La gente dice que las mejoras exponenciales en la tecnología conducirán a una IA fuerte, y citan la ley de Moore. ¿Estamos viendo una mejora exponencial en las tasas de éxito de predicción en áreas como el reconocimiento de voz y el reconocimiento de objetos?

La IA a nivel humano necesita hardware y software.

En el frente del hardware, debe mirar muchas métricas clave, no solo la velocidad del reloj, etc.

1) El costo de borrar un poco de información (tanto en la memoria como en la lógica).

2) La complejidad del circuito que la tecnología puede soportar (2D o 3D es clave).

3) La velocidad de acceso al ram y qué tan estrechamente está acoplado el ram a la lógica.

4) Recuento de transistores.

La velocidad del reloj en realidad podría disminuir para lograr la eficiencia energética y evitar el sobrecalentamiento de los circuitos.

En el frente del software simplemente no sabemos cómo hacerlo. Nuestros mejores esfuerzos son bastante lamentables. Sin embargo, es probable que el algoritmo sea simple porque:

1) Hay pocos genes activados en el cerebro que no se activan en otras partes del cuerpo. La capacidad de información total es similar a los grandes paquetes de software actuales (que en realidad son bastante simples) y el algoritmo básico puede ser mucho más simple.

2) El cerebro puede lidiar con muchos escenarios y estilos de vida diferentes. Esto y la plasticidad del cerebro sugieren que se utiliza un algoritmo común simple y se adapta a la tarea en cuestión.

3) El principal problema en la investigación de IA es el problema del gradiente de fuga. Este es un problema con un carácter altamente matemático. Problemas matemáticos como este a menudo resultan en soluciones simples y elegantes.

El progreso en el software bien podría ser en forma de un salto repentino. En el escenario más pesimista, no lo resolvemos nosotros mismos, sino que simplemente copiamos el algoritmo del cerebro mismo. Eso sería difícil, pero probablemente no más allá de nuestra tecnología futura.

Debido a esto, la mejor medida de progreso son las estadísticas básicas del hardware. El progreso del software también es necesario, pero el progreso de hoy no es un buen indicador del futuro.

Las mejoras exponenciales no harán mágicamente IA, no. Kurzweil está un poco loco. La IA fuerte es software, y un software realmente difícil. Explicaría más, pero en realidad hay que cubrir una distancia inferencial muy larga, y voy a asumir que la gente aquí en su mayoría no ha leído todas las cosas correctas. Un buen lugar para comenzar es aquí, pero ten cuidado: este tipo de pregunta es la entrada a una madriguera de conejo obscenamente profunda.

Si solo está buscando mejores indicadores, vigile el progreso en el aprendizaje automático (especialmente las aproximaciones computables a la Inducción de Solomonoff), así como los últimos documentos sobre la auto modificación recursiva y la teoría de la decisión.

Otro indicador más débil serían los documentos filosóficos sobre enfoques reduccionistas de la conciencia. Pero no tomaría la mayoría de ellos demasiado en serio.

Cosas como el reconocimiento de voz se consideran una IA débil. Son actividades que necesitan inteligencia. Pero una IA que es capaz de hacer una tarea muy bien no implica que tenga inteligencia general. Si la IA es una IA fuerte, debe ser tanto inteligencia como conciencia (conciencia del entorno externo y también conciencia de los contenidos de los estados mentales). Pero todavía no tenemos suficientes teorías sobre inteligencia y conciencia para implementar una IA fuerte. Entonces, sin esas teorías, los desarrollos en tecnologías informáticas no serán de ninguna utilidad para el desarrollo de Storing AI.