Yapay genel zeka - Artificial general intelligence
Bir serinin parçası |
Yapay zeka |
---|
Yapay genel zeka ( AGI ), akıllı bir ajanın , bir insanın yapabileceği herhangi bir entelektüel görevi anlama veya öğrenme konusundaki varsayımsal yeteneğidir . Bazı yapay zeka araştırmalarının birincil amacı ve bilim kurgu ve gelecek araştırmalarında ortak bir konudur . AGI, güçlü AI , tam AI veya genel akıllı eylem olarak da ifade edilebilir (Akademik kaynaklar, "güçlü AI" terimini, duyarlılık veya bilinç yaşayan bilgisayar programları için ayırmasına rağmen ).
Güçlü AI'nın aksine, zayıf AI veya "dar AI", genel bilişsel yeteneklere sahip olması amaçlanmamıştır ; daha ziyade, zayıf AI, tam olarak bir sorunu çözmek için tasarlanmış herhangi bir programdır. (Akademik kaynaklar, "zayıf yapay zeka" yı, insanların yaptığı gibi bilinç deneyimlemeyen veya bir akla sahip olmayan programlar için ayırmaktadır .)
2017 itibariyle, kırktan fazla kuruluş aktif olarak AGI'yi araştırıyor.
özellikleri
Zeka için çeşitli kriterler öne sürülmüştür (en ünlüsü Turing testi ), ancak bugüne kadar herkesi tatmin eden bir tanım yoktur.
Akıllı özellikler
Ancak, orada olan yapay zeka zeka aşağıdakileri yapmanız gerektiğini Araştırmacılar arasındaki geniş anlaşması: nedenden altında bulmaca ve marka yargıları çözmek, kullanım stratejisi belirsizlik ; sağduyu bilgisi dahil bilgiyi temsil eder ; planı ; öğren ; doğal dilde iletişim kurmak ; ve tüm bu becerileri ortak hedeflere entegre edin . Diğer önemli yetenekler arasında, akıllı davranışın gözlemlenmesi gereken bu dünyada algılama (örneğin, görme ) ve hareket etme (örneğin nesneleri hareket ettirme ve manipüle etme) yeteneği yer alır . Bu, tehlikeyi tespit etme ve müdahale etme yeteneğini de içerecektir . Zekayla ilgili birçok disiplinlerarası yaklaşım (örneğin bilişsel bilim , hesaplamalı zeka ve karar verme ), hayal gücü (programlanmayan zihinsel imgeler ve kavramlar oluşturma yeteneği olarak alınır) ve özerklik gibi ek özellikleri dikkate alma ihtiyacını vurgulama eğilimindedir .
Bu yeteneklerin birçoğunu sergileyen bilgisayar tabanlı sistemler mevcuttur (örneğin bkz. hesaplamalı yaratıcılık , otomatik akıl yürütme , karar destek sistemi , robot , evrimsel hesaplama , akıllı ajan ), ancak hiç kimse tüm bu alanlarda üstün olan entegre bir sistem oluşturmamıştır.
İnsan düzeyinde AGI'yi doğrulamak için testler
İnsan düzeyinde AGI'yi doğrulamak için aşağıdaki testler dikkate alınmıştır:
- Turing Testi ( Turing )
- Hem bir makine hem de bir insan, ikisinden hangisinin makine olduğunu değerlendirmesi gereken ikinci bir insanla görünmeden konuşur ve bu, değerlendiriciyi zamanın önemli bir bölümünde kandırabilirse testi geçer. Not: Turing neyin zeka olarak nitelendirilmesi gerektiğini söylemez, yalnızca onun bir makine olduğunu bilmenin onu diskalifiye etmesi gerektiğini söyler.
- Kahve Testi ( Wozniak )
- Ortalama bir Amerikan evine girmek ve nasıl kahve yapılacağını bulmak için bir makine gerekir: kahve makinesini bulun, kahveyi bulun, su ekleyin, bir kupa bulun ve uygun düğmelere basarak kahveyi demleyin.
- Robot Koleji Öğrenci Testi ( Goertzel )
- Bir makine, bir üniversiteye kaydolur, insanlarla aynı dersleri alır ve geçer ve bir derece elde eder.
- İstihdam Testi ( Nilsson )
- Bir makine, ekonomik açıdan önemli bir işi en az aynı işte insanlar kadar iyi yapar.
AI-tam sorunlar
Makineler sorunları insanlar gibi çözecekse, genel zeka gerektirebilecek birçok bireysel sorun vardır. Örneğin, makine çevirisi gibi belirli basit görevler bile , bir makinenin her iki dilde de okumasını ve yazmasını ( NLP ), yazarın argümanını takip etmesini ( sebep ), ne hakkında konuşulduğunu bilmesini ( bilgi ) ve yazarın orijinalini aslına sadık bir şekilde yeniden üretmesini gerektirir. niyet ( sosyal zeka ). İnsan seviyesinde makine performansına ulaşmak için tüm bu problemlerin aynı anda çözülmesi gerekiyor.
Bir problemi çözmek, insan zekasının genel yeteneğine veya güçlü AI'ya eşdeğerse ve amaca özel bir algoritmanın yeteneklerinin ötesindeyse, gayri resmi olarak "AI-tamamlanmış" veya "AI-zor" olarak bilinir. AI-tamamlanmış problemlerin, herhangi bir gerçek dünya problemini çözerken genel bilgisayar vizyonu , doğal dil anlayışı ve beklenmedik durumlarla başa çıkmayı içerdiği varsayılmaktadır .
AI-tam problemler yalnızca mevcut bilgisayar teknolojisi ile çözülemez ve insan hesaplamasını gerektirir . Bu özellik, örneğin, CAPTCHA'ların yapmayı amaçladığı gibi, insanların varlığını test etmek için faydalı olabilir ; ve bilgisayar güvenliği için kaba kuvvet saldırılarını püskürtmek için .
Tarih
klasik yapay zeka
Modern AI araştırmaları 1950'lerin ortalarında başladı. İlk nesil AI araştırmacıları, yapay genel zekanın mümkün olduğuna ve sadece birkaç on yıl içinde var olacağına ikna oldular. AI öncüsü Herbert A. Simon 1965'te şunları yazdı: "Makineler yirmi yıl içinde bir insanın yapabileceği her işi yapabilir hale gelecek." Onların tahminleri, Stanley Kubrick ve Arthur C. Clarke'ın , AI araştırmacılarının 2001 yılına kadar yaratabileceklerine inandıklarını somutlaştıran HAL 9000 karakteri için ilham kaynağı oldu . AI öncüsü Marvin Minsky , HAL 9000'i olduğu kadar gerçekçi yapma projesinde bir danışmandı. zamanın fikir birliği tahminlerine göre mümkün; Crevier, onun 1967'de konuyla ilgili söylediğini aktarır: "Bir nesil içinde... 'yapay zeka' yaratma sorunu büyük ölçüde çözülecektir,"
Çeşitli klasik AI projeleri gibi Doug Lenat sitesindeki Sik (1984 başlayan) projesi ve Allen Newell, 's uçmak projesi, özellikle AGI yönelikti.
Bununla birlikte, 1970'lerin başında ve sonra tekrar 90'ların başında, araştırmacıların projenin zorluğunu büyük ölçüde hafife aldıkları ortaya çıktı. Finansman kuruluşları AGI'ye şüpheyle yaklaştı ve araştırmacıları yararlı "uygulamalı AI" üretmeleri için artan bir baskı altına soktu. 1980'ler başladığında, Japonya'nın Beşinci Nesil Bilgisayar Projesi, AGI'ye olan ilgiyi canlandırdı ve "sıradan bir sohbete devam etmek" gibi AGI hedeflerini içeren on yıllık bir zaman çizelgesi belirledi. Buna ve uzman sistemlerin başarısına yanıt olarak , hem endüstri hem de hükümet alana para pompaladı. Ancak, AI'ya olan güven 1980'lerin sonunda olağanüstü bir şekilde çöktü ve Beşinci Nesil Bilgisayar Projesi'nin hedefleri hiçbir zaman yerine getirilmedi. 20 yıl içinde ikinci kez, YGZ'nin yakın başarısını öngören yapay zeka araştırmacılarının temelden yanıldıkları gösterildi. 1990'lara gelindiğinde, yapay zeka araştırmacıları boş vaatlerde bulunmalarıyla ün kazanmışlardı. Onlar, "hayalperestler" olarak etiketlenmekten korktukları için, "insan düzeyinde" yapay zekadan herhangi bir şekilde bahsetmekten ve tahminlerde bulunmaktan hiç çekindiler.
Dar AI araştırması
1990'larda ve 21. yüzyılın başlarında, ana akım AI, yapay sinir ağları ve istatistiksel makine öğrenimi gibi doğrulanabilir sonuçlar ve ticari uygulamalar üretebilecekleri belirli alt problemlere odaklanarak çok daha büyük ticari başarı ve akademik saygınlık elde etti . Bu "uygulamalı yapay zeka" sistemleri artık teknoloji endüstrisinde yaygın olarak kullanılmaktadır ve bu yöndeki araştırmalar hem akademi hem de endüstride çok büyük ölçüde finanse edilmektedir. Şu anda, bu alandaki gelişme, yükselen bir trend olarak kabul ediliyor ve 10 yıldan fazla bir süre içinde olgun bir aşamanın gerçekleşmesi bekleniyor.
Çoğu ana akım AI araştırmacısı, çeşitli alt problemleri çözen programları birleştirerek güçlü AI'nın geliştirilebileceğini umuyor. Hans Moravec 1988'de şöyle yazmıştı:
"Yapay zekaya giden bu aşağıdan yukarıya rotanın bir gün geleneksel yukarıdan aşağıya rotayı yarıdan fazla karşılayacağından, gerçek dünya yetkinliğini ve akıl yürütme programlarında çok sinir bozucu bir şekilde zor olan sağduyu bilgisini sağlamaya hazır olacağından eminim . Tamamen Akıllı makineler , iki çabayı birleştiren mecazi altın başak sürüldüğünde ortaya çıkacaktır ."
Ancak bu temel felsefe bile tartışmalıdır; örneğin, Princeton'dan Stevan Harnad, Sembol Topraklama Hipotezi üzerine 1990 tarihli makalesini şu şekilde sonlandırdı :
"Bilişi modellemeye yönelik "yukarıdan aşağıya" (sembolik) yaklaşımların bir şekilde "aşağıdan yukarıya" (duyusal) yaklaşımları bir şekilde karşılayacağı beklentisi sık sık dile getirilmiştir. Bu makaledeki temellendirme düşünceleri geçerliyse, o zaman bu beklenti umutsuzca modülerdir ve anlamdan sembollere giden tek bir geçerli yol vardır: sıfırdan.Bir bilgisayarın yazılım seviyesi gibi serbest dolaşan bir sembolik seviyeye bu yolla asla ulaşılamaz (veya tam tersi) - ne de net neden böyle bir düzeye ulaşmaya çalışmalıyız, çünkü oraya ulaşmak sadece sembollerimizi içsel anlamlarından koparmak anlamına geliyor (böylece kendimizi sadece programlanabilir bir bilgisayarın işlevsel eşdeğerine indirgiyoruz).
Modern yapay genel zeka araştırması
"Yapay genel istihbarat" terimi, 1997 gibi erken bir tarihte Mark Gubrud tarafından tam otomatik askeri üretim ve operasyonların etkileri üzerine bir tartışmada kullanıldı. Terim 2002 civarında Shane Legg ve Ben Goertzel tarafından yeniden tanıtıldı ve popüler hale getirildi . 2006'daki AGI araştırma faaliyeti Pei Wang ve Ben Goertzel tarafından "yayınlar ve ön sonuçlar üretmek" olarak tanımlandı. AGI'deki ilk yaz okulu, 2009 yılında Xiamen üniversitesinin Yapay Beyin Laboratuvarı ve OpenCog tarafından Çin'in Xiamen kentinde düzenlendi. İlk üniversite dersi 2010 ve 2011 yıllarında Todor Arnaudov tarafından Bulgaristan'ın Plovdiv Üniversitesi'nde verilmiştir. MIT, 2018'de Lex Fridman tarafından düzenlenen ve çok sayıda konuk öğretim görevlisinin yer aldığı bir AGI kursu sundu.
Bununla birlikte, çoğu AI araştırmacısı, bazıları zekanın yakın vadede tamamen kopyalanamayacak kadar karmaşık olduğunu iddia ederek, AGI'ye çok az ilgi gösterdi. Ancak, az sayıda bilgisayar bilimcisi YGZ araştırmalarında aktiftir ve bu grubun çoğu bir dizi YGZ konferansına katkıda bulunmaktadır . Araştırma son derece çeşitlidir ve genellikle doğada öncüdür.
Zaman Ölçekleri: Goertzel, 2006 kitabının girişinde, gerçekten esnek bir AGI inşa edilmeden önce gereken sürenin tahminlerinin 10 yıldan bir asırdan fazla olduğunu söylüyor, ancak AGI araştırma topluluğundaki 2007 fikir birliği, tartışılan zaman çizelgesinin şu şekilde olduğunu söylüyor. tarafından Ray Kurzweil içinde Eşsizlikle yakınlarında (örneğin 2015 ve 2045 arasında) akla yatkındır. - Bununla birlikte, ana akım AI araştırmacıları, ilerlemenin bu kadar hızlı olup olmayacağı konusunda çok çeşitli görüşler verdiler. Bu tür 95 görüşün 2012 yılındaki bir meta-analizi, hem modern hem de tarihsel tahminler için YGZ'nin başlangıcının 16-26 yıl içinde gerçekleşeceğini tahmin etmeye yönelik bir önyargı buldu. Daha sonra, veri setinin bazı uzmanları uzman olmayan olarak listelediği ve bunun tersi olduğu tespit edildi.
Açıkça AGI'yi takip eden kuruluşlar arasında İsviçre AI laboratuvarı IDSIA , Nnaisense, Vicarious , Maluuba , OpenCog Foundation , Adaptive AI, LIDA ve Numenta ve ilgili Redwood Neuroscience Institute bulunmaktadır . Ek olarak, AGI'nin gelişim yolunu etkilemek için Machine Intelligence Research Institute ve OpenAI gibi kuruluşlar kurulmuştur. Son olarak, İnsan Beyni Projesi gibi projeler , insan beyninin işleyen bir simülasyonunu oluşturma hedefine sahiptir. AGI'nin 2017 araştırması, açık veya örtük olarak (yayınlanmış araştırmalar yoluyla) AGI'yi araştıran ve en büyük üçü DeepMind , İnsan Beyin Projesi ve OpenAI olmak üzere bilinen kırk beş "aktif Ar-Ge projesini" kategorize etti .
2017'de Ben Goertzel , geldiğinde AGI'nin demokratik, merkezi olmayan kontrolünü kolaylaştırmak amacıyla AI platformu SingularityNET'i kurdu .
2017 yılında araştırmacılar Feng Liu, Yong Shi ve Ying Liu, Google AI veya Apple'ın Siri ve diğerleri gibi halka açık ve ücretsiz olarak erişilebilen zayıf AI üzerinde zeka testleri gerçekleştirdi. Maksimumda, bu AI, birinci sınıftaki yaklaşık altı yaşındaki bir çocuğa karşılık gelen yaklaşık 47'lik bir IQ değerine ulaştı. Bir yetişkin ortalama olarak yaklaşık 100'e gelir. Benzer testler 2014'te yapılmıştı ve IQ puanı maksimum 27'ye ulaştı.
2019'da video oyun programcısı ve havacılık mühendisi John Carmack , AGI araştırma planlarını açıkladı.
2020'de OpenAI , belirli bir eğitim olmaksızın birçok farklı görevi yerine getirebilen bir dil modeli olan GPT-3'ü geliştirdi . Bir VentureBeat makalesindeki Gary Grossman'a göre , GPT-3'ün bir YGZ örneği olmadığı konusunda fikir birliği olsa da, bazıları tarafından dar bir yapay zeka sistemi olarak sınıflandırılamayacak kadar ileri düzeyde olduğu düşünülüyor. Aynı yıl Jason Rohrer, GPT-3 hesabını bir sohbet robotu geliştirmek için kullandı ve "Aralık Projesi" adlı bir sohbet robotu geliştirme platformu sağladı. OpenAI, güvenlik yönergelerine uyması için sohbet robotunda değişiklik yapılmasını istedi; Rohrer, Aralık Projesi'ni GPT-3 API'sinden ayırdı.
beyin simülasyonu
Tüm beyin öykünmesi
Genel akıllı eyleme ulaşmak için tartışılan popüler bir yaklaşım, tüm beyin öykünmesidir . Düşük seviyeli bir beyin modeli, biyolojik bir beynin ayrıntılı olarak taranması ve haritalanması ve durumunun bir bilgisayar sistemine veya başka bir hesaplama cihazına kopyalanmasıyla oluşturulur. Bilgisayar , orijinaline o kadar sadık bir simülasyon modeli çalıştırır ki, esasen orijinal beyinle aynı şekilde veya tüm pratik amaçlar için ayırt edilemez bir şekilde davranacaktır. Tüm beyin öykünmesi, tıbbi araştırma amaçlı beyin simülasyonu bağlamında, hesaplamalı sinirbilim ve nöroinformatikte tartışılmaktadır . Yapay zeka araştırmalarında güçlü yapay zekaya bir yaklaşım olarak tartışılmaktadır . Gerekli ayrıntılı anlayışı sağlayabilecek beyin görüntüleme teknolojileri hızla gelişiyor ve fütürist Ray Kurzweil The Singularity Is Near kitabında , gerekli bilgi işlem gücüne benzer bir zaman ölçeğinde yeterli kalitede bir haritanın mevcut olacağını tahmin ediyor.
Erken tahminler
Düşük seviyeli beyin simülasyonu için son derece güçlü bir bilgisayar gerekli olacaktır. İnsan beyni çok büyük numarası vardır sinaps . 10 11 (yüz milyar) nöronun her biri , diğer nöronlarla ortalama 7.000 sinaptik bağlantıya (sinaps) sahiptir. Üç yaşındaki bir çocuğun beyninin yaklaşık 10 15 sinaps (1 katrilyon) olduğu tahmin edilmektedir . Bu sayı yaşla birlikte azalır, yetişkinlikte sabitlenir. Tahminler, bir yetişkin için 10 14 ila 5×10 14 sinaps (100 ila 500 trilyon) arasında değişir . Nöron aktivitesi için basit bir geçiş modeline dayanan beynin işlem gücünün bir tahmini, saniyede yaklaşık 10 14 (100 trilyon) sinaptik güncellemedir ( SUPS ). 1997'de Kurzweil, insan beynine eşit olmak için gereken donanım için çeşitli tahminlere baktı ve saniyede 10 16 hesaplama (cps) rakamını benimsedi . (A "hesaplama", "bir eşdeğer ise Karşılaştırma için, nokta operasyonu kayan " - ölçer akımı vermek için kullanılan süper ' daha sonra 10 - 16 ila 10 eşdeğer olacaktır "hesaplamaları" petaflop , 2011'de sağlanmıştır ). Bu rakamı, yazının yazıldığı sırada bilgisayar gücündeki üstel büyüme devam ederse, gerekli donanımın 2015 ile 2025 arasında mevcut olacağını tahmin etmek için kullandı.
Nöronları daha detaylı modelleme
Yapay nöron modeli Kurzweil tarafından kabul ve birçok güncel kullanılan yapay sinir ağı ile basit karşılaştırılır uygulamaları biyolojik nöronlar . Bir beyin simülasyonu muhtemelen biyolojik nöronların ayrıntılı hücresel davranışını yakalamak zorundaydı , şu anda sadece en geniş ana hatlarıyla anlaşılabiliyordu. Nöral davranışın (özellikle moleküler ölçekte) biyolojik, kimyasal ve fiziksel ayrıntılarının tam olarak modellenmesiyle ortaya çıkan ek yük, Kurzweil'in tahmininden birkaç kat daha büyük hesaplama güçleri gerektirecektir. Ek olarak, tahminler , en az nöronlar kadar çok sayıda olan ve nöronlardan 10:1 kadar fazla olabilen ve artık bilişsel süreçlerde rol oynadığı bilinen glial hücreleri hesaba katmaz .
Mevcut araştırma
Konvansiyonel bilgi işlem mimarilerinde uygulanan daha karmaşık sinir modelleri kullanarak beyin simülasyonunu araştıran bazı araştırma projeleri vardır. Yapay zeka sistemi projesi (10 içeren bir "beyin" içinde gerçek zamanlı olmayan simülasyonlar uygulanan 11 bir model 1 saniye simüle etmek için 27 işlemci bir kümede 50 gün sürdü 2005 nöronların). Mavi Beyin projesi dünyanın en hızlı süper bilgisayar mimarileri biri kullanılan IBM 'in Mavi Gen tek sıçan gerçek zamanlı simülasyon oluşturmak için, bir platform neokortikal sütuna yaklaşık 10.000 nöron ve 10 oluşan 8 2006. A sinapsların daha uzun vadeli Mavi Beyin Projesi direktörü Henry Markram , 2009'da "İnsan beyni inşa etmek imkansız değil ve bunu 10 yılda yapabiliriz" demişti. en TED konferansında Oxford. Bir kedi beynini simüle ettiğine dair tartışmalı iddialar da var . Nöro-silikon arayüzleri, daha iyi ölçeklenebilecek alternatif bir uygulama stratejisi olarak önerilmiştir.
Hans Moravec , 1997 tarihli "Bilgisayar donanımı insan beyniyle ne zaman eşleşecek?" başlıklı makalesinde yukarıdaki argümanlara ("beyinler daha karmaşıktır", "nöronların daha ayrıntılı olarak modellenmesi gerekir") değindi. Mevcut yazılımın sinir dokusunun, özellikle de retinanın işlevselliğini simüle etme yeteneğini ölçtü. Sonuçları, glial hücre sayısına veya ne tür işlem yapan nöronların nerede gerçekleştirdiğine bağlı değildir.
Biyolojik nöronları modellemenin gerçek karmaşıklığı , sinir ağında yalnızca 302 nöronu olan (toplamda yaklaşık 1000 hücre arasında) bir solucanın tam simülasyonunu amaçlayan OpenWorm projesinde araştırıldı . Hayvanın sinir ağı, proje başlamadan önce iyi belgelenmiştir. Ancak, başlangıçta görev basit görünse de, genel bir sinir ağına dayalı modeller işe yaramadı. Şu anda, çabalar biyolojik nöronların (kısmen moleküler düzeyde) hassas öykünmesine odaklanmıştır, ancak sonuç henüz tam bir başarı olarak adlandırılamaz. İnsan beyni ölçeğinde bir modelde çözülmesi gereken sorunların sayısı nöronların sayısıyla orantılı olmasa bile, bu yoldaki iş miktarı açıktır.
Simülasyon tabanlı yaklaşımların eleştirileri
Simüle edilmiş beyin yaklaşımına yönelik temel bir eleştiri, insan bedenlenmesinin insan zekasının temel bir yönü olarak alındığı bedenlenmiş bilişten kaynaklanmaktadır . Birçok araştırmacı, anlamı temellendirmek için somutlaştırmanın gerekli olduğuna inanır. Bu görüş doğruysa, tamamen işlevsel herhangi bir beyin modelinin nöronlardan daha fazlasını (yani robotik bir gövdeyi) kapsaması gerekecektir. Goertzel ( Second Life'da olduğu gibi) sanal somutlaşma önermektedir , ancak bunun yeterli olup olmayacağı henüz bilinmemektedir.
10'dan fazla yetenekli mikroişlemciler kullanılarak Masaüstü bilgisayarlar 9 (yukarıya bakınız Kurzweil'in standart dışı birimi "saniyedeki hesaplamaları") cps Kurzweil (ve Moravec) tarafından kullanılan beyin gücü tahminlerine göre 2005 yılından bu yana mevcut olmuştur, bu bilgisayar olmalı bir arı beyninin simülasyonunu destekleyebilir, ancak bazı ilgilere rağmen böyle bir simülasyon yoktur. Bunun en az üç nedeni vardır:
- Nöron modeli aşırı basitleştirilmiş gibi görünüyor (bir sonraki bölüme bakın).
- Fonksiyonel manyetik rezonans görüntüleme gibi teknikler kullanılarak gözlemlenen beynin nöral aktivitesinin neyle ilişkili olduğunu doğru bir şekilde belirlemek için daha yüksek bilişsel süreçlerin anlaşılması yetersizdir .
- Biliş anlayışımız yeterince ilerlese bile, erken simülasyon programlarının çok verimsiz olması muhtemeldir ve bu nedenle önemli ölçüde daha fazla donanıma ihtiyaç duyacaktır.
- Bir organizmanın beyni, kritik olmakla birlikte, bilişsel bir model için uygun bir sınır olmayabilir. Bir arı beynini simüle etmek için vücudu ve çevreyi simüle etmek gerekebilir. Genişletilmiş Zihin tezi, felsefi kavramı resmileştirir ve kafadanbacaklılarla ilgili araştırmalar, merkezi olmayan bir sistemin açık örneklerini göstermiştir.
Ek olarak, insan beyninin ölçeği şu anda iyi sınırlı değildir. Bir tahmin, insan beynini yaklaşık 100 milyar nörona ve 100 trilyon sinapsa koyuyor. Başka bir tahmin, 16,3 milyarı serebral kortekste ve 69 milyarı beyincikte olmak üzere 86 milyar nörondur . Glial hücre sinapsları şu anda nicel değildir, ancak çok sayıda olduğu bilinmektedir.
felsefi bakış açısı
Felsefede tanımlandığı şekliyle "Güçlü AI"
1980'de filozof John Searle , Çin odası argümanının bir parçası olarak "güçlü AI" terimini kullandı . Yapay zeka ile ilgili iki farklı hipotez arasında ayrım yapmak istedi:
- Güçlü AI hipotezi : Bir yapay zeka sistemi "düşünebilir", "zihin" ve "bilinç" sahibi olabilir.
- Zayıf AI hipotezi : Bir yapay zeka sistemi (yalnızca) düşündüğü gibi davranabilir ve bir akla ve bilince sahip olabilir.
İlkini "güçlü" olarak adlandırdı çünkü daha güçlü bir ifade veriyor: makineye test edebileceğimiz tüm yeteneklerinin ötesine geçen özel bir şey olduğunu varsayar - "zayıf bir yapay zeka" makinesinin davranışı tam olarak aynı olurdu. "güçlü bir AI" makinesi, ancak ikincisi aynı zamanda öznel bilinçli deneyime sahip olacaktır. Bu kullanım, akademik AI araştırmalarında ve ders kitaplarında da yaygındır.
Mainstream AI, yalnızca bir programın nasıl davrandığıyla ilgilenir . Göre Russell ve Norvig , "Gerçek veya bir simülasyon dersek sürece programı eser olarak, onlar umurumda değil." Program davranabilir Eğer sanki Aklı varmış, o zaman olmadığını bilmek gerek yoktur aslında zihni var - gerçekten, anlatmak için bir yol olurdu. AI araştırması için Searle'nin "zayıf AI hipotezi", "yapay genel zeka mümkündür" ifadesine eşdeğerdir. Bu nedenle, Russell ve Norvig'e göre, "çoğu AI araştırmacısı, zayıf AI hipotezini kabul edilmiş olarak kabul eder ve güçlü AI hipotezini umursamaz." Bu nedenle, akademik AI araştırması için "Güçlü AI" ve "YGG" çok farklı iki şeydir.
Searle ve ana akım AI'nın aksine, Ray Kurzweil gibi bazı fütüristler "güçlü AI" terimini "insan düzeyinde yapay genel zeka" için kullanır. Bu, insan düzeyinde YGZ için bilincin gerekli olduğunu varsaymadığınız sürece, Searle'nin güçlü yapay zekası ile aynı değildir . Searle gibi akademik filozoflar bunun böyle olduğuna inanmıyor ve yapay zeka araştırmacıları umursamıyor.
bilinç
Bilim kurgu ve yapay zeka etiğinde önemli bir rol oynayan güçlü AI kavramıyla ilgili zekanın yanı sıra insan zihninin başka yönleri de vardır :
- bilinç : Öznel deneyim ve düşünceye sahip olmak .
- öz-farkındalık : Kendini ayrı bir birey olarak, özellikle kendi düşüncelerinin farkında olmak.
- duygu : Algıları veya duyguları öznel olarak "hissetme" yeteneği.
- sapience : Bilgelik kapasitesi.
Bu özelliklerin ahlaki bir boyutu vardır, çünkü bu güçlü AI formuna sahip bir makine, insan olmayan hayvanların haklarına benzer haklara sahip olabilir . Bu nedenle, tam etik temsilcilerin mevcut yasal ve sosyal çerçevelerle bütünleştirilmesine yönelik yaklaşımlar üzerine ön çalışmalar yapılmıştır. Bu yaklaşımlar, 'güçlü' yapay zekanın yasal konumu ve haklarına odaklanmıştır. Bill Joy , diğerlerinin yanı sıra, bu özelliklere sahip bir makinenin insan yaşamı veya onuruna yönelik bir tehdit olabileceğini savunuyor.
Güçlü AI için bu özelliklerden herhangi birinin gerekli olup olmadığı gösterilmeye devam ediyor . Bilincin rolü net değildir ve şu anda varlığı için üzerinde anlaşmaya varılmış bir test yoktur. Eğer bir makine, bilincin sinirsel bağıntılarını simüle eden bir cihazla yapılırsa , otomatik olarak öz-farkındalığa sahip olur mu? Duyarlılık gibi bu özelliklerden bazılarının tamamen akıllı bir makineden doğal olarak ortaya çıkması da mümkündür. Ayrıca , açıkça akıllı bir şekilde hareket etmeye başladıklarında bu özelliklerin makinelere atfedilmesinin doğal hale gelmesi de mümkündür .
Yapay bilinç araştırması
Güçlü AI/YGZ'de bilincin rolü tartışmalı olsa da, birçok YGZ araştırmacısı, bilinci uygulama olanaklarını araştıran araştırmaları hayati olarak görmektedir. Igor Aleksander , erken bir çabayla , bilinçli bir makine yaratma ilkelerinin zaten var olduğunu, ancak böyle bir makineyi dili anlayacak şekilde eğitmenin kırk yıl süreceğini savundu .
AI araştırmasının yavaş ilerlemesi için olası açıklamalar
Yapay zeka araştırmasının 1956'da başlamasından bu yana, bu alanın büyümesi zamanla yavaşladı ve insan düzeyinde akıllı eylemlere sahip yetenekli makineler yaratma amaçlarını durdurdu. Bu gecikme için olası bir açıklama, bilgisayarların yeterli bir bellek veya işlem gücü kapsamına sahip olmamasıdır. Ek olarak, AI araştırması sürecine bağlanan karmaşıklık seviyesi de AI araştırmasının ilerlemesini sınırlayabilir.
Çoğu AI araştırmacısı gelecekte güçlü AI'nın elde edilebileceğine inanırken, Hubert Dreyfus ve Roger Penrose gibi güçlü AI elde etme olasılığını reddeden bazı kişiler var . John McCarthy , insan düzeyinde yapay zekanın başarılacağına inanan çeşitli bilgisayar bilimcilerinden biriydi, ancak bir tarih kesin olarak tahmin edilemez.
Yapay zeka araştırmalarındaki yavaşlığın bir başka olası nedeni de kavramsal sınırlamalardır. Yapay zeka araştırmacılarının, güçlü bir yapay zeka elde etme arayışına daha güçlü bir temel ve katkı sağlamak için disiplinlerinin kavramsal çerçevesini değiştirmeleri gerekebilir. William Clocksin'in 2003'te yazdığı gibi: "Çerçeve, Weizenbaum'un zekanın kendisini yalnızca belirli sosyal ve kültürel bağlamlara göre gösterdiği şeklindeki gözleminden başlar".
Dahası, yapay zeka araştırmacıları matematik gibi insanların yapması gereken karmaşık işleri yapabilen bilgisayarlar yaratmayı başardılar, ancak tersine, insanların yapması kolay olan görevleri yerine getirebilecek bir bilgisayar geliştirmek için mücadele ettiler. yürümek gibi ( Moravec paradoksu ). David Gelernter tarafından tanımlanan bir problem, bazı insanların düşünme ve akıl yürütmenin eşdeğer olduğunu varsaymasıdır. Bununla birlikte, düşüncelerin ve bu düşüncelerin yaratıcısının bireysel olarak izole edilip edilmediği fikri, AI araştırmacılarının ilgisini çekti.
AI araştırmalarında son on yılda karşılaşılan sorunlar, AI'nın ilerlemesini daha da engelledi. Yapay zeka araştırmacıları tarafından vaat edilen başarısız tahminler ve insan davranışlarının tam olarak anlaşılmaması, insan seviyesindeki yapay zeka fikrinin azalmasına yardımcı oldu. Yapay zeka araştırmalarının ilerlemesi hem iyileştirme hem de hayal kırıklığı getirse de, çoğu araştırmacı 21. yüzyılda yapay zeka hedefine potansiyel olarak ulaşma konusunda iyimserlik kurdu.
Güçlü yapay zekanın ilerleyişindeki uzun araştırmalar için başka olası nedenler önerilmiştir. Bilimsel problemlerin karmaşıklığı ve insan beynini psikoloji ve nörofizyoloji yoluyla tam olarak anlama ihtiyacı, birçok araştırmacıyı insan beyninin bilgisayar donanımındaki işlevini taklit etme konusunda sınırlamıştır. Birçok araştırmacı, AI'nın gelecekteki tahminleriyle ilgili herhangi bir şüpheyi hafife alma eğilimindedir, ancak bu sorunları ciddiye almadan, insanlar sorunlu soruların çözümlerini gözden kaçırabilir.
Clocksin, yapay zeka araştırmasının ilerlemesini engelleyebilecek kavramsal bir sınırlamanın, insanların bilgisayar programları ve ekipmanın uygulanması için yanlış teknikleri kullanması olabileceğini söylüyor. AI araştırmacıları yapay zeka hedefini ilk kez hedeflemeye başladığında, ana ilgi insan akıl yürütmesiydi. Araştırmacılar, akıl yürütme yoluyla insan bilgisinin hesaplamalı modellerini oluşturmayı ve belirli bir bilişsel göreve sahip bir bilgisayarın nasıl tasarlanacağını bulmayı umuyorlardı.
Araştırmada belirli bir bağlamla çalışırken insanların yeniden tanımlama eğiliminde olduğu soyutlama pratiği, araştırmacılara yalnızca birkaç kavram üzerinde yoğunlaşma sağlar. Yapay zeka araştırmalarında soyutlamanın en verimli kullanımı, planlama ve problem çözmeden gelir. Amaç, bir hesaplamanın hızını artırmak olsa da, soyutlamanın rolü, soyutlama operatörlerinin katılımı hakkında sorular ortaya çıkarmıştır.
Yapay zekadaki yavaşlığın olası bir nedeni, birçok yapay zeka araştırmacısının buluşsal yöntemlerin bilgisayar performansı ile insan performansı arasında önemli bir ihlal içeren bir bölüm olduğunu kabul etmesiyle ilgilidir. Bir bilgisayara programlanan belirli işlevler, onun insan zekasına uymasını sağlayan gereksinimlerin birçoğunu açıklayabilir. Bu açıklamaların, güçlü AI elde etmedeki gecikmenin temel nedenleri olduğu garanti edilmez, ancak çok sayıda araştırmacı tarafından geniş çapta kabul edilir.
Makinelerin duygularla yaratılıp yaratılmayacağı fikrini tartışan birçok yapay zeka araştırmacısı var . Tipik AI modellerinde hiçbir duygu yoktur ve bazı araştırmacılar, duyguları makinelere programlamanın kendi akıllarına sahip olmalarını sağladığını söylüyor. Duygu, insanların deneyimlerini özetler çünkü bu deneyimleri hatırlamalarını sağlar. David Gelernter şöyle yazıyor: "İnsan duygularının tüm nüanslarını simüle etmedikçe hiçbir bilgisayar yaratıcı olamaz." Duyguyla ilgili bu endişe, AI araştırmacıları için problemler yarattı ve araştırması geleceğe doğru ilerledikçe güçlü AI kavramına bağlanıyor.
Tartışmalar ve tehlikeler
Fizibilite
Ağustos 2020 itibariyle, AGI henüz böyle bir sistem gösterilmediğinden spekülatif olmaya devam ediyor. Görüşler , yapay genel zekanın gelip gelmeyeceği ve ne zaman geleceği konusunda farklılık gösteriyor . Bir uçta, AI öncüsü Herbert A. Simon 1965'te şu varsayımda bulundu: "makineler, yirmi yıl içinde, bir adamın yapabileceği her işi yapabilir hale gelecek". Ancak bu öngörü gerçekleşmedi. Microsoft'un kurucu ortağı Paul Allen , "öngörülemeyen ve temelde öngörülemeyen atılımlar" ve "bilimsel olarak derin bir biliş anlayışı" gerektireceğinden, bu tür bir zekanın 21. yüzyılda olası olmadığına inanıyordu. The Guardian'da yazan robotist Alan Winfield, modern bilgisayar ve insan seviyesindeki yapay zeka arasındaki uçurumun, mevcut uzay uçuşu ile pratik ışıktan hızlı uzay uçuşu arasındaki uçurum kadar geniş olduğunu iddia etti.
Yapay Zeka uzmanlarının YGZ'nin uygulanabilirliği ve azalması konusundaki görüşleri ve 2010'larda yeniden canlanma görmüş olabilir. 2012 ve 2013'te yapılan dört anket, uzmanların YGZ'nin ne zaman geleceğine dair %50 emin olacakları ortanca tahminin, ankete bağlı olarak 2040 ile 2050 arasında olduğunu ve ortalamanın 2081 olduğunu gösterdi. Uzmanların %16.5'i " asla" aynı soru sorulduğunda, ancak bunun yerine %90 güvenle. Daha fazla güncel YGZ ilerleme hususları, İnsan düzeyinde YGZ'yi doğrulamaya yönelik Testler'in altında bulunabilir .
İnsan varlığına yönelik potansiyel tehdit
Yapay zekanın varoluşsal bir risk oluşturduğu ve bu riskin şu anda olduğundan çok daha fazla dikkat gerektirdiği tezi, birçok tanınmış kişi tarafından onaylanmıştır; belki de en ünlüleri Elon Musk , Bill Gates ve Stephen Hawking'dir . Tezi onaylayan en dikkate değer yapay zeka araştırmacısı Stuart J. Russell'dır . Tezin destekçileri bazen şüphecilere şaşkınlık gösteriyorlar: Gates, "bazı insanların neden endişe duymadığını anlamadığını" belirtiyor ve Hawking, 2014 başyazısında yaygın ilgisizliği eleştirdi:
'Yani, hesaplanamaz faydalar ve risklerle ilgili olası geleceklerle karşı karşıya kalan uzmanlar, en iyi sonucu sağlamak için kesinlikle mümkün olan her şeyi yapıyorlar, değil mi? Yanlış. Eğer üstün bir uzaylı uygarlığı bize 'Birkaç on yıl içinde geleceğiz' diye bir mesaj gönderirse, 'Tamam, buraya geldiğinde bizi ara, ışıkları açık bırakırız' diye cevap verir miyiz? Muhtemelen hayır – ama bu aşağı yukarı AI ile olan şey.'
Varoluşsal riskle ilgilenen bilim adamlarının çoğu, ileriye dönük en iyi yolun zor " kontrol problemini " çözmek için (muhtemelen çok büyük) araştırmalar yürütmek olduğuna ve şu soruyu yanıtlamak olduğuna inanıyor : programcılar ne tür güvenlik önlemleri, algoritmalar veya mimariler uygulayabilir? Tekrarlayan şekilde gelişen yapay zekalarının süper zekaya ulaştıktan sonra yıkıcı değil dostça davranmaya devam etme olasılığını en üst düzeye çıkarmak için mi?
Yapay zekanın varoluşsal risk oluşturabileceği tezinin de birçok güçlü olumsuz yanı var. Şüpheciler bazen, her şeye gücü yeten bir Tanrı'ya irrasyonel bir inancın yerini alan süper-zekâ olasılığına irrasyonel bir inançla, tezin gizli-dini olduğunu iddia ederler; bir uçta, Jaron Lanier , mevcut makinelerin herhangi bir şekilde akıllı olduğu konseptinin, zenginler tarafından "bir yanılsama" ve "muazzam bir hile" olduğunu savunuyor.
Mevcut eleştirilerin çoğu, YGZ'nin kısa vadede olası olmadığını savunuyor. Bilgisayar bilimcisi Gordon Bell , insan ırkının teknolojik tekilliğe ulaşmadan önce zaten kendini yok edeceğini savunuyor . Moore Yasası'nın orijinal savunucusu Gordon Moore , "Ben bir şüpheciyim. En azından uzun bir süre için [teknolojik bir tekilliğin] gerçekleşmesinin muhtemel olduğuna inanmıyorum. Ve neden böyle hissettiğimi bilmiyorum. yol." Eski Baidu Başkan Yardımcısı ve Baş Bilim Adamı Andrew Ng , AI varoluşsal riskinin "henüz gezegene ayak basmamışken Mars'taki aşırı nüfus konusunda endişelenmek gibi" olduğunu belirtiyor.
Ayrıca bakınız
- yapay beyin
- AI kontrol sorunu
- Otomatik makine öğrenimi
- BEYİN Girişimi
- Çin Beyin Projesi
- İnsanlığın Geleceği Enstitüsü
- Genel oyun oynama
- İnsan Beyni Projesi
- Zeka amplifikasyonu (IA)
- makine etiği
- Çok görevli öğrenme
- Yapay zekanın ana hatları
- transhümanizmin ana hatları
- süper zeka
- sentetik zeka
- Öğrenimi aktarın
- Loebner Ödülü
Notlar
Referanslar
Kaynaklar
- UNESCO Bilim Raporu: Daha Akıllı Gelişim İçin Zamana Karşı Yarış . Paris: UNESCO. 11 Haziran 2021. ISBN 978-92-3-100450-6.
- Aleksander, Igor (1996), İmkansız Zihinler , Dünya Bilimsel Yayıncılık Şirketi, ISBN 978-1-86094-036-1
- Azevedo FA, Carvalho LR, Grinberg LT, Farfel J, et al. (Nisan 2009), "Eşit sayıda nöronal ve nöronal olmayan hücre, insan beynini izometrik olarak büyütülmüş bir primat beyni yapıyor" , The Journal of Comparative Neurology , 513 (5): 532–41, doi : 10.1002/cne.21974 , PMID 19226510 , S2CID 5200449 , orijinalinden 18 Şubat 2021'de arşivlendi , alındı 4 Eylül 2013
- Berglas Anthony (2008), Yapay Zeka bizim torun öldür olacak , arşivlenen 23 Temmuz 2014 tarihinde orijinalinden , alınan 31 Ağustos 2012
- Chalmers, David (1996), Bilinçli Zihin , Oxford University Press.
- Clocksin, William (Ağustos 2003), "Yapay zeka ve gelecek", Kraliyet Topluluğunun Felsefi İşlemleri A , 361 (1809): 1721–1748, Bibcode : 2003RSPTA.361.1721C , doi : 10.1098/rsta.2003.1232 , PMID 12952683 , S2CID 31032007.
- Crevier, Daniel (1993). AI: Yapay Zeka için Çalkantılı Arama . New York, NY: Temel Kitaplar. ISBN'si 0-465-02997-3.
- Darrach, Brad (20 Kasım 1970), "İlk Elektronik Kişi Shakey ile Tanışın", Life Magazine , s. 58-68.
- Drachman, D (2005), "Yedek edecek beynimiz var mı?", Neurology , 64 (12): 2004–5, doi : 10.1212/01.WNL.0000166914.38327.BB , PMID 15985565 , S2CID 38482114.
- Feigenbaum, Edward A .; McCorduck, Pamela (1983), Beşinci Nesil: Yapay Zeka ve Japonya'nın Dünyaya Bilgisayar Mücadelesi , Michael Joseph, ISBN 978-0-7181-2401-4
- Gelernter, David (2010), Dream-mantık, İnternet ve Yapay Düşünce , orijinalinden 26 Temmuz 2010'da arşivlendi , alındı 25 Temmuz 2010
- Goertzel, Ben; Pennachin, Cassio, ed. (2006), Yapay Genel Zeka (PDF) , Springer, ISBN 978-3-540-23733-4, orijinalinden arşivlendi (PDF) 20 Mart 2013
- Goertzel, Ben (Aralık 2007), "İnsan düzeyinde yapay genel zeka ve teknolojik bir tekillik olasılığı: Ray Kurzweil'in The Singularity Is Near ve McDermott'un Kurzweil eleştirisine tepki" , Yapay Zeka , 171 (18, Özel İnceleme Sayısı) ): 1161–1173, doi : 10.1016/j.artint.2007.0.011 , orijinalinden arşivlendi 7 Ocak 2016 , alındı 1 Nisan 2009.
- Gubrud, Mark (Kasım 1997), "Nanotechnology and International Security" , Fifth Foresight Conference on Molecular Nanotechnology , orijinalinden arşivlendi 29 Mayıs 2011 , alındı 7 Mayıs 2011
- Helal, William E. "TechCast Makale Serisi: Düşüncenin Otomasyonu" (PDF) . Arşivlenmiş orijinal (PDF) 6 Haziran 2013 tarihinde.
- Holte, RC; Choueiry, BY (2003), "Yapay zekada soyutlama ve yeniden formülleştirme", Kraliyet Topluluğu B'nin Felsefi İşlemleri , 358 (1435): 1197-1204, doi : 10.1098/rstb.2003.1317 , PMC 1693218 , PMID 12903653.
- Howe, J. (Kasım 1994), Edinburgh Üniversitesi'nde Yapay Zeka: Bir Perspektif , orijinalinden arşivlendi 17 Ağustos 2007 , alındı 30 Ağustos 2007
- Johnson, Mark (1987), Akıldaki beden , Chicago, ISBN 978-0-226-40317-5
- Kurzweil, Ray (2005), Tekillik Yakın , Viking Press
- Lighthill, Profesör Sir James (1973), "Yapay Zeka: Genel Bir Araştırma", Yapay Zeka: bir kağıt sempozyumu , Bilim Araştırma Konseyi
- Luger, George; Stubblefield, William (2004), Yapay Zeka: Karmaşık Problem Çözme için Yapılar ve Stratejiler (5. baskı), The Benjamin/Cummings Publishing Company, Inc., s. 720 , ISBN 978-0-8053-4780-7
- McCarthy, John (Ekim 2007), "Buradan insan düzeyinde yapay zekaya", Yapay Zeka , 171 (18): 1174–1182, doi : 10.1016/j.artint.2007.100.09.
- McCorduck, Pamela (2004), Düşünen Makineler (2. baskı), Natick, MA: AK Peters, Ltd., ISBN 1-56881-205-1
- Moravec, Hans (1976), The Role of Raw Power in Intelligence , orijinalinden 3 Mart 2016'da arşivlendi , alındı 29 Eylül 2007
- Moravec, Hans (1988), Akıl Çocukları , Harvard University Press
- Moravec, Hans (1998), "Bilgisayar donanımı ne zaman insan beyniyle eşleşecek?" , Evrim ve Teknoloji Dergisi , 1 , arşivlenmiş orijinal Haziran 2006 15 , alınan 23 Haziran 2006
- Nagel (1974), "What Is Like to Be a Bat" (PDF) , Philosophical Review , 83 (4): 435–50, doi : 10.2307/2183914 , JSTOR 2183914 , 16 Ekim'de orijinalinden arşivlendi (PDF) 2011 , alındı 7 Kasım 2009.
- Newell, Allen ; Simon, HA (1963), "GPS: İnsan Düşüncesini Simüle Eden Bir Program", Feigenbaum, EA'da; Feldman, J. (ed.), Bilgisayarlar ve Düşünce , New York: McGraw-Hill
- Newell, Allen ; Simon, HA (1976). "Ampirik Sorgulama Olarak Bilgisayar Bilimi: Semboller ve Arama" . ACM'nin İletişimi . 19 (3): 113–126. doi : 10.1145/360018.360022 .
- Nilsson, Nils (1998), Yapay Zeka: Yeni Bir Sentez , Morgan Kaufmann Publishers, ISBN 978-1-55860-467-4
- NRC (1999), "Developments in Artificial Intelligence" , Funding a Revolution: Government Support for Computing Research , National Academy Press, 12 Ocak 2008 tarihinde orijinalinden arşivlendi , alındı 29 Eylül 2007
- Omohundro, Steve (2008), The Nature of Self- Improving Yapay Zeka , 2007 Singularity Summit, San Francisco, CA'da sunuldu ve dağıtıldı.
- Poole, David ; Mackworth, Alan; Goebel, Randy (1998), Hesaplamalı Zeka: Mantıksal Bir Yaklaşım , New York: Oxford University Press, orijinalinden 25 Temmuz 2009'da arşivlendi , alındı 6 Aralık 2007
- Russell, Stuart J .; Norvig, Peter (2003), Yapay Zeka: Modern Bir Yaklaşım (2. baskı), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2
- Sandberg, Anders; Boström, Nick (2008), Whole Brain Emulation: A Roadmap (PDF) , Teknik Rapor #2008-3, İnsanlığın Geleceği Enstitüsü, Oxford Üniversitesi, 25 Mart 2020'de orijinalinden arşivlendi (PDF) , 5 Nisan 2009'dan alındı
- Searle, John (1980), "Minds, Brains and Programs" (PDF) , Behavioral and Brain Sciences , 3 (3): 417–457, doi : 10.1017/S0140525X00005756 , orijinalinden arşivlendi (PDF) 17 Mart 2019 , 3 Eylül 2020 alındı
- Simon, HA (1965), Erkekler ve Yönetim için Otomasyonun Şekli , New York: Harper & Row
- Sutherland, JG (1990), "Holografik Bellek, Öğrenme ve İfade Modeli", International Journal of Neural Systems , 1-3 : 256-267.
- de Vega, Manuel; Glenberg, Arthur; Graesser, Arthur, der. (2008), Semboller ve Düzenleme: Anlam ve biliş üzerine tartışmalar , Oxford University Press, ISBN 978-0-19-921727-4.
- Wang, Pei; Goertzel, Ben (2007). "Giriş: Yapay Genel Zekanın Yönleri" . Yapay Genel Zekadaki Gelişmeler: Kavramlar, Mimariler ve Algoritmalar: AGI Çalıştayı 2006 Bildiriler Kitabı . s. 1-16. ISBN'si 978-1-58603-758-1. 18 Şubat 2021 tarihinde kaynağından arşivlendi . 13 Aralık 2020 alındı .
- Williams RW, Herrup K (1988), "Nöron sayısının kontrolü", Annual Review of Neuroscience , 11 : 423–53, doi : 10.1146/annurev.ne.11.030188.002231 , PMID 3284447.
- Yudkowsky, Eliezer (2006), "Yapay Genel Zeka" (PDF) , Annual Review of Psychology , Springer, 49 : 585-612, doi : 10.1146/annurev.psych.49.1.585 , ISBN 978-3-540-23733-4, PMID 9496632 , orijinalinden arşivlendi (PDF) 11 Nisan 2009.
- Yudkowsky, Eliezer (2008), " Küresel Riskte Olumlu ve Olumsuz Bir Faktör Olarak Yapay Zeka", Küresel Felaket Riskleri , Bibcode : 2008gcr..book..303Y , doi : 10.1093/oso/9780198570509.003.021 , ISBN 9780198570509.
- Zucker, Jean-Daniel (Temmuz 2003), "Yapay zekada temelli bir soyutlama teorisi", Felsefi İşlemler of the Royal Society B , 358 (1435): 1293-1309, doi : 10.1098/rstb.2003.1308 , PMC 1693211 , PMID 12903672.
Dış bağlantılar
- Pei Wang tarafından sürdürülen AGI portalı
- MIT'nin CSAIL'indeki Genesis Grubu - İnsan zekasının altında yatan hesaplamalar üzerine modern araştırma
- OpenCog – insan düzeyinde bir yapay zeka geliştirmek için açık kaynak projesi
- Mantıksal insan düşüncesini simüle etme
- Yapay Zeka Zaman Çizelgeleri Hakkında Ne Biliyoruz? - Literatür incelemesi