Respuesta corta: sí.
Pero requerirá un estilo de programación radicalmente diferente al que estábamos acostumbrados a usar en el pasado.
Otros han señalado la necesidad de contexto y de prominencia: la capacidad de decir lo que importa. Podría agregar creatividad, la capacidad de crear abstracciones y, ante todo, la capacidad de aprender de sus errores.
- ¿Qué es una explicación intuitiva de las limitaciones de las redes neuronales artificiales?
- ¿Es posible comenzar una carrera en Inteligencia Artificial / Aprendizaje Automático a los 45 años en India?
- ¿Cómo va a influir la inteligencia artificial en nuestra vida personal y profesional en las próximas dos décadas?
- ¿Qué tema debo elegir para hacer el proyecto en IA?
- Además de DeepMind y OpenAI, ¿qué otros equipos de investigación bien financiados están trabajando en AGI?
Estos no se implementarán como módulos o subsistemas individuales en una gran IA compleja con un diagrama de bloques que cubra toda su pared. En cambio, todos surgirán naturalmente, a través de la emergencia, de un algoritmo único y bastante simple que recibe información y entiende lo que significa … en contexto. Y mucha memoria.
Esta forma de programación radicalmente diferente; Hay varios ejemplos de productos y sistemas de investigación que ya utilizan este tipo de métodos: algoritmos que proporcionan * algún * nivel de comprensión medible, como la comprensión de voz de Android y el clasificador de imágenes de Google creado por Andrew Ng y Jeff Dean. Deep Learning es el nombre actual que usa la mayoría de las personas; Básicamente es un reetiquetado de ciertos tipos de redes neuronales con algunas modificaciones novedosas que personas como Geoff Hinton descubrieron en los últimos 30 años.
En términos más generales, me gusta hablar sobre los métodos libres de modelos: sistemas que pueden resolver problemas en cualquier dominio problemático en lugar de dominios que están explícitamente programados para manejar. Las redes neuronales pueden construirse usando métodos libres de modelos, pero también pueden usarse en otros tipos de sistemas y quizás la verdadera comprensión puede surgir de algún rincón inesperado del espacio libre de modelos. Pero en este momento, mi apuesta personal por la primera máquina realmente comprensiva es en grandes redes neuronales con neuronas clave inicialmente vacías que ejecutan algún “Algoritmo de Connectome” para determinar la interconectividad de neurona a neurona.