Sfide del mondo reale per l’AGI

Sfide AGI nel mondo reale.

Nota: Questo post è un riassunto di un discorso tenuto al CERN Sparks! Serendipity Forum nel settembre 2021, che può essere visualizzato qui .

Quando le persone immaginano un mondo con intelligenza artificiale generale (AGI), è più probabile che vengano in mente i robot piuttosto che soluzioni abilitanti per i problemi più intrattabili della società. Ma io credo che la seconda opzione sia molto più vicina alla verità. L’AI sta già consentendo enormi progressi nel affrontare sfide fondamentali: dalla risoluzione della piegatura delle proteine alla previsione di modelli meteorologici accurati, gli scienziati stanno sempre più utilizzando l’AI per dedurre le regole e i principi che sottostanno a domini reali altamente complessi, che potrebbero non avere mai scoperto da soli.

I progressi nella ricerca sull’AGI potenzieranno la capacità della società di affrontare e gestire il cambiamento climatico, non solo a causa dell’urgenza ma anche della sua natura complessa e sfaccettata.

Prendendo il controllo

Osservando il campo della ricerca sull’AI oggi, ci sono due categorie comuni di problemi su cui gli scienziati si concentrano: previsione e controllo. I modelli di previsione cercano di apprendere un dominio (come i modelli meteorologici) e capire come potrebbe evolvere, mentre i modelli di controllo spingono gli agenti a compiere azioni in quell’ambiente. Costruire un percorso di successo verso l’AGI richiede la comprensione e lo sviluppo di algoritmi in entrambi gli spazi, tenendo conto di tutte le variazioni che i nostri ambienti naturali e sociali ci presentano, dalla mutazione dei virus all’evoluzione del linguaggio nell’uso e nel significato nel tempo, fino a come aiutare a produrre energia dalla fusione nucleare. Due domini reali a cui gli scienziati di DeepMind stanno contribuendo per affrontare il cambiamento climatico e allo stesso tempo sviluppare ciò che è necessario per costruire l’AGI sono la previsione meteorologica e il controllo del plasma per la fusione.

• L’apprendimento profondo non supervisionato identifica lo sdoppiamento semantico nei singoli neuroni della patch facciale inferotemporale.
• Sulla espressività del Markov Reward
• Esplorando la bellezza della matematica pura in modi nuovi.

I modelli meteorologici sono quasi impossibili da modellare con precisione: è un esempio delle variazioni della natura nella loro massima espressione. Tuttavia, le cause e gli effetti possono essere dedotti sulla base di enormi quantità di dati storici. Trasferendo gli stessi modelli generativi utilizzati per generare immagini e videoclip nell’apprendimento dei modelli meteorologici in collaborazione con il Met Office (il servizio meteorologico nazionale del Regno Unito), gli scienziati di DeepMind hanno sviluppato sistemi in grado di utilizzare 20 minuti di dati meteorologici per generare molteplici ipotesi per le mappe radar e prevedere con precisione le forti piogge nei successivi 90 minuti.

In modo critico, questi modelli aiuteranno i meteorologi a fornire previsioni che aiutano la presa di decisioni per i servizi di emergenza, la gestione dell’energia e l’attivazione dei sistemi di allarme per le inondazioni, consentendo una migliore preparazione e risposta agli eventi meteorologici estremi, che sono diventati sempre più comuni in tutto il mondo. Aiutare a prevedere eventi meteorologici importanti prevedendo modelli meteorologici accurati è un esempio di come la ricerca sull’AI possa avere un impatto significativo man mano che diventa più applicabile e “intelligente”.

Sfide globali

Oltre a rispondere agli effetti del cambiamento climatico, risolverne le cause è altrettanto, se non più, importante. La fusione, una fonte unica di energia pulita, illimitata e autosufficiente, è sfuggente, ma rimane una delle soluzioni più promettenti al mondo, che io ritengo richieda lo sviluppo di un algoritmo generale in grado di risolvere contemporaneamente molti componenti diversi. Già stiamo vedendo progressi in uno dei componenti, il problema estremamente complesso del mantenimento di forme di plasma innovative per consentire una migliore produzione di energia e stabilità del plasma il più a lungo possibile.

Lavorando con esperti di fama mondiale presso il Swiss Plasma Center e l’École polytechnique fédérale de Lausanne (EPFL), siamo in grado di andare oltre i modelli creati manualmente di oggi, applicando algoritmi di apprendimento profondo con rinforzo sviluppati inizialmente per la robotica al controllo del plasma. Il risultato è un controllore in grado di manipolare con successo diverse forme e configurazioni di plasma a 10.000 interazioni al secondo.

Senza la collaborazione degli esperti, i ricercatori di AI non possono fare progressi significativi in domini reali. Identificare i giusti percorsi in avanti in questi campi richiede partnership tra discipline, sfruttando un approccio scientifico comune per sviluppare e utilizzare l’AI per affrontare questioni complesse al centro dei bisogni più urgenti della società. Ecco perché sognare insieme con una varietà di scienziati naturali e sociali su come potrebbe essere un mondo con l’AGI è così importante.

Man mano che sviluppiamo l’AGI, affrontare sfide globali come il cambiamento climatico non solo avrà impatti cruciali e benefici che sono urgenti e necessari per il nostro mondo, ma farà anche progredire la scienza dell’AGI stessa. Molte altre categorie di problemi dell’AGI devono ancora essere risolte, dalla causalità all’apprendimento efficiente e al trasferimento, e man mano che gli algoritmi diventano più generali, sempre più problemi reali saranno risolti, contribuendo gradualmente a un sistema che un giorno aiuterà a risolvere tutto il resto.