செயற்கை பொது நுண்ணறிவு என்றால் என்ன? What is artificial general intelligence?

 

What is artificial general intelligence?

செயற்கை பொது நுண்ணறிவு என்றால் என்ன?

செயற்கை பொது நுண்ணறிவு (ஏஜிஐ) என்பது தத்துவார்த்த செயற்கை நுண்ணறிவு ஆராய்ச்சியின் ஒரு துறையாகும், இது மனிதனைப் போன்ற நுண்ணறிவு மற்றும் சுய கற்பிக்கும் திறனுடன் மென்பொருளை உருவாக்க முயற்சிக்கிறது. மென்பொருள் பயிற்சி பெறாத அல்லது உருவாக்கப்படாத பணிகளைச் செய்ய முடியும் என்பதே இதன் நோக்கம்.

தற்போதைய செயற்கை நுண்ணறிவு (AI) தொழில்நுட்பங்கள் அனைத்தும் முன்கூட்டியே தீர்மானிக்கப்பட்ட அளவுருக்களின் தொகுப்பிற்குள் செயல்படுகின்றன. எடுத்துக்காட்டாக, பட அங்கீகாரம் மற்றும் தலைமுறை ஆகியவற்றில் பயிற்சி பெற்ற AI மாதிரிகள் வலைத்தளங்களை உருவாக்க முடியாது. ஏஜிஐ என்பது தன்னாட்சி சுய கட்டுப்பாடு, நியாயமான அளவிலான சுய புரிதல் மற்றும் புதிய திறன்களைக் கற்றுக்கொள்ளும் திறனைக் கொண்ட செயற்கை நுண்ணறிவு அமைப்புகளை உருவாக்குவதற்கான ஒரு தத்துவார்த்த முயற்சியாகும். இது உருவாக்கப்பட்ட நேரத்தில் கற்பிக்கப்படாத அமைப்புகள் மற்றும் சூழல்களில் சிக்கலான சிக்கல்களைத் தீர்க்க முடியும். மனித திறன்களுடன் கூடிய ஏஜிஐ ஒரு தத்துவார்த்த கருத்து மற்றும் ஆராய்ச்சி இலக்காக உள்ளது.



செயற்கை நுண்ணறிவுக்கும் செயற்கை பொது நுண்ணறிவுக்கும் என்ன வித்தியாசம்?

பல தசாப்தங்களாக, செயற்கை நுண்ணறிவு ஆராய்ச்சியாளர்கள் இயந்திர நுண்ணறிவை கணிசமாக மேம்படுத்திய பல மைல்கற்களை பட்டியலிட்டுள்ளனர்-குறிப்பிட்ட பணிகளில் மனித நுண்ணறிவைப் பிரதிபலிக்கும் அளவிற்கு கூட. எடுத்துக்காட்டாக, AI சுருக்கங்கள் ஆவணங்களிலிருந்து முக்கியமான புள்ளிகளைப் பிரித்தெடுக்கவும், புரிந்துகொள்ளக்கூடிய சுருக்கத்தை உருவாக்கவும் இயந்திர கற்றல் (ML) மாதிரிகளைப் பயன்படுத்துகின்றன. AI என்பது ஒரு கணினி அறிவியல் துறையாகும், இது மென்பொருளை மனித அளவிலான செயல்திறனுடன் புதுமையான மற்றும் கடினமான பணிகளைத் தீர்க்க உதவுகிறது.

 


இதற்கு மாறாக, ஒரு ஏஜிஐ அமைப்பு ஒரு மனிதனைப் போன்ற பல்வேறு களங்களில் உள்ள சிக்கல்களை கையால் தலையிடாமல் தீர்க்க முடியும். ஒரு குறிப்பிட்ட எல்லைக்குள் மட்டுப்படுத்தப்படுவதற்குப் பதிலாக, ஏஜிஐ சுயமாக கற்பிக்கவும், அது ஒருபோதும் பயிற்சி பெறாத சிக்கல்களைத் தீர்க்கவும் முடியும். AGI என்பது ஒரு முழுமையான செயற்கை நுண்ணறிவின் தத்துவார்த்த பிரதிநிதித்துவமாகும், இது பொதுவான மனித அறிவாற்றல் திறன்களுடன் சிக்கலான பணிகளைத் தீர்க்கிறது.

சில கணினி விஞ்ஞானிகள் ஏஜிஐ என்பது மனித புரிதல் மற்றும் அறிவாற்றல் திறன்களைக் கொண்ட ஒரு கற்பனையான கணினி நிரல் என்று நம்புகிறார்கள். இத்தகைய கோட்பாடுகளில் கூடுதல் பயிற்சி இல்லாமல் அறிமுகமில்லாத பணிகளை கையாள AI அமைப்புகள் கற்றுக்கொள்ளலாம். மாற்றாக, இன்று நாம் பயன்படுத்தும் AI அமைப்புகளுக்கு ஒரே களத்திற்குள் தொடர்புடைய பணிகளை கையாளுவதற்கு முன்பு கணிசமான பயிற்சி தேவைப்படுகிறது. எடுத்துக்காட்டாக, ஒரு மருத்துவ சாட்போடாக தொடர்ந்து செயல்படுவதற்கு முன்பு, மருத்துவ தரவுத்தொகுப்புகளுடன் முன் பயிற்சி பெற்ற பெரிய மொழி மாதிரியை (எல். எல். எம்) நீங்கள் நன்றாக இணைக்க வேண்டும்.

பலவீனமான AI உடன் ஒப்பிடும்போது வலுவான AI
வலுவான AI என்பது முழு செயற்கை நுண்ணறிவு அல்லது AGI ஆகும், இது குறைந்த பின்னணி அறிவு இருந்தபோதிலும் மனித அறிவாற்றல் நிலைகளுடன் பணிகளைச் செய்யக்கூடியது. அறிவியல் புனைகதை பெரும்பாலும் வலுவான AI ஐ மனித புரிதலுடன் ஒரு சிந்தனை இயந்திரமாக சித்தரிக்கிறது, இது கள வரம்புகளுக்கு மட்டுப்படுத்தப்படவில்லை.

இதற்கு மாறாக, பலவீனமான AI அல்லது குறுகிய AI என்பது கணினி விவரக்குறிப்புகள், வழிமுறைகள் மற்றும் அவை வடிவமைக்கப்பட்ட குறிப்பிட்ட பணிகளுக்கு மட்டுப்படுத்தப்பட்ட AI அமைப்புகள் ஆகும். எடுத்துக்காட்டாக, முந்தைய AI மாதிரிகள் வரையறுக்கப்பட்ட நினைவுகளைக் கொண்டுள்ளன, மேலும் முடிவுகளை எடுக்க நிகழ்நேர தரவை மட்டுமே நம்பியுள்ளன. சிறந்த நினைவக தக்கவைப்பைக் கொண்ட வளர்ந்து வரும் ஜெனரேட்டிவ் AI பயன்பாடுகள் கூட பலவீனமான AI ஆகக் கருதப்படுகின்றன, ஏனெனில் அவை மற்ற களங்களுக்கு மறுபரிசீலனை செய்ய முடியாது.

செயற்கை பொது நுண்ணறிவு ஆராய்ச்சிக்கான கோட்பாட்டு அணுகுமுறைகள் யாவை?

 
ஏஜிஐயை அடைவதற்கு இன்று செயற்கை நுண்ணறிவு மாதிரிகளுக்கு அதிகாரம் அளிப்பதை விட பரந்த அளவிலான தொழில்நுட்பங்கள், தரவு மற்றும் ஒன்றோடொன்று இணைத்தல் தேவைப்படுகிறது. சிக்கலான மனித நடத்தையைப் பிரதிபலிக்கும் செயற்கை நுண்ணறிவை உருவாக்க படைப்பாற்றல், கருத்து, கற்றல் மற்றும் நினைவகம் அவசியம். ஏஜிஐ ஆராய்ச்சியை இயக்க செயற்கை நுண்ணறிவு வல்லுநர்கள் பல முறைகளை முன்மொழிந்துள்ளனர்.

அடையாளச் சின்னம்
விரிவாக்க தர்க்க நெட்வொர்க்குகளுடன் மனித எண்ணங்களைப் பிரதிநிதித்துவப்படுத்துவதன் மூலம் கணினி அமைப்புகள் ஏஜிஐயை உருவாக்க முடியும் என்று குறியீட்டு அணுகுமுறை கருதுகிறது. தர்க்க நெட்வொர்க் இயற்பியல் பொருள்களை வேறு தர்க்கத்துடன் குறிக்கிறது, இது AI அமைப்பை உயர்ந்த சிந்தனை மட்டத்தில் கருத்துக்களை விளக்க அனுமதிக்கிறது. இருப்பினும், குறியீட்டு பிரதிநிதித்துவம் புலனுணர்வு போன்ற கீழ் மட்டத்தில் நுட்பமான அறிவாற்றல் திறன்களைப் பிரதிபலிக்க முடியாது.

இணைப்பாளர்
இணைப்புவாதி (அல்லது வளர்ந்து வரும்) அணுகுமுறை நரம்பியல்-நெட்வொர்க் கட்டமைப்புடன் மனித மூளை கட்டமைப்பைப் பிரதிபலிப்பதில் கவனம் செலுத்துகிறது. மனிதர்கள் வெளிப்புற தூண்டுதல்களுடன் தொடர்பு கொள்ளும்போது மூளை நரம்பணுக்கள் அவற்றின் பரிமாற்ற பாதைகளை மாற்றலாம். இந்த துணை குறியீட்டு அணுகுமுறையை பின்பற்றும் AI மாதிரிகள் மனிதனைப் போன்ற நுண்ணறிவைப் பிரதிபலிக்கும் மற்றும் குறைந்த அளவிலான அறிவாற்றல் திறன்களை நிரூபிக்கும் என்று விஞ்ஞானிகள் நம்புகின்றனர். இயற்கை மொழிகளைப் புரிந்துகொள்ள இணைப்புவாத முறையைப் பயன்படுத்தும் செயற்கை நுண்ணறிவுக்கு பெரிய மொழி மாதிரிகள் ஒரு எடுத்துக்காட்டு.

அனைத்துலகவாதிகள்
உலகளாவிய அணுகுமுறையை எடுக்கும் ஆராய்ச்சியாளர்கள் கணக்கீட்டு மட்டத்தில் ஏஜிஐ சிக்கல்களை நிவர்த்தி செய்வதில் கவனம் செலுத்துகிறார்கள். அவர்கள் நடைமுறை ஏஜிஐ அமைப்புகளாக மறுபயன்பாடு செய்யக்கூடிய தத்துவார்த்த தீர்வுகளை உருவாக்க முயற்சிக்கின்றனர்.

முழு உயிரினக் கட்டமைப்பு
முழு உயிரின கட்டிடக்கலை அணுகுமுறையும் மனித உடலின் உடல் பிரதிநிதித்துவத்துடன் AI மாதிரிகளை ஒருங்கிணைப்பதை உள்ளடக்கியது. இந்தக் கோட்பாட்டை ஆதரிக்கும் விஞ்ஞானிகள், உடல் ரீதியான தொடர்புகளிலிருந்து அமைப்பு கற்றுக் கொள்ளும்போது மட்டுமே ஏஜிஐ அடைய முடியும் என்று நம்புகிறார்கள்.

கலப்பின அணுகுமுறை 

கலப்பின அணுகுமுறை ஒரு அணுகுமுறைக்கு அப்பால் முடிவுகளை அடைய மனித எண்ணங்களை பிரதிநிதித்துவப்படுத்தும் குறியீட்டு மற்றும் துணை குறியீட்டு முறைகளை ஆய்வு செய்கிறது. AI ஆராய்ச்சியாளர்கள் AGI ஐ உருவாக்க பல்வேறு அறியப்பட்ட கொள்கைகள் மற்றும் முறைகளை ஒருங்கிணைக்க முயற்சி செய்யலாம். 

செயற்கை பொது நுண்ணறிவு ஆராய்ச்சியை ஊக்குவிக்கும் தொழில்நுட்பங்கள் யாவை?
ஏஜிஐ ஆராய்ச்சியாளர்களுக்கு தொலைதூர இலக்காக உள்ளது. ஏஜிஐ அமைப்புகளை உருவாக்குவதற்கான முயற்சிகள் தொடர்ந்து நடைபெற்று வருகின்றன மற்றும் வளர்ந்து வரும் முன்னேற்றங்களால் ஊக்குவிக்கப்படுகின்றன. பின்வரும் பிரிவுகள் வளர்ந்து வரும் தொழில்நுட்பங்களை விவரிக்கின்றன.

 

ஆழமான கற்றல்
ஆழமான கற்றல் என்பது செயற்கை நுண்ணறிவு துறையாகும், இது மூல தரவுகளிலிருந்து சிக்கலான உறவுகளைப் பிரித்தெடுக்கவும் புரிந்து கொள்ளவும் பல மறைக்கப்பட்ட அடுக்குகளுடன் நரம்பியல் நெட்வொர்க்குகளைப் பயிற்றுவிப்பதில் கவனம் செலுத்துகிறது. உரை, ஆடியோ, படங்கள், வீடியோ மற்றும் பிற தகவல் வகைகளைப் புரிந்துகொள்ளும் திறன் கொண்ட அமைப்புகளை உருவாக்க AI வல்லுநர்கள் ஆழமான கற்றலைப் பயன்படுத்துகின்றனர். எடுத்துக்காட்டாக, இன்டர்நெட் ஆஃப் திங்ஸ் (ஐஓடி) மற்றும் மொபைல் சாதனங்களுக்கான இலகுரக ஆழமான கற்றல் மாதிரிகளை உருவாக்க டெவலப்பர்கள் அமேசான் சேஜ்மேக்கரைப் பயன்படுத்துகின்றனர்.

உற்பத்தி செய்யும் AI
ஜெனரேட்டிவ் செயற்கை நுண்ணறிவு (ஜெனரேட்டிவ் AI) என்பது ஆழமான கற்றலின் துணைக்குழுவாகும், இதில் ஒரு AI அமைப்பு கற்ற அறிவிலிருந்து தனித்துவமான மற்றும் யதார்த்தமான உள்ளடக்கத்தை உருவாக்க முடியும். ஜெனரேட்டிவ் AI மாதிரிகள் பெரிய தரவுத்தொகுப்புகளுடன் பயிற்சி அளிக்கின்றன, இது மனித கேள்விகளுக்கு உரை, ஆடியோ அல்லது இயற்கையாகவே மனித படைப்புகளை ஒத்த காட்சிகளுடன் பதிலளிக்க உதவுகிறது. எடுத்துக்காட்டாக, AI21 ஆய்வகங்கள், ஆன்த்ரோபிக், கோஹெர் மற்றும் மெட்டா ஆகியவற்றிலிருந்து LLM கள் சிக்கலான பணிகளைத் தீர்க்க நிறுவனங்கள் பயன்படுத்தக்கூடிய AI வழிமுறைகளை உருவாக்குகின்றன. மென்பொருள் குழுக்கள் அமேசான் பெட்ராக்கைப் பயன்படுத்தி சேவையகங்களை வழங்காமல் மேகக்கட்டத்தில் இந்த மாதிரிகளை விரைவாகப் பயன்படுத்துகின்றன.

NLP
இயற்கை மொழி செயலாக்கம் (என்எல்பி) என்பது செயற்கை நுண்ணறிவின் ஒரு கிளை ஆகும், இது கணினி அமைப்புகளை மனித மொழியைப் புரிந்துகொள்ளவும் உருவாக்கவும் அனுமதிக்கிறது. என்எல்பி அமைப்புகள் மொழித் தரவை டோக்கன்கள் எனப்படும் எளிய பிரதிநிதித்துவங்களாக மாற்றுவதற்கும் அவற்றின் சூழல் உறவைப் புரிந்துகொள்வதற்கும் கணக்கீட்டு மொழியியல் மற்றும் இயந்திர கற்றல் தொழில்நுட்பங்களைப் பயன்படுத்துகின்றன. எடுத்துக்காட்டாக, அமேசான் லெக்ஸ் என்பது ஒரு என்எல்பி இயந்திரமாகும், இது நிறுவனங்களை உரையாடல் சாட்போட்களை உருவாக்க அனுமதிக்கிறது.

கணினி பார்வை
கணினி பார்வை என்பது காட்சி தரவுகளிலிருந்து இடஞ்சார்ந்த தகவல்களைப் பிரித்தெடுக்கவும், பகுப்பாய்வு செய்யவும், புரிந்துகொள்ளவும் அமைப்புகளை அனுமதிக்கும் ஒரு தொழில்நுட்பமாகும். சுய-ஓட்டுநர் கார்கள் கணினி பார்வை மாதிரிகளைப் பயன்படுத்தி கேமராக்களிலிருந்து நிகழ்நேர ஊட்டங்களை பகுப்பாய்வு செய்கின்றன மற்றும் வாகனத்தை தடைகளிலிருந்து பாதுகாப்பாக வழிநடத்துகின்றன. ஆழமான கற்றல் தொழில்நுட்பங்கள் கணினி பார்வை அமைப்புகளை பெரிய அளவிலான பொருள் அங்கீகாரம், வகைப்பாடு, கண்காணிப்பு மற்றும் பிற பட செயலாக்க பணிகளை தானியக்கமாக்க அனுமதிக்கின்றன. எடுத்துக்காட்டாக, பல்வேறு கணினி பார்வை பயன்பாடுகளுக்கான பட பகுப்பாய்வை தானியக்கமாக்க பொறியாளர்கள் அமேசான் அங்கீகாரத்தைப் பயன்படுத்துகின்றனர்.

ரோபாட்டிக்ஸ்
ரோபாட்டிக்ஸ் என்பது ஒரு பொறியியல் துறையாகும், இதில் நிறுவனங்கள் தானாகவே உடல் சூழ்ச்சிகளைச் செய்யும் இயந்திர அமைப்புகளை உருவாக்க முடியும். ஏஜிஐயில், ரோபாட்டிக்ஸ் அமைப்புகள் இயந்திர நுண்ணறிவை உடல் ரீதியாக வெளிப்படுத்த அனுமதிக்கின்றன. ஏஜிஐ அமைப்புகளுக்குத் தேவையான உணர்ச்சி புலனுணர்வு மற்றும் உடல் கையாளுதல் திறன்களை அறிமுகப்படுத்த இது முக்கியமானது. எடுத்துக்காட்டாக, ஏஜிஐ உடன் ஒரு ரோபோ கையை உட்பொதிப்பது மனிதர்களைப் போலவே கையை ஆரஞ்சுகளை உணரவும், பிடிக்கவும், உரிக்கவும் அனுமதிக்கும். ஏஜிஐயை ஆராய்ச்சி செய்யும் போது, பொறியியல் குழுக்கள் ரோபோ அமைப்புகளை அசெம்பிள் செய்வதற்கு முன்பு அவற்றை உருவகப்படுத்த AWS ரோபோமேக்கரைப் பயன்படுத்துகின்றன.

 செயற்கை பொது நுண்ணறிவு ஆராய்ச்சியில் உள்ள சவால்கள் என்ன?
ஏஜிஐயை உருவாக்குவதில் கணினி விஞ்ஞானிகள் பின்வரும் சில சவால்களை எதிர்கொள்கின்றனர்.

தொடர்புகளை ஏற்படுத்திக் கொள்ளுங்கள்
தற்போதைய AI மாதிரிகள் அவற்றின் குறிப்பிட்ட களத்திற்கு மட்டுப்படுத்தப்பட்டுள்ளன, மேலும் களங்களுக்கு இடையில் இணைப்புகளை உருவாக்க முடியாது. இருப்பினும், மனிதர்கள் அறிவையும் அனுபவத்தையும் ஒரு களத்திலிருந்து இன்னொரு களத்திற்கு பயன்படுத்தலாம். எடுத்துக்காட்டாக, ஈர்க்கக்கூடிய கற்றல் அனுபவங்களை உருவாக்க விளையாட்டு வடிவமைப்பில் கல்விக் கோட்பாடுகள் பயன்படுத்தப்படுகின்றன. மனிதர்கள் தத்துவார்த்த கல்வியில் இருந்து கற்றுக்கொள்வதை நிஜ வாழ்க்கை சூழ்நிலைகளுக்கு மாற்றியமைக்கலாம். இருப்பினும், ஆழமான கற்றல் மாதிரிகளுக்கு அறிமுகமில்லாத தரவுகளுடன் நம்பகத்தன்மையுடன் செயல்பட குறிப்பிட்ட தரவுத்தொகுப்புகளுடன் கணிசமான பயிற்சி தேவைப்படுகிறது.

உணர்ச்சி நுண்ணறிவு
ஆழ்ந்த கற்றல் மாதிரிகள் ஏஜிஐயின் சாத்தியத்தை சுட்டிக்காட்டுகின்றன, ஆனால் மனிதர்களிடம் உள்ள உண்மையான படைப்பாற்றலை இன்னும் நிரூபிக்கவில்லை. படைப்பாற்றலுக்கு உணர்ச்சி சிந்தனை தேவைப்படுகிறது, இது நரம்பியல் நெட்வொர்க் கட்டமைப்பால் இன்னும் பிரதிபலிக்க முடியாது. எடுத்துக்காட்டாக, மனிதர்கள் ஒரு உரையாடலுக்கு அவர்கள் உணர்ச்சிவசப்படுவதை அடிப்படையாகக் கொண்டு பதிலளிக்கிறார்கள், ஆனால் என். எல். பி மாதிரிகள் அவர்கள் பயிற்றுவிக்கும் மொழியியல் தரவுத்தொகுப்புகள் மற்றும் வடிவங்களின் அடிப்படையில் உரை வெளியீட்டை உருவாக்குகின்றன.

உணர்ச்சி புலனுணர்வு
ஏஜிஐக்கு AI அமைப்புகள் வெளிப்புற சூழலுடன் உடல் ரீதியாக தொடர்பு கொள்ள வேண்டும். ரோபாட்டிக்ஸ் திறன்களைத் தவிர, இந்த அமைப்பு மனிதர்களைப் போலவே உலகையும் உணர வேண்டும். தற்போதுள்ள கணினி தொழில்நுட்பங்கள் மனிதர்களைப் போலவே வடிவங்கள், நிறங்கள், சுவை, வாசனை மற்றும் ஒலியை துல்லியமாக வேறுபடுத்துவதற்கு முன்பு மேலும் முன்னேற்றம் தேவை.

செயற்கை பொது நுண்ணறிவின் எடுத்துக்காட்டுகள்
உண்மையான ஏஜிஐ அமைப்புகள் இன்னும் சந்தையில் இல்லை. இருப்பினும், சில பகுதிகளில் மனித திறன்களை தோராயமாக அல்லது மீறக்கூடிய குறுகிய செயற்கை நுண்ணறிவு அமைப்புகளின் எடுத்துக்காட்டுகள் உள்ளன. செயற்கை நுண்ணறிவு ஆராய்ச்சி இந்த அமைப்புகள் மற்றும் எதிர்காலத்தில் ஏஜிஐ மூலம் என்ன சாத்தியமாகும் என்பதில் கவனம் செலுத்துகிறது.

அந்த அமைப்புகளின் சில எடுத்துக்காட்டுகள் இங்கேஃ

ஐபிஎம் வாட்சன். 

வாட்சன் மற்றும் பிற சூப்பர் கம்ப்யூட்டர்கள் சராசரி கணினியால் கையாள முடியாத கணக்கீடுகளின் திறன் கொண்டவை. பிரபஞ்சத்தின் பிறப்பு அல்லது மனித மூளையின் பிக் பேங் கோட்பாட்டை மாதிரியாக்குவது போன்ற முன்பு சாத்தியமற்ற அறிவியல் மற்றும் பொறியியல் பணிகளைச் செய்ய அவர்கள் தங்கள் மகத்தான கணினி சக்தியை AI உடன் இணைக்கிறார்கள்.
நிபுணத்துவ அமைப்புகள். இந்த செயற்கை நுண்ணறிவு அடிப்படையிலான அமைப்புகள் மனித தீர்ப்பைப் பிரதிபலிக்கின்றன. உதாரணமாக, நோயாளியின் தரவுகளின் அடிப்படையில் அவர்கள் மருந்தைப் பரிந்துரைக்கலாம் மற்றும் மூலக்கூறு கட்டமைப்பைக் கணிக்கலாம்.

சுய-ஓட்டுநர் வாகனங்கள்.
இந்த AI-வழிகாட்டப்பட்ட வாகனங்கள் சாலையில் உள்ள பிற வாகனங்கள், மக்கள் மற்றும் பொருட்களை அடையாளம் கண்டு ஓட்டுநர் விதிகள் மற்றும் ஒழுங்குமுறைகளை கடைப்பிடிக்கின்றன.
ரோஸ் இன்டலிஜென்ஸ். ரோஸ் என்பது ஒரு சட்ட நிபுணர் அமைப்பாகும், இது AI வழக்கறிஞர் என்றும் அழைக்கப்படுகிறது. இது சுமார் 1 பில்லியன் உரை ஆவணங்களிலிருந்து தரவைச் சுரங்கப்படுத்தலாம், தகவல்களை பகுப்பாய்வு செய்யலாம் மற்றும் சிக்கலான கேள்விகளுக்கு மூன்று வினாடிகளுக்குள் துல்லியமான பதில்களை வழங்க முடியும்.

ஆல்ஃபாகோ.
ஒரு குறிப்பிட்ட வகை சிக்கலைத் தீர்ப்பதில் சிறந்து விளங்கும் குறுகிய நுண்ணறிவுக்கு இது மற்றொரு எடுத்துக்காட்டு. ஆல்ஃபாகோ என்பது கோ என்ற பலகை விளையாட்டை விளையாடக்கூடிய ஒரு கணினி நிரலாகும். கோ என்பது ஒரு சிக்கலான விளையாட்டு, அதில் மனிதர்கள் தேர்ச்சி பெறுவது கடினம். 2016 ஆம் ஆண்டில், ஆல்பா கோ உலக சாம்பியனான லீ செடோலை ஐந்து போட்டிகள் கொண்ட போட்டியில் தோற்கடித்தது.
மொழி மாதிரி உற்பத்தி செய்யும். முன் பயிற்சி பெற்ற மின்மாற்றி. ஜிபிடி-3 மற்றும் ஜிபிடி-4 ஆகியவை ஓபன்ஏஐயின் ஒரு நிரலின் வெளியீட்டு பதிப்புகள் ஆகும், அவை தானாகவே மனித மொழியை உருவாக்க முடியும். தொழில்நுட்பம் தொடர்ந்து பொதுவான மனித நுண்ணறிவைப் பின்பற்ற முடியும். சில சந்தர்ப்பங்களில், உரை மனித வெளியீட்டிலிருந்து பிரித்தறிய முடியாதது; இருப்பினும், AI வெளியீடு பெரும்பாலும் குறைபாடுடையது.

இசை ஏ. ஐ. எஸ்.
டடாபோட்கள் என்பது ஒரு AI வழிமுறையாகும், இது தற்போதுள்ள இசையின் ஒரு தொகுப்பைக் கொடுத்தால், அந்த இசையின் சொந்த தோராயத்தின் ஒரு ஸ்ட்ரீமை உருவாக்க முடியும்.
முந்தைய சில எடுத்துக்காட்டுகளுக்கு ஏஜிஐ பயன்படுத்தப்பட்டால், அது அவற்றின் செயல்பாட்டை மேம்படுத்த முடியும். எடுத்துக்காட்டாக, தெளிவற்ற சூழ்நிலைகளில் முடிவெடுப்பதைக் கையாள சுய-ஓட்டுநர் கார்களுக்கு ஒரு மனிதர் இருக்க வேண்டும். இசை உருவாக்கும் வழிமுறைகள், மொழி மாதிரிகள் மற்றும் சட்ட அமைப்புகளுக்கும் இது பொருந்தும். இந்த பகுதிகளில் செயற்கை நுண்ணறிவு தானியக்கமாக்கக்கூடிய பணிகளும் அடங்கும், ஆனால் அதிக அளவிலான சுருக்கம் மற்றும் மனித நுண்ணறிவு தேவைப்படும் பணிகளும் அடங்கும்.

அலெக்சா, சிரி மற்றும் பிற குரல் உதவியாளர்கள்
இதேபோல், அலெக்சா மற்றும் சிரி போன்ற குரல் உதவியாளர்கள் ஏஎன்ஐகளுக்கு சிறந்த எடுத்துக்காட்டுகள். அவை உங்கள் வீட்டைச் சுற்றி பரந்த அளவிலான செயல்பாடுகளைக் கொண்டிருக்க முடியும் என்றாலும், அவை உண்மையில் கேள்விகளுக்கு பதிலளிக்கவும், டைமர்களை அமைக்கவும், உங்கள் ஸ்மார்ட் விளக்குகளை இயக்கவும் அணைக்கவும் வடிவமைக்கப்பட்டுள்ளன. 

ஏஜிஐயின் எதிர்காலம் என்ன?
செயற்கை நுண்ணறிவு ஆராய்ச்சியை நடத்தும் பல வல்லுநர்கள் ஏஜிஐ எப்போதாவது சாத்தியமாகும் என்று சந்தேகிக்கின்றனர். இது கூட விரும்பத்தக்கதா என்று சிலர் கேள்வி எழுப்புகிறார்கள்.

ஆங்கில கோட்பாட்டு இயற்பியலாளர், அண்டவியலாளர் மற்றும் எழுத்தாளர் ஸ்டீபன் ஹாக்கிங் பிரிட்டிஷ் பிராட்காஸ்டிங் கார்ப்பரேஷனுடன் 2014 நேர்காணலில் ஏஜிஐயின் ஆபத்துகள் குறித்து எச்சரித்தார். "முழு செயற்கை நுண்ணறிவின் வளர்ச்சி மனித இனத்தின் முடிவை உச்சரிக்கக்கூடும்" என்று அவர் கூறினார். "இது தானாகவே புறப்பட்டு, எப்போதும் அதிகரித்து வரும் விகிதத்தில் தன்னை மறுவடிவமைக்கும். மெதுவான உயிரியல் பரிணாமத்தால் மட்டுப்படுத்தப்பட்ட மனிதர்களால் போட்டியிட முடியவில்லை, அவர்கள் முறியடிக்கப்படுவார்கள் ".

சில AI வல்லுநர்கள் AGI இன் தொடர்ச்சியான வளர்ச்சியை எதிர்பார்க்கிறார்கள். தென்மேற்கு மாநாட்டின் 2017 தெற்கில் ஒரு நேர்காணலில், கண்டுபிடிப்பாளரும் எதிர்காலவாதியுமான ரே குர்ஸ்வெல் கணினிகள் 2029 க்குள் மனித நுண்ணறிவை அடையும் என்று கணித்துள்ளார். செயற்கை நுண்ணறிவு அதிவேக விகிதத்தில் மேம்படும் என்றும், இது மனித புரிதல் மற்றும் கட்டுப்பாட்டிற்கு அப்பாற்பட்ட மட்டங்களில் செயல்பட உதவும் முன்னேற்றங்களுக்கு வழிவகுக்கும் என்றும் குர்ஸ்வெயில் கணித்துள்ளார். செயற்கை நுண்ணறிவின் இந்த புள்ளி ஒருமைப்பாடு என்று குறிப்பிடப்படுகிறது. செயற்கை பொது நுண்ணறிவு என்பது செயற்கை நுண்ணறிவின் இறுதி வளர்ச்சிக்கு பங்களிக்கும் AI வகைகளில் ஒன்றாகும்.

2022 ஆம் ஆண்டில், இந்த பார்வை யதார்த்தத்திற்கு மிகவும் நெருக்கமாக வந்தது, இது உலகை புயலால் அழைத்துச் சென்ற ஜெனரேட்டிவ் AI இன் முன்னேற்றங்களால் தூண்டப்பட்டது. நவம்பர் 2022 இல் சாட்ஜிபிடி அறிமுகமானது மற்றும் பிற பயனர் நட்பு ஜெனரேட்டிவ் AI இடைமுகங்களின் வருகையுடன், உலகெங்கிலும் உள்ள பயனர்கள் மனித உரை தூண்டுதல்களைப் புரிந்துகொள்ளவும், எல்லையற்ற தலைப்புகளில் கேள்விகளுக்கு பதிலளிக்கவும்க்கூடிய முதல் AI மென்பொருளைக் கண்டுள்ளனர், இருப்பினும் எப்போதும் துல்லியமாக இல்லை. இந்த உற்பத்தி AI மாதிரிகள் கவிதை மற்றும் தயாரிப்பு விளக்கங்கள் முதல் குறியீடு மற்றும் செயற்கை தரவு வரை பரந்த அளவிலான உள்ளடக்க வகைகளை உருவாக்க முடியும் என்பதை நிரூபித்துள்ளன. டால்-இ போன்ற படத் தயாரிப்பு அமைப்புகளும் காட்சி நிலப்பரப்பை உயர்த்துகின்றன, மருத்துவப் படங்கள், பொருட்களின் 3டி மாதிரிகள் மற்றும் வீடியோக்களுக்கு கூடுதலாக புகழ்பெற்ற கலைஞர்களின் படைப்புகள் அல்லது புகைப்படங்களைப் பிரதிபலிக்கும் படங்களை உருவாக்குகின்றன.

இருப்பினும், அவற்றின் அனைத்து ஈர்க்கக்கூடிய திறன்களுக்கும், அவற்றின் குறைபாடுகள் மற்றும் ஆபத்துகள் இந்த கட்டத்தில் பயனர்களிடையே நன்கு அறியப்பட்டவை, அதாவது அவை இன்னும் முழு தன்னாட்சி ஏஜிஐக்கு குறைவாகவே உள்ளன. தவறுகள் மற்றும் தவறான தகவல்களை உருவாக்குவதற்கான இத்தகைய கருவிகளின் விருப்பம் அல்லது புதுப்பித்த தகவல்களை அணுக இயலாமை காரணமாக இருந்தாலும், சமூகத்திற்கு ஏற்படக்கூடிய தீங்கை குறைக்க மனித மேற்பார்வை இன்னும் தேவைப்படுகிறது.