốt hơn.

Phần cứng tốt hơn. Sử dụng các phương pháp hiện tại được giải thích ở trên, AGI sẽ chỉ có thể thực hiện được sau khi chúng tôi nghiêm túc tăng cường sức mạnh tính toán có sẵn để chạy nó.

Đối với bối cảnh, nếu chúng ta lấy khả năng suy nghĩ của bộ não con người và chuyển đổi nó thành các thuật ngữ tính toán, thì ước tính sơ bộ về năng lực tinh thần của một người trung bình là một exaflop, tương đương với 1.000 petaflop ('Flop' là viết tắt của các phép toán dấu phẩy động mỗi giây và đo tốc độ tính toán).

Để so sánh, vào cuối năm 2018, siêu máy tính mạnh nhất thế giới, AI Bridging Cloud của Nhật Bản sẽ ngân nga ở mức 130 petaflop, kém xa một exaflop.

Như đã nêu trong chương siêu máy tính của chúng tôi trong loạt bài Tương lai của máy tính, cả Mỹ và Trung Quốc đều đang làm việc để xây dựng siêu máy tính exaflop của riêng họ vào năm 2022, nhưng ngay cả khi họ thành công, điều đó vẫn có thể không đủ.

Những siêu máy tính này hoạt động với công suất vài chục megawatt, chiếm vài trăm mét vuông không gian và tốn vài trăm triệu đô la để xây dựng. Một bộ não con người chỉ sử dụng năng lượng 20 watt, nằm gọn trong hộp sọ có chu vi khoảng 50 cm và có bảy tỷ người trong chúng ta (2018). Nói cách khác, nếu chúng ta muốn làm cho AGI trở nên phổ biến như con người, chúng ta sẽ cần học cách tạo ra chúng theo cách kinh tế hơn.

Để đạt được điều đó, các nhà nghiên cứu AI đang bắt đầu xem xét cung cấp năng lượng cho các AI trong tương lai bằng máy tính lượng tử. Được mô tả chi tiết hơn trong chương máy tính lượng tử trong loạt bài Tương lai của máy tính, những máy tính này hoạt động theo một cách khác về cơ bản so với các máy tính mà chúng ta đã xây dựng trong nửa thế kỷ qua. Sau khi được hoàn thiện vào những năm 2030, một máy tính lượng tử duy nhất sẽ vượt trội hơn mọi siêu máy tính hiện đang hoạt động vào năm 2018, trên toàn cầu, cộng lại. Chúng cũng sẽ nhỏ hơn nhiều và sử dụng ít năng lượng hơn nhiều so với các siêu máy tính hiện tại.

Làm thế nào một trí tuệ nhân tạo nói chung sẽ vượt trội hơn con người?

Giả sử rằng mọi thách thức được liệt kê ở trên đều được tìm ra, rằng các nhà nghiên cứu AI tìm thấy thành công trong việc tạo ra AGI đầu tiên. Tâm trí AGI sẽ khác với tâm trí của chúng ta như thế nào?

Để trả lời loại câu hỏi này, chúng ta cần phân loại tâm trí AGI thành ba loại, những người sống trong cơ thể robot (Dữ liệu từ Star Trek), những người có hình dạng vật lý nhưng được kết nối không dây với internet / đám mây (Đặc vụ Smith từ Ma trận) và những người không có hình dạng vật lý sống hoàn toàn trong máy tính hoặc trực tuyến (Samantha từ Her).

Đối với AGIs trong một cơ thể robot cách ly khỏi internet, chúng sẽ cạnh tranh ngang hàng với tâm trí con người, nhưng với một số lợi thế:

Bộ nhớ: Tùy thuộc vào thiết kế của dạng robot AGI, bộ nhớ ngắn hạn và bộ nhớ về thông tin quan trọng của chúng sẽ chắc chắn vượt trội hơn so với con người. Nhưng cuối cùng, có một giới hạn vật lý về không gian lưu trữ mà bạn có thể đóng gói vào robot, giả sử chúng ta thiết kế chúng giống con người. Vì vậy, bộ nhớ dài hạn của AGI sẽ hoạt động rất giống như của con người, tự động quên thông tin và ký ức được coi là không cần thiết cho hoạt động tương lai của nó (để giải phóng 'không gian đĩa'). Tốc độ: Hiệu suất của các tế bào thần kinh trong não người tối đa khoảng 200 hertz, trong khi vi xử lý hiện đại hoạt động ở mức gigahertz, nghĩa là nhanh hơn hàng triệu lần so với tế bào thần kinh. Điều này có nghĩa là so với con người, AGI trong tương lai sẽ xử lý thông tin và đưa ra quyết định nhanh hơn con người. Lưu ý rằng điều này không nhất thiết có nghĩa là AGI sẽ đưa ra quyết định thông minh hơn hoặc chính xác hơn con người, chỉ là chúng có thể đến được kết luận nhanh hơn. Hiệu suất: Đơn giản là, não người sẽ mệt mỏi nếu hoạt động quá lâu mà không được nghỉ ngơi hoặc ngủ, và khi mệt mỏi, bộ nhớ và khả năng học tập và suy luận của nó bị hạn chế. Trong khi đó, đối với AGI, giả sử chúng được sạc (điện) đều đặn, chúng sẽ không có điểm yếu đó. Khả năng nâng cấp: Đối với con người, việc học một thói quen mới có thể mất tuần đầy thực hành, học một kỹ năng mới có thể mất tháng và học một nghề mới có thể mất năm. Đối với AGI, chúng sẽ có khả năng học thông qua kinh nghiệm (giống như con người) và thông qua tải lên trực tiếp dữ liệu, tương tự như cách bạn thường cập nhật hệ điều hành máy tính của mình. Các bản cập nhật này có thể áp dụng cho việc nâng cấp kiến thức (kỹ năng mới) hoặc nâng cấp hiệu suất cho hình dạng vật lý của AGI. Tiếp theo, hãy xem xét AGI có hình dạng vật lý, nhưng cũng được kết nối không dây với internet / đám mây. Những khác biệt chúng ta có thể thấy so với AGI không kết nối bao gồm:

Bộ nhớ: Những AGI này sẽ có những lợi thế ngắn hạn giống như lớp AGI trước, ngoại trừ việc chúng cũng sẽ được hưởng lợi từ bộ nhớ dài hạn hoàn hảo vì chúng có thể tải lên những ký ức đó lên đám mây để truy cập khi cần. Tất nhiên, bộ nhớ này sẽ không thể truy cập được trong các khu vực có kết nối yếu, nhưng điều đó sẽ trở nên ít quan tâm hơn trong thập kỷ 2020 và 2030 khi càng nhiều phần của thế giới trở nên kết nối. Đọc thêm trong chương một của loạt bài viết Tương lai của Internet của chúng tôi. Tốc độ: Tùy thuộc vào loại trở ngại mà AGI này gặp phải , chúng có thể truy cập vào sức mạnh tính toán lớn hơn của đám mây để giúp giải quyết vấn đề đó.

Hiệu suất: Không có sự khác biệt so với AGI không kết nối.

Khả năng nâng cấp: Sự khác biệt duy nhất liên quan đến khả năng nâng cấp của AGI này là chúng có thể truy cập các nâng cấp trong thời gian thực, không dây, thay vì phải đến và kết nối vào một cơ sở nâng cấp.

Tính tập thể: Con người trở thành loài chiếm ưu thế trên Trái đất không phải vì chúng ta là loài động vật lớn nhất hoặc mạnh nhất, mà là vì chúng ta đã học cách giao tiếp và hợp tác theo nhiều cách khác nhau để đạt được mục tiêu tập thể, từ việc săn giết một con voi lông cừu đến việc xây dựng Trạm không gian quốc tế. Một nhóm AGI sẽ đưa sự hợp tác này lên một tầm cao mới. Với tất cả những lợi thế nhận thức được liệt kê ở trên và kết hợp với khả năng giao tiếp không dây, cả trong và qua các khoảng cách xa, một nhóm tinh thần AGI/hive mind trong tương lai có thể lý thuyết có thể giải quyết các dự án hiệu quả hơn rất nhiều so với một nhóm con người.

Cuối cùng, loại cuối cùng của AGI là phi hình thức, tức là hoạt động bên trong máy tính và có quyền truy cập vào toàn bộ sức mạnh tính toán và tài nguyên trực tuyến mà những người tạo ra nó cung cấp. Trong các phim và sách khoa học viễn tưởng, những AGI này thường có hình dạng của trợ lý/virtual assistant chuyên gia hoặc hệ điều hành thông minh của một con tàu vũ trụ. Nhưng so với hai loại AGI trước, AI này sẽ khác nhau theo các cách sau:

Tốc độ: Không giới hạn (hoặc ít nhất là giới hạn bởi phần cứng mà nó có quyền truy cập). Bộ nhớ: Không giới hạn. Hiệu suất: Tăng cường chất lượng ra quyết định nhờ sự truy cập vào trung tâm siêu tính toán. Khả năng nâng cấp: Tuyệt đối, trong thời gian thực và với một số lượng không giới hạn các nâng cấp nhận thức. Tất nhiên, vì loại AGI này không có hình dạng robot, nên nó sẽ không cần các nâng cấp vật lý nếu những nâng cấp đó là cho các siêu máy tính mà nó hoạt động.

Khi nhân loại tạo ra trí tuệ nhân tạo tổng hợp đầu tiên, sẽ thay đổi xã hội như thế nào?

Chúng ta sẽ khám phá tác động của các AI mới này chi tiết trong chương cuối cùng của loạt bài viết này. Tuy nhiên, trong chương này, chúng ta có thể nói rằng việc tạo ra một AGI sẽ tương tự như phản ứng xã hội chúng ta sẽ trải qua nếu con người tìm thấy sự sống trên sao Hỏa.

Một nhóm sẽ không hiểu được sự quan trọng và tiếp tục nghĩ rằng các nhà khoa học đang làm một chuyện lớn về việc tạo ra một máy tính mạnh mẽ hơn nữa.

Một nhóm khác, có thể là gồm những người chống tiến bộ và những người có suy nghĩ tôn giáo, sẽ sợ hãi AGI này, nghĩ rằng đây là một sự vô nhân tính và nó sẽ cố gắng tiêu diệt nhân loại theo kiểu SkyNet. Nhóm này sẽ hoạt động tích cực để xóa xóa/hủy diệt AGI ở mọi hình thức.

Mặt khác, nhóm thứ ba sẽ coi sự sáng tạo này như một sự kiện tâm linh hiện đại. Theo mọi cách quan trọng, AGI này sẽ là một hình thức sống mới, một hình thức suy nghĩ khác với chúng ta và có mục tiêu khác với chính chúng ta. Khi việc tạo ra AGI được công bố, con người sẽ không chia sẻ Trái đất chỉ với động vật, mà còn với một lớp sinh vật nhân tạo mới có trí thông minh ngang bằng hoặc vượt trội so với chúng ta.

Nhóm thứ tư sẽ bao gồm những người có lợi ích kinh doanh, những người sẽ nghiên cứu cách sử dụng AGI để đáp ứng các nhu cầu kinh doanh khác nhau, chẳng hạn như điền vào khoảng trống trong thị trường lao động và thúc đẩy sự phát triển của hàng hóa và dịch vụ mới.

Tiếp theo, chúng ta có đại diện từ tất cả các cấp chính quyền, những người sẽ gặp khó khăn khi cố gắng hiểu cách điều chỉnh AGI. Đây là cấp độ mà tất cả các cuộc tranh luận về đạo đức và triết học sẽ đi đến đỉnh điểm, đặc biệt là xung quanh việc xem AGI là tài sản hay như con người.

Cuối cùng, phe cuối cùng sẽ là các cơ quan quân sự và an ninh quốc gia. Thực tế, thông báo công khai về AGI đầu tiên có thể bị trì hoãn hàng tháng đến nhiều năm chỉ vì nhóm này. Tại sao? Bởi vì việc phát minh AGI, trong thời gian ngắn sẽ dẫn đến việc tạo ra một trí tuệ nhân tạo siêu hơn (ASI), một thứ sẽ đại diện cho một mối đe dọa chính trị lớn và một cơ hội vượt xa việc phát minh bom hạt nhân.

Vì lý do này, một số chương tiếp theo sẽ tập trung hoàn toàn vào chủ đề ASI và liệu nhân loại có tồn tại sau khi phát minh ra nó hay không.