By 
Ωστόσο, ο Huang αναγνωρίζει ότι υπάρχει ένας ευρύτερος ορισμός του AGI που αποδέχονται πολλοί, ο οποίος περιλαμβάνει την αληθινή κατανόηση και την αναπαραγωγή των πολύπλοκων λειτουργιών του ανθρώπινου μυαλού. Αυτός ο ορισμός, παραδέχεται, παραμένει άπιαστος λόγω της συνεχιζόμενης επιστημονικής συζήτησης για τη φύση της ανθρώπινης νοημοσύνης. “Είναι δύσκολο να το πετύχεις ως μηχανικός” λόγω της έλλειψης σαφούς στόχου, εξηγεί το ανώτερο αφαντικό της NVIDIA.
Στην ίδια συζήτηση θίχτηκε επίσης το θέμα περί υποδομής που απαιτείται για την υποστήριξη της ανάπτυξης της τεχνητής νοημοσύνης. Ενώ έχουν εκφραστεί ανησυχίες σχετικά με την ανάγκη για επιπλέον εργοστάσια chip’s (fabs) για την κάλυψη της μελλοντικής ζήτησης, ο Huang πιστεύει ότι αυτό μπορεί να μην είναι τόσο κρίσιμο όσο κάποιοι φοβούνται. Επισημαίνει ότι οι εξελίξεις στους αλγόριθμους τεχνητής νοημοσύνης και την αποτελεσματικότητα επεξεργασίας πιθανότατα θα οδηγήσουν στην ανάγκη για λιγότερα chip’s συνολικά, παρά την αναμενόμενη ανάπτυξη των εφαρμογών τεχνητής νοημοσύνης.
Σε τι συμφωνούμε;
Πράγματι, η τεχνητή νοημοσύνη μπορεί να εξελίσσεται γρήγορα, με τη δυνατότητα να διαπρέψει σε συγκεκριμένες εργασίες. Ωστόσο, η αληθινή ουσία της ανθρώπινης νοημοσύνης, η οποία περιλαμβάνει πολύ περισσότερα από το να περάσει κανείς απλά τεστ, μπορεί να είναι ακόμα πολύ μακριά λόγω των θεμελιωδών προκλήσεων στην κατανόηση και την αναπαραγωγή της.
[via]
0 comments