¿Quién es el investigador o laboratorio de investigación más cercano para alcanzar AGI?

Creo que Cycorp, hogar de CYC, es bastante abierto con su arquitectura y plan de negocios. Disfruté de una demostración de Skype ofrecida por dos de sus directores hace dos años, y me impresionó la forma en que el sistema manejó una sesión primaria de preguntas y respuestas. En última instancia, creo que CYC será un componente de una arquitectura AGI general: su ontología o base de datos de sentido común.

Aquí están mis candidatos para la corona AGI:

El enfoque de abajo hacia arriba de Google, ahora dirigido por Ray Kurzweil, es un proyecto de Manhattan de AGI. Los bolsillos profundos ganarán el día, pero ¿de quién?

El Watson de IBM es una maravilla de aprendizaje profundo profundamente impresionante, ahora está siendo entrenado para tomar el examen de licencia médica federal y preparado para muchos otros trabajos. Watson es la primera “computadora cognitiva” de buena fe. Predigo que en el 2020 IBM anunciará una máquina llamada Turing diseñada para pasar la prueba de Turing.

La NSA tiene un presupuesto negro de cincuenta mil millones de dólares. DARPA financia muchos proyectos de IA y robótica existentes. El DOD siempre ha querido crear una vasta arquitectura cognitiva que llene un espacio de batalla virtual con agentes inteligentes, introduzca variables y luego prediga el futuro. Eso suena como AGI plus.

En esta alineación es mejor esperar que IBM gane porque desde Blue Gene hasta Watson han sido abiertos y transparentes con su tecnología. El secreto ha sido sinónimo de los demás. AGI desarrollado rápidamente y en secreto es un camino seguro hacia el desastre.

CYC … pero …

Entonces, a menudo la gente pregunta si el proyecto CYC se trata de crear una IA. Aquí están mis 2 centavos … Eso es lo mismo que preguntar: “¿Java / JVM es un proyecto sobre la creación de un servidor web?”

El proyecto CYC se trata de crear una plataforma de programación para permitir que filósofos y programadores se conviertan en multiplicadores de fuerza de los demás. Para poder escribir un programa difícil. Descríbalo y explíquelo en la base de código de Cyc. exportar cada etapa en el flujo de datos para que sea algo que sucede a través de las variables de CycL dentro de una o más llamadas de predicados. O en una Microteoría para permitir visibilidad y repensar cómo se está resolviendo el problema. Solo al tener estos aspectos podría ser posible escribir código que sea tan duradero como la ontología y la lógica. Creo que alguien (como yo) * necesitaría * la infraestructura de aplicaciones de CYC para hacer algo tan desafiante como trabajar para lograr un AGI. (¿Tiempo de desarrollo más lento para trabajar fuera de ACL? No veo el beneficio de pasar tiempo transfiriendo todo mi código lisp a SubL)

CYC es simplemente un datashare de pizarra en el que se pueden conectar varios programas a la vez (y administrar el proceso) y hacer uso de datos superpuestos (relacionados con AI y no).

La mayor parte de CYC de AI-ish podría ser esta (esto ni siquiera es AI-ish) Para aprovechar la combinatoria de la creación de términos no vinculados (N ^ 2) (de ahora en adelante lo que parece un problema para las máquinas) para usarlo en algunos ventaja para convertirse en 1 / (N ^ 2). Creé un procedimiento de inferencia que ejecuta N + (N ^ 6/7)

Una analogía de lo que es CYC (en mi opinión)

Microsoft, hace unos años, comenzó a crear un sistema operativo donde todos los “programas de Windows” iban a registrarse en una ontología formal de “lo que hace este programa” y “por qué otro programa podría usar este programa” Ejemplo … En lugar de hacer un simple corrector gramatical para documentos de oficina … Enviarían secretamente sus oraciones en inglés a un programa de traducción inglés-> alemán. Si el traductor no tiene traducción (no sucede nada) pero tenía un buen traductor con una palabra ambigua en alemán que no “ida y vuelta” de vuelta al inglés, de vuelta al alemán. . Podría convertir su texto en verde en la palabra 2000 … Y sugerir la versión en inglés de la palabra alemana de disparo redondo … Si lo ignoró … En lugar de un cuadro de diálogo modal … Lo llamará a su línea fija. ModalDialogBox y LandLineVoiceCall eran formas ontológicamente equivalentes de entregar mensajes al usuario. Una parte del sistema operativo observó cómo movía el mouse y el trabajo consistía en afirmar en una pizarra la secuencia de las últimas cosas en las que se hizo clic. Si hubiera pasado un tiempo, y el sistema estaba a punto de hacer un quinto intento en un cuadro de diálogo, en su lugar llamaría a su teléfono fijo. Nadie hizo tal afirmación. Esto era una programación informática lógicamente explícita.

Esto es lo que impulsa mi interés en CYC

En 1969, Roger Schank introdujo la teoría de la dependencia conceptual para la comprensión del lenguaje natural. Durante los años 70, muchos programadores comenzaron a escribir ‘ontologías conceptuales’, que estructuraban la información del mundo real en datos entendibles por computadora. Algunos ejemplos son MARGIE (Schank, 1975), SAM (Cullingford, 1978), PAM (Wilensky, 1978), TaleSpin (Meehan, 1976), QUALM (Lehnert, 1977), Política (Carbonell, 1979) y Unidades de trama (Lehnert 1981 )

Lo que se demostró con un tipo muy específico de conocimientos previos (¿reglas de sentido común?) Programas de computadora (SAM / PAM) podría describir un escenario y simular potencialmente un guión (más adelante describiré cómo pasar de una historia / guión a un modelo de diálogo interno) ) que describe “una imagen más detallada” mágicamente leyendo entre líneas. Podría hacer inferencias y dar una prueba exacta (lo que nos permite solucionar sus errores) Es comprensible que una demostración como MicroSAM apenas funcione fuera de sus ejemplos. Aunque con lo que hace, veo un retorno entre el 99 y el 130% de la inversión de entrada de datos.

Conjetura:

Entonces, Cycorp creó una plataforma en la que varios programas (el tipo de programas de arriba) se pueden combinar (y administrar) a la vez. Sin pretensiones de conciencia o sentido de sí mismo.

Aquí es a lo que me refiero con respecto al “Sistema de programación”:

1) A veces, en lugar de escribir un toploop de demostración como: (progn (ask1) (ask2) (ask3) (answer123))

El flujo del programa puede gestionarse mediante una serie de afirmaciones / inserciones.

(afirmar (isa (QuestionNumFnOfCurrentTopic 1 DrDoHicky) InformationGatheringTodoItem-TODO))

Definir reglas que transmitan después
(isa (QuestionNumFnOfCurrentTopic 1 DrDoHicky) InformationGatheringTodoItem-COMPLETE)
para pasar a la pregunta 2 a continuación.

En otras palabras, programe 100% declarativamente. (Incluso el programador Lisp tiene el desafío de usar las partes Prolog de su cerebro)

2) Definir tipos de argumentos de funciones que tienen algo de semántica pizzaz
como # $ TexuaIExperience-IBT en lugar de “dumplog.text”

Ahora ontologícelo en algún lugar cerca de ExaminingHistoryForProblemClassification de alguna manera (por lo que más adelante se encontrará)

Las fortalezas del sistema:

CYC tiene reglas útiles de avance / retroceso para ayudar a normalizar / administrar datos de uso múltiple. (por lo tanto, la transformación de datos y la re-representación de hechos están muy bien controlados)

CYC tiene más de 9000 gafs no triviales y más de 1000 reglas que se encargan de especificar su implementación. (Me refiero a MT como # $ CoreCycLMt, # $ CoreCycLImplementationMt, # $ LogicalTruthImplementationMt y # $ LogicalTruthMt) controlan las definiciones de arranque de los tipos de argumentos internos y los conceptos básicos de la resolución proposicional. (El arnés de inferencia)

¿Qué problema tienen en común los programas SAM / QUALM / MARGIE? ¡Todo el programa anterior parece carecer del mismo tipo de datos de sentido común necesarios para funcionar correctamente! Además exacerbó que los llamaríamos “tramposos” si tuvieran datos suficientes para operar. Jajaja      CYC puede ejecutar fácilmente bases de códigos de juguetes de terceros y, mediante la transformación, ¡ahora podemos proporcionar a estas aplicaciones todos los datos que [supuestamente] necesitan!

Mis pensamientos internos (más oscuros) de por qué CYC es tan exitoso

Cycorp comenzó a escribir un gran programa PROLOG a principios de los años 80. Imagina a 50 personas a la vez durante 30 (un total de 150 personas años) ¿Quizás casi 500 almas individuales observaron y crearon cláusulas en forma de cuerno hasta que se mezclaron más de 4 millones de gafs y 1 millón de reglas y aún funciona? (Su canonicalizador CNF / DNF de CycL / KIF tiene muchas más reglas efectivas para muchos predicados de orden superior que transforman estos macro-predicados en varios cuellos de vinculación a la vez) Los filósofos / programadores de Cycorp harían varias tareas: escribir reglas de transformaciones sintácticas legales .. y comience a pensar en ellas como implicaciones lógicas y establezca jerarquías de interacciones entre áreas de la KB. Dominios separados .. (llamados Microtheories). Escribir reglas de nuevos tipos de inferencia basadas en lógicas modales. A veces inventando nuevas y útiles lógicas. Alinee el contenido de WordNet con los términos cyc anteriores, escriba el código de procedimiento en lisp y cree reglas de definición similares a PDDL para decirnos cuándo queremos # $ evalulateSubL. Ninguna de estas actividades altera demasiado el núcleo del “arnés de inferencia” del CYC. ¡Lo más probable es que incluso mejore los 150 años de trabajo ya! Nuestro nuevo contenido (o código) simplemente tiene que registrar cómo funciona en un conjunto de microteorías de vocabulario. Cycorp ha hecho algo asombroso. Conseguir que 500 no programadores escriban programas de código PROLOG S-Expresified compatibles (¡pero en CycL! (Enlace de documentos))