Inteligența artificială puternicăPetru Iluț, Ioan Biriș, Ioana Lucia Bordeianu. În căutare de principii. Epistemologie și metodologie socială aplicată. Editura Polirom, 2016. ISBN 9789734636846 sau generalăAvizul Comitetului Economic și Social European privind „Inteligența artificială – Impactul inteligenței artificiale asupra pieței unice (digitale), a producției, a consumului, a ocupării forței de muncă și a societății” Art. 2.2; Jurnalul Oficial al Uniunii Europene, 31 august 2017 (din artificial general intelligence, prescurtat AGI) este inteligența ipoteticăSuperintelligence Cannot be Contained: Lessons from Computability Theory, Journal of Artificial Intelligence Research, jair.org, Jan 5, 2021 a unei mașini care are capacitatea de a înțelege sau de a învăța orice sarcină intelectuală pe care o poate îndeplini o ființă umană. Este un obiectiv primordial al unor cercetări în domeniul inteligenței artificiale și un subiect comun în științifico-fantastic și în viitorologie. Mai este denumită și IA puternică,Kurzweil, Singularity (2005) p. 260 : Kurzweil describes strong AI as "machine intelligence with the full range of human intelligence." IA completă sau inteligență generală de acțiune. Unele surse academice folosesc termenul „IA puternică” doar pentru mașinile care pot experimenta conștiința. Se afirmă că IA de astăzi se află la zeci de ani distanță de o viitoare IA puternică.

Spre deosebire de IA puternică, IA slabă (numită și IA restrânsă sau IA îngustă din narrow AI) nu este destinată să aibă abilități cognitive umane, mai degrabă, IA slabă se limitează la utilizarea unui software pentru a studia sau îndeplini sarcini specifice de rezolvare a problemelor sau de raționament.

Din 2017, peste patruzeci de organizații cercetează activ IA puternică.

Cerințe Au fost propuse diferite criterii de inteligență (cel mai faimos fiind testul Turing), dar până în prezent nu există nicio definiție care să mulțumească pe toată lumea. Cu toate acestea, există un acord la scară largă în rândul cercetătorilor inteligenței artificiale, prin care inteligența este necesară pentru următoarele abilități și capacități:AI founder John McCarthy writes: "we cannot yet characterize in general what kinds of computational procedures we want to call intelligent." (For a discussion of some definitions of intelligence used by artificial intelligence researchers, see philosophy of artificial intelligence.)

raționează, folosește strategia, rezolvă puzzle-uri și formulează judecăți sub incertitudine ; reprezintă cunoștințe, inclusiv cunoștințe comune; planifică; învață; comunică în limbaj natural; și integrează toate aceste abilități în obiective comune.

Alte capabilități importante includ abilitatea de a simți (de exemplu, vederea) și capacitatea de a acționa (de exemplu, să mute și să manipuleze obiecte) în lumea în care trebuie observat un comportament inteligent.Pfeifer, R. and Bongard J. C., How the body shapes the way we think: a new view of intelligence (The MIT Press, 2007). Acest lucru ar include capacitatea de a detecta și de a răspunde la pericole. Multe abordări interdisciplinare ale inteligenței (de exemplu, știința cognitivă, inteligența computațională și luarea deciziilor) tind să sublinieze necesitatea de a lua în considerare trăsături suplimentare precum imaginația (considerată ca abilitatea de a forma imagini mentale și concepte care nu au fost programate) și autonomia.deCharms, R. (1968). Personal causation. New York: Academic Press. Există sisteme bazate pe computer care prezintă multe dintre aceste capabilități (de exemplu, vezi: creativitatea informatică, raționamentul automat, sistemul de sprijinire a deciziilor, robotul, calculul evolutiv, agentul inteligent), dar care nu se află încă la un nivel uman [mediu].

Teste Au fost luate în considerare următoarele teste pentru confirmarea IA puternice la nivel uman:

Testul Turing (Turing) O mașină și un om conversează în scris amândoi cu un al doilea om care nu-i vede și care trebuie să evalueze care dintre cei doi este mașina, care trece testul dacă poate păcăli evaluatorul o perioadă semnificativă din timp. Notă: Turing nu definește ceea ce ar trebui să se califice drept inteligență, doar că dacă evaluatorul își dă seama că este o mașină acest lucru ar trebui să o descalifice.

Testul cafelei (Wozniak) Necesită ca o mașină să intre într-o casă americană obișnuită și să își dea seama cum să facă o cafea: să găsească aparatul de cafea, să găsească cafeaua, să adauge apă, să găsească o cană și să pregătească cafeaua apăsând butoanele corespunzătoare.

Testul studentului robot (Goertzel) O mașină se înscrie la o universitate, urmând și promovând aceleași clase ca și oamenii, obținând o diplomă. Testul ocupării forței de muncă (Nilsson) O mașină lucrează într-un loc de muncă important din punct de vedere economic, cu performanțe cel puțin la fel de bine ca oamenii din același loc de muncă.

Probleme pe care să le rezolve Cele mai dificile probleme pentru computere sunt cunoscute informal ca „IA-complete” sau „IA-hard”, ceea ce înseamnă că rezolvarea lor este echivalentă cu aptitudinea generală a inteligenței umane sau IA puternice, dincolo de capacitățile unui algoritm specific scopului.Shapiro, Stuart C. (1992). Artificial Intelligence In Stuart C. Shapiro (Ed.), Encyclopedia of Artificial Intelligence (Second Edition, pp. 54–57). New York: John Wiley. (Section 4 is on "AI-Complete Tasks".)

Printre presupuse probleme IA complete sunt incluse: viziunea generală, înțelegerea limbajului natural și gestionarea circumstanțelor neașteptate în timp ce rezolvă orice problemă din lumea reală.Roman V. Yampolskiy. Turing Test as a Defining Feature of AI-Completeness. In Artificial Intelligence, Evolutionary Computation and Metaheuristics (AIECM) --In the footsteps of Alan Turing. Xin-She Yang (Ed.). pp. 3–17. (Chapter 1). Springer, London. 2013. http://cecs.louisville.edu/ry/TuringTestasaDefiningFeature04270003.pdf

Problemele IA complete nu pot fi rezolvate numai cu tehnologia computerizată actuală și necesită, de asemenea, calcule umane. Această proprietate ar putea fi utilă, de exemplu, pentru a testa prezența oamenilor, așa cum intenționează CAPTCHA; și pentru securitatea computerului pentru a respinge atacurile prin forță brută.Luis von Ahn, Manuel Blum, Nicholas Hopper, and John Langford. CAPTCHA: Using Hard AI Problems for Security . In Proceedings of Eurocrypt, Vol. 2656 (2003), pp. 294–311. (unpublished?)

Istorie

IA clasică Cercetarea modernă a IA a început la mijlocul anilor 1950. Prima generație de cercetători IA a fost convinsă că inteligența artificială generală este posibilă și că va apărea în doar câteva decenii. Pionierul IA Herbert A. Simon scria în 1965: „Mașinile vor fi capabile, în termen de douăzeci de ani, să facă orice lucru pe care un om îl poate face”. quoted in Predicțiile sale au inspirat personajul HAL 9000 al lui Stanley Kubrick și Arthur C. Clarke, care a întruchipat ceea ce cercetătorii IA credeau că ar putea crea până în 2001. Pionierul IA Marvin Minsky a fost consultant în proiectul de a face HAL 9000 cât mai realist posibil conform previziunilor consensuale ale vremii.Marvin Minsky to , quoted in .

Cu toate acestea, la începutul anilor 1970, a devenit evident că cercetătorii au subestimat brutal dificultatea proiectului. Agențiile de finanțare au devenit sceptice față de IA puternică și au pus cercetătorii sub presiune crescândă pentru a produce o „IA aplicată” utilă. La începutul anilor 1980, proiectul japonez de calculatoare de a cincea generație a relansat interesul pentru IA puternică, stabilind o cronologie de zece ani care include obiective IA puternică precum „să ducă o conversație întâmplătoare”., and see also Ca răspuns la acest lucru și la succesul sistemelor expert, atât industria, cât și guvernul au reinvestit în domeniu.; ; Cu toate acestea, încrederea în IA s-a prăbușit spectaculos la sfârșitul anilor 1980, iar obiectivele proiectului de calculatoare de a cincea generație nu au fost niciodată îndeplinite.

Pentru a doua oară în 20 de ani, cercetătorii IA care au prezis realizarea iminentă a IA puternice au greșit. În anii 1990, cercetătorii AI au câștigat o reputație de a face promisiuni deșarte. Au devenit reticenți să facă previziuni și să evite orice mențiune a inteligenței artificiale „la nivel uman” de teamă să nu fie etichetați ca „visători cu ochi sălbatici”.

Cercetarea IA slabe În anii 1990 și la începutul secolului 21, cercetarea IA mainstream a obținut un succes comercial și o respectabilitate academică mult mai mare concentrându-se pe subprobleme specifice în care pot produce rezultate verificabile și aplicații comerciale, cum ar fi rețelele neuronale artificiale și învățarea statistică a mașinilor. Aceste sisteme „IA aplicată” sunt acum utilizate pe scară largă în întreaga industrie tehnologică, iar cercetarea în acest sens este foarte finanțată atât în mediul academic, cât și în industrie. În prezent, dezvoltarea în acest domeniu este considerată o tendință emergentă și se așteaptă ca o etapă matură să se întâmple în mai mult de 10 ani.

Cei mai mulți cercetători mainstream ai IA speră că IA puternică poate fi dezvoltată prin combinarea programelor care rezolvă diferite sub-probleme.

„Sunt încrezător că această cale de jos în sus către inteligența artificială se va întâlni într-o bună zi la mai mult de jumătate din drum cu calea tradițională de sus în jos, gata să ofere competență lumii reale și cunoștințe comune la scară largă care au fost atât de frustrant de evazive în programele de raționament. Mașinile complet inteligente vor rezulta atunci când vârful de aur metaforic este atins unind cele două eforturi."

Cu toate acestea, chiar și această filozofie fundamentală a fost contestată; de exemplu, Stevan Harnad de la Princeton și-a încheiat lucrarea din 1990 cu privire la ipoteza împământarii simbolului, afirmând:

„S-a exprimat adesea așteptarea că abordările „de sus în jos” (simbolice) de modelare a cogniției vor întâlni cumva abordările „de jos în sus” (senzoriale) undeva între ele. Dacă considerațiile fundamentale din această lucrare sunt valabile, atunci această așteptare este modular fără speranță și există într-adevăr o singură cale viabilă: de la bază. Un nivel simbolic plutitor, cum ar fi nivelul software al unui computer, nu va fi niciodată atins pe această cale (sau invers) - nici nu este clar de ce ar trebui să încercăm să atingem un astfel de nivel, deoarece se pare că a ajunge acolo echivalează cu dezrădăcinarea simbolurilor noastre din semnificațiile lor intrinseci (prin aceasta ne reducem doar la echivalentul funcțional al unui computer programabil)."

Cercetare modernă a IA puternice