Семя ИИ - это концепция компьютерной программы с искусственным генерализованным интеллектом, изучающим свой собственный проект и делающим в нём улучшения, таким образом, делая себя более разумным и способным к дальнейшим улучшениям проекта в рекурсивном процессе самосовершенствования. Некоторые эксперты по созданию семени ИИ, такие как Вернор Виндж и Элизер Юдковский верят, что процесс рекурсивного самосовершенствования является достаточно мощным для того, что известно как "крутой взлёт" или очень быстрое ускорение от человеческого уровня разума к сверхчеловеческому уровню интеллекта. Компьютеры уже сейчас значительно превосходят биологические мозги в выполнении операций связанных со скоростью, точностью, масштабируемостью и модифицируемостью вычислений.
В настоящее время ведётся несколько проектов с ясно обозначенной целью создания искусственного интеллекта человеческого или сверхчеловеческого уровня, такие как Novamente/AGIRI, Singularity Institute for Artificial Intelligence (SIAI) и Cycorp.
Имитационная модель
Теория АГИ, функциональный подход
В функциональном подходе к проектированию АГИ (Автономного Генерализованного Интеллекта) мы в первую очередь определяем как, по нашему мнению, работает разум, а затем пытаемся научить нашу программу делать то же самое. Этот подход принят в ИМИТАЦИОННОЙ МОДЕЛИ.
Исходная модель интеллекта в моей интерпретации такова: если вы создадите некую систему с такими функциями как 1.восприятие, 2.база знаний, 3.обучение и 4.понимание, то вы получите интеллект. Теперь если вы зададите этой системе цель и мотивацию для стремления к этой цели путём выбора поведения, то вы приобретёте интеллектуального агента. И если вы предоставите в распоряжение этого агента некий метод модификации алгоритма своего собственного мышления, и результаты работы данного метода приведут к увеличению эффективности в достижении цели, то вы получите СемяИИ (Seed AI). Поведенческий цикл с обратной связью, получающий из окружающей среды отклик, воспринимаемый системой, информирует систему об эффективности поведения.
· ВОСПРИЯТИЕ
Модуль сенсорной модальности выполняет функцию восприятия. Тип восприятия в модели не уточняется. Это может быть зрение, слух, обоняние или несколько одновременно действующих чувственных ощущений. Для того чтобы первая реализация модели была простой, лишь для доказательства правильности концепции, было бы полезно выбрать какое-либо одно хорошо понятное чувство. Некоторые довольно неплохие работы были сделаны на ранних стадиях изучения зрения и слухового восприятия, но недостаточно законченные для наших целей, поэтому я бы предложил использовать простой поток данных от какой-либо искусственной среды, такой как игра в шахматы. Единый модуль SM1, в черновом варианте, реализует в себе весь набор операций, включая низкоуровневые фильтры, функции сглаживания, распознавание образов среднего уровня и цель высшего уровня в пространстве, во времени, в движении и осознании интроспекции. Он получает входные сенсорные данные, в зависимости от типа чувственного восприятия, выполняет присущие ему функции и вырабатывает высокоуровневые абстракции. Например: некая камера, направленная на шахматную доску, каждые пять секунд посылает картинку в сенсорный модуль, сенсорный модуль выдаёт поток данных ясно показывающий, что белая королева переместилась из квадрата E4 в квадрат E7, заменив стоящую там ранее белую пешку. В реальном воплощении этого замысла вряд ли были бы большие проблемы с написанием модуля сенсорной модальности зрения для проверки способности системы к обучению и самосовершенствованию. Я бы, вероятно, просто создал бы некий вид текстового интерфейса. Но в более поздних версиях подобной системы для реального мира, когда система имеет сложную цель, необходимо полностью реализовать весь известный комплекс чувственного восприятия.
· БАЗА ЗНАНИЙ
В первом приближении она представлена модулем RS1. Я представляю её как некую запись всей сенсорной памяти, то есть организованных физически и во времени сенсорных данных, порождённых окружающей средой, которая снабжена всеми необходимыми для обучения данными на основе деклараций, процедурного анализа и определения образов. Для меня это выглядит как статическое моделирование. Здесь определенно необходима обратная взаимосвязь с данными определения образов в модуле восприятия SM1.