¿Qué debo aprender para hacer un AGI +?

Gracias por la A2A. Quienquiera que seas 🙂

Este es mi propio objetivo, crear Inteligencia General Artificial. Las otras respuestas que he leído solo se refieren a la inteligencia artificial de hoy en día, que no está ni cerca de ser AGI.

Mi enfoque actual en este momento es hacer razonamiento de la máquina . Intenté buscar en Google y encontré un video en el que un compañero investigador usó ese término, pero estaba tratando de abordarlo usando técnicas de gradiente de pendiente , que considero un callejón sin salida.

Sí, el descenso del gradiente es un callejón sin salida. Con seguridad, obtendrá cierto kilometraje con ciertas clases de problemas, pero no lo llevará a AGI . ¿Por qué digo esto? Sencillo. Nuestros cerebros no usan esas técnicas.

Piensa en un niño pequeño. Puede mostrarle a esa niña unas cuantas fotos de un gato, y ella podrá reconocer y distinguir a cada gato que lance aquí de manera no inmediata, casi de inmediato. Pero utilizando las técnicas actuales de descenso de gradiente, y hay muchas, tendrías que proporcionar miles de imágenes etiquetadas como un “conjunto de entrenamiento” y llevaría muchas horas, e incluso después de todo eso, ese niño podrá correr círculos. eso.

¿Qué está pasando en la matriz neuronal del niño que no está sucediendo en la contraparte artificial? Creo que es el razonamiento neural . Este no es el razonamiento consciente que pensaría la mayoría de la gente, sino los grupos, los ganglios, de neuronas que realizan un tipo de “razonamiento” en sus datos de entrada.

Espero poder aprovechar ese uso de las técnicas de evolución neuronal. La evolución neuronal no depende de las técnicas de descenso de gradiente, por lo que debería ser, en teoría, no comprometida por ellas. En lugar de hacer una “búsqueda” de algunos mínimos o máximos en un espacio de dimensiones arbitrariamente altas, en lugar de eso, “razonas” tu camino hacia la respuesta.

Acabo de empezar con esto, y parte de ello será la “reescritura” de RubyNEAT, que es insoportablemente lenta, en RustNEAT, usando el lenguaje Rust, obviamente, que será inmensamente más rápida.

Por supuesto, puedo usar el software NEAT “disponible en el mercado”, pero necesito estar íntimamente en contacto con el proceso en sí. En resumen, mi propio cerebro debe ser capaz de razonar acerca de cómo hacer que la máquina razona de una manera similar a la que mi cerebro razona en los niveles más bajos, de modo que esa es razón suficiente para mi locura.

Crear una Inteligencia General Artificial es la parte fácil. Por ejemplo, ya tenemos aproximaciones computables de AIXI (Hutter, 2004; Veness et al, 2009).

La parte difícil es crear un AGI seguro .

Las primeras preguntas que debes contestar:

  • ¿Cómo resuelves el problema de contención de AGI? (ver Babcock et al, 2016 para la introducción al problema)
  • ¿Cómo diseñas un AGI amigable? (ver Yudkowsky, 2008 para la introducción)

Estas dos preguntas deben responderse mucho antes de que descubra un camino prometedor hacia un AGI. Porque si lo haces demasiado tarde, tu creación podría convertirse en la última creación de la humanidad (ver Bostrom, 2002).

Vaya aquí: Guía de investigación – Instituto de investigación de inteligencia de máquina y trabaje a través del programa completo de libros. Luego, únete a sus talleres y contribuye a sus trabajos.

Aprende Python, algo de neurociencia y un poco sobre física y estás en camino.

Intente referirse al libro Deep Learning de Yoshua Bengio, Aaron Coureville e Ian Goodfellow.

Bengio a ml profesor, es uno de los grandes pioneros en Aprendizaje Profundo, Ian recientemente inventó las GAN, mientras que Aaron es profesor asistente en ML y miembro del Instituto de Montreal para el Aprendizaje de Algoritmos.

Ese es un libro independiente que contiene información crucial para que pueda ponerse en marcha.

Aprendizaje profundo


Nota:

Para comenzar, desde la perspectiva de muchos campos de la ciencia, el aprendizaje profundo se puede resumir en esta simple notación: [math] \ phi \ big (x, \ theta \ big) ^ {\ top} w [/ math] (Bengio et al )

Si estás interesado en investigar, la respuesta de Anthony es un buen punto de partida. Si prefiere la ingeniería, esto podría ser útil. Guía introductoria a la inteligencia artificial: Caos cognitivo.