El reciente desarrollo en los campos de los modelos de Inteligencia Artificial (IA) y Aprendizaje Automático (ML) ha convertido el debate sobre la Inteligencia Artificial General (AGI) en un asunto de importancia práctica inmediata. En ciencias de la computación, la Inteligencia General Artificial, o AGI, es una idea crucial que se refiere a un sistema de inteligencia artificial que puede realizar una amplia gama de tareas al menos tan bien como los humanos. Existe una necesidad cada vez mayor de un marco formal para categorizar y comprender el comportamiento de los modelos AGI y sus precursores a medida que avanzan las capacidades de los modelos de aprendizaje automático.
En una investigación reciente, un equipo de investigadores de Google DeepMind propuso un marco llamado ‘Niveles de AGI’ para crear un enfoque sistemático similar a los niveles de conducción autónoma para categorizar las habilidades y el comportamiento de los modelos de Inteligencia General Artificial y sus predecesores. Este marco ha introducido tres dimensiones importantes: autonomía, generalidad y desempeño. Este enfoque ha ofrecido un vocabulario común que facilita la comparación de modelos, la evaluación de riesgos y el seguimiento del avance hacia la Inteligencia Artificial.
El equipo analizó definiciones anteriores de AGI para crear este marco, destilando seis ideas que consideraron necesarias para una ontología AGI práctica. El desarrollo del marco sugerido se ha guiado por estos principios, que resaltan la importancia de concentrarse en las capacidades más que en los mecanismos. Esto incluye evaluar la generalidad y el desempeño de forma independiente e identificar pasos en lugar de solo el objetivo final al pasar a AGI.
Los investigadores han compartido que los niveles resultantes del marco AGI se han construido en torno a dos aspectos fundamentales, incluida la profundidad, es decir, el rendimiento, y la amplitud, que es la generalidad de las capacidades. El marco facilita la comprensión del entorno dinámico de los sistemas de inteligencia artificial al clasificar AGI en función de estas características. Sugiere pasos que corresponden a diversos grados de competencia en términos tanto de desempeño como de generalidad.
El equipo reconoció las dificultades y complejidades involucradas al evaluar cómo los sistemas de IA existentes encajan en el enfoque sugerido. También se han discutido los puntos de referencia futuros, que son necesarios para medir con precisión las capacidades y el comportamiento de los modelos AGI en comparación con los umbrales predeterminados. Este enfoque en la evaluación comparativa es esencial para evaluar el desarrollo, identificar áreas que necesitan desarrollo y garantizar una progresión abierta y cuantificable de las tecnologías de IA.
El marco ha tenido en cuenta las preocupaciones de implementación, específicamente el riesgo y la autonomía, además de consideraciones técnicas. Al enfatizar la compleja relación entre los factores de implementación y los niveles de AGI, el equipo ha enfatizado lo crítico que es elegir cuidadosamente los paradigmas de interacción entre humanos y IA. El aspecto ético de implementar sistemas de IA altamente capaces también ha sido resaltado por este énfasis en un despliegue responsable y seguro, que exige un enfoque metódico y cauteloso.
En conclusión, el esquema de clasificación sugerido para el comportamiento y las capacidades de los AGI es exhaustivo y está bien considerado. El marco enfatiza la necesidad de una integración responsable y segura en contextos centrados en el ser humano y proporciona una forma estructurada de evaluar, comparar y dirigir el desarrollo y la implementación de sistemas AGI.
Revisar la Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides unirte. nuestro SubReddit de 32k+ ML, 41k+ comunidad de Facebook, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias sobre investigaciones de IA, interesantes proyectos de IA y más.
Si te gusta nuestro trabajo, te encantará nuestra newsletter.
también estamos en Telegrama y WhatsApp.
Tanya Malhotra es estudiante de último año de la Universidad de Estudios de Petróleo y Energía, Dehradun, y cursa BTech en Ingeniería Informática con especialización en Inteligencia Artificial y Aprendizaje Automático.
Es una entusiasta de la Ciencia de Datos con buen pensamiento analítico y crítico, junto con un ardiente interés en adquirir nuevas habilidades, liderar grupos y gestionar el trabajo de manera organizada.