¿Cuál es la diferencia entre la investigación de inteligencia artificial (IA) y la investigación de inteligencia general artificial (AGI)?

La investigación de IA utiliza Modelos de Realidad y, por lo tanto, es solo Programación. El Modelo de Realidad nunca puede ser completo y, por lo tanto, la IA está limitada para operar en los dominios problemáticos definidos por el Modelo. Por lo tanto, no es una inteligencia general. Estos también se denominan sistemas reduccionistas de IA, ya que el reduccionismo es exactamente el uso de modelos. El ejemplo más famoso de sistemas de IA reduccionistas es CYC (Ideas para el futuro), pero el procesamiento de lenguaje natural más moderno también es reduccionista ya que usan gramáticas, listas de palabras, diccionarios y otros modelos de lenguaje.

Por otro lado, la investigación de AGI se esfuerza hacia la inteligencia * general *. Los sistemas AGI, por lo tanto, no pueden usar Modelos; deben crearse utilizando métodos libres de modelo; los programadores no proporcionan modelos de dominios problemáticos. Los sistemas AGI crearán todos sus modelos ellos mismos, según sea necesario y según se encuentren. Tienen mecanismos para determinar “Lo que importa” en cualquier dominio problemático sin necesariamente saber nada sobre el dominio de antemano. Esto se conoce como “Estimación de dominio independiente de dominio” y es uno de los temas de investigación más importantes en el campo. Los métodos libres de modelos se utilizan para crear un sustrato de aprendizaje y ese es el alcance de la programación que se requiere para ellos … aprenden todo lo que saben de sus sentidos de entrada. Los AGI sin modelo suelen ser pequeños, estos sustratos solo requieren alrededor de 10.000 líneas de código, pero estas máquinas requieren mucha memoria durante su fase de entrenamiento.

La IA es principalmente “simbólica” y la AGI siempre es “subsimbólica”. AI usa lógica mientras que AGI debe usar Intuition. Los AGI basados ​​en la intuición también se pueden llamar “máquinas de comprensión”.

Para una introducción a la diferencia, mire la teoría del proceso dual y lea la intuición artificial. Se puede acceder a la mayor parte de mi trabajo a través de Syntience Technology Resources en la Web. Si desea avanzar a AGI como carrera, entonces se lo debe a usted mismo para comprender completamente la diferencia entre IA basada en modelos y AGI libre de modelos, ya que le permite evitar el 90% + de todos los libros de IA escritos, ya que generalmente tratan con modelos basados AI.

Como disciplina de investigación, la investigación de inteligencia artificial (IA) generalmente se refiere a la investigación en informática que utiliza las matemáticas y la lógica para realizar tareas particulares, a menudo con aplicaciones directas. Gran parte de la investigación en el campo de la IA no tiene relación con la creación de una IA, pero se centra en hacer esas tareas particulares de manera más rápida y mejor.

La investigación de IA que trabaja para desarrollar una IA puede llamarse investigación de inteligencia general artificial (AGI) o investigación de IA fuerte .

El término “AGI” fue acuñado por el Dr. Ben Goertzel, desarrollador del proyecto OpenCog AGI. Quería distinguir el significado actual de “AI”, de lo que solía significar. Mientras que “IA” solía significar hacer todo lo que el cerebro humano puede hacer, como ver, escuchar, navegar y conversar en lenguaje natural, ahora la etiqueta se aplica a cualquier cosa que sea remotamente inteligente en un dominio estrecho, como un sistema experto, un programa de ajedrez o un filtro de spam. Se refiere a estos sistemas como “IA estrecha”, para distinguirlos de “AGI”, un robot o avatar de uso general con el que podría interactuar como si fuera un humano. Por ejemplo, podríamos esperar que un AGI pueda graduarse de la universidad, realizar investigaciones independientes y publicar artículos científicos.

Si realmente podemos crear AGI es otra cuestión.