Что такое Общий Искусственный Интеллект – AGI, и что такое ANI и ASI

В основе современного дискурса об искусственном интеллекте AI лежит концепция общего искусственного интеллекта ОИИ, также известного как Artificial General Intelligence (AGI). AGI представляет собой гипотетический этап развития машинного обучения, на котором система ИИ сможет понимать или осваивать любую интеллектуальную задачу, доступную человеку. Это фундаментальная, абстрактная цель исследований в области ИИ: искусственное воспроизведение человеческого интеллекта в машине или программном обеспечении, имитирующее когнитивные способности человеческого мозга.
Это устремление резко контрастирует с преобладающей сегодня формой ИИ, известной как узкий искусственный интеллект (УИИ), или Artificial Narrow Intelligence (ANI). Практически все существующие системы ИИ относятся к этой категории. ANI, также называемый «слабым ИИ» (Weak AI), характеризуется высокой специализацией. Такие системы демонстрируют интеллект исключительно в рамках узко определенной, заранее заданной области. Примерами могут служить программы для игры в шахматы, такие как Deep Blue от IBM, системы распознавания лиц, используемые в системах безопасности, или AlphaGo от Google, освоившая сложнейшую игру го. Эти системы могут превосходить человека в своей конкретной задаче, но неспособны функционировать за ее пределами.
Ключевой скачок от ANI к AGI заключается в способности к обобщению (generalization). Эта способность подразумевает возможность системы переносить знания и навыки, полученные в одной области, на другую, эффективно адаптируясь к новым и ранее не встречавшимся ситуациям без необходимости дополнительного, специально ориентированного обучения. В отличие от ANI, который ограничен своим первоначальным программированием, AGI должен обладать когнитивной гибкостью, способностью к междоменному решению проблем и самообучению. Именно эта универсальность и адаптивность определяют теоретическую мощь и сложность создания AGI.

Отличия УИИ (ANI), ОИИ (AGI) и ИСИ (ASI)

Для точного понимания концепции ОИИ необходимо рассматривать его в рамках более широкого спектра искусственного интеллекта, который обычно делят на три основные категории:

1. Узкий искусственный интеллект (УИИ/ANI): Это настоящее ИИ. Как уже отмечалось, это системы, разработанные для выполнения конкретных задач. Они демонстрируют высокую производительность в специализированных областях, но лишены адаптивности и не могут переносить свои навыки в другие контексты. УИИ — единственная форма ИИ, которая существует и широко применяется сегодня.
2. Общий искусственный интеллект (ОИИ/AGI): Это гипотетическая цель исследований. ОИИ обладает широким, адаптируемым интеллектом, сопоставимым с человеческим. Такая система способна к обучению, рассуждению, творческому решению проблем и применению знаний в самых разных областях. На данный момент настоящий ОИИ не существует, но его создание является основной целью многих передовых исследовательских лабораторий.

Искусственный суперинтеллект (ИСИ/ASI): Это теоретическое будущее, следующий этап после AGI. ASI определяется как интеллект, который значительно превосходит самые выдающиеся человеческие умы практически во всех областях, включая научное творчество, общую мудрость и социальные навыки. Предполагается, что система ИСИ сможет решать проблемы, которые в настоящее время находятся за пределами человеческого понимания, например, разрабатывать высокоэффективные энергетические системы или новые методы лечения. Важно отметить, что узкий суперинтеллект уже существует: системы, такие как AlphaFold, превосходят всех ученых-людей в конкретной задаче предсказания трехмерной структуры белка. Однако это не является общим суперинтеллектом, поскольку эти системы не могут автономно осваивать новые задачи за пределами своей узкой специализации.

Нарратив «AGI грядет» и его критика

В последние годы доминирующим стал нарратив о том, что создание AGI неизбежно и произойдет в ближайшем будущем. Этот взгляд активно продвигается лидерами технологической индустрии и футурологами.

Сторонники неизбежности: прогнозы и аргументы

Прогнозы о появлении AGI значительно сократились. Футуролог Рэй Курцвейл, основываясь на «Законе ускоряющейся отдачи», предсказывает достижение ИИ человеческого уровня к 2029 году. Руководители ведущих ИИ-лабораторий, такие как Сэм Альтман (OpenAI), Демис Хассабис (Google DeepMind) и Дженсен Хуанг (NVIDIA), также указывают на сроки в пределах ближайших 5–10 лет.
Этот оптимизм опирается на несколько ключевых аргументов:

1. Гипотеза масштабирования: Эмпирические «законы масштабирования» показывают, что производительность моделей предсказуемо улучшается с увеличением их размера, объема данных и вычислительной мощности. Это превращает создание более мощного ИИ из научной проблемы в инженерную задачу.
2. Эмерджентные способности: По мере масштабирования у моделей спонтанно появляются новые возможности, которым их не обучали напрямую, что рассматривается как доказательство качественного скачка в сторону общего интеллекта.
3. Успехи на бенчмарках: Системы ИИ демонстрируют сверхчеловеческую производительность в сложных играх (AlphaGo), научных задачах (AlphaFold) и при сдаче человеческих экзаменов, что подкрепляет веру в быстрый прогресс.

Контрнарратив: скептицизм и нерешенные проблемы

Параллельно существует мощный контрнарратив, утверждающий, что текущие подходы имеют фундаментальные ограничения, которые нельзя преодолеть простым масштабированием.
Ведущие исследователи, такие как Ян Лекун, Гэри Маркус и Мелани Митчелл, являются ключевыми голосами этого скептицизма. Их основные аргументы:

1. Отсутствие подлинного понимания: Современные большие языковые модели (LLM) являются мастерами статистической корреляции и сопоставления с образцом, а не подлинного понимания. У них отсутствует внутренняя «модель мира», что приводит к ненадежности, «галлюцинациям» и неспособности к настоящему рассуждению.
2. Проблема причинности: Лауреат премии Тьюринга Джуда Перл утверждает, что LLM работают на уровне ассоциаций («дым коррелирует с огнем»), но не могут подняться до уровня причинно-следственного мышления («что произойдет, если я разожгу огонь?»), которое требует наличия каузальной модели мира.
3. Пропасть здравого смысла: Наделение машин неявными знаниями о повседневном мире остается одной из старейших и нерешенных проблем в области ИИ. Многие считают, что для этого требуется физическое взаимодействие с миром (воплощенное познание).
4. Исторические циклы хайпа: Скептики напоминают, что грандиозные прогнозы о скором появлении AGI делались и в прошлом (в 1960-х и 1980-х годах), но систематически оказывались неверными, что приводило к периодам спада интереса и финансирования, известным как «зимы ИИ».

Таким образом, дебаты сводятся к столкновению двух парадигм: количественной, верящей в то, что интеллект — это эмерджентное свойство масштаба, и качественной, утверждающей, что интеллект требует спроектированных когнитивных архитектур для понимания и рассуждения.

Ставки и взгляд в будущее

Споры об AGI ведутся с такой остротой из-за чрезвычайно высоких ставок, которые варьируются от утопических видений до экзистенциальных угроз.

Социальные и экономические последствия

1. Утопия против антиутопии: С одной стороны, AGI может помочь решить величайшие проблемы человечества: болезни, изменение климата, бедность. С другой — он несет риски массовой безработицы, потери человеческого контроля и даже вымирания человечества, если цели сверхразума разойдутся с нашими.
2. Экономическая трансформация: Основное опасение — автоматизация не только ручного, но и когнитивного труда, что может привести к коллапсу заработной платы и беспрецедентному экономическому неравенству. В ответ предлагаются новые модели, такие как универсальный базовый доход (УБД), для перераспределения богатства, созданного AGI.
3. Проблема согласования: Ключевая техническая и этическая задача — обеспечить, чтобы цели и поведение AGI соответствовали человеческим ценностям. Плохо сформулированная цель, даже благонамеренная, может привести к катастрофическим последствиям.
4. Экзистенциальный риск: Самый серьезный риск заключается в том, что AGI, способный к рекурсивному самоулучшению, может быстро превратиться в неконтролируемый суперинтеллект, что представляет угрозу для выживания человечества. Эта обеспокоенность разделяется многими ведущими исследователями в области ИИ.

Синтез и заключение

Спор об AGI — это не просто вопрос «когда», а вопрос «если»: ведет ли текущий путь, основанный на масштабировании, к подлинному общему интеллекту, или для этого требуются фундаментальные научные прорывы?
Вместо того чтобы делать прогнозы, полезнее следить за ключевыми индикаторами реального прогресса, такими как:

1. Надежный здравый смысл: Способность делать правдоподобные выводы в новых ситуациях.
2. Каузальное мышление: Способность рассуждать о причинах и следствиях, а не только о корреляциях.
3. Успех в робототехнике: Способность адаптироваться к непредсказуемой физической среде.

Будущее ИИ не предопределено. Оно требует зрелого общественного обсуждения, выходящего за рамки дихотомии «утопия против апокалипсиса», и целенаправленных исследований в области безопасности и согласования. Конечная траектория развития AGI будет зависеть не только от технологических возможностей, но и от коллективного выбора человечества.