Θέμα 2: Τι είναι η στενή/ασθενής (narrow) και η γενική/ισχυρή (general) τεχνητή νοημοσύνη;

Οι δύο κύριες κατηγορίες τεχνητής νοημοσύνης είναι η Στενή τεχνητή νοημοσύνη (ασθενής, αδύναμη τεχνητή νοημοσύνη) και γενική τεχνητή νοημοσύνη (ισχυρή τεχνητή νοημοσύνη) – η καθεμία με διαφορετικούς βαθμούς δυνατοτήτων και εφαρμογών:

Τα συστήματα τεχνητής νοημοσύνης που είναι εξειδικευμένα και έχουν μικρό πεδίο εφαρμογής αναφέρονται ως στενή τεχνητή νοημοσύνη. Αν και στερούνται γενικής νοημοσύνης, ορισμένα συστήματα ΤΝ είναι εξαιρετικά στην εκτέλεση των προβλεπόμενων καθηκόντων τους. Ενώ η στενή ΤΝ έχει σχεδιαστεί για να επιλύει ζητήματα γρήγορα και μπορεί ακόμη και να ξεπεράσει τους ανθρώπους σε αυτούς τους εξειδικευμένους τομείς, δεν είναι σε θέση να εφαρμόσει τις γνώσεις ή τις ικανότητές της σε εργασίες που δεν εμπίπτουν στον τομέα της. Τα συστήματα τεχνητής νοημοσύνης που είναι εξειδικευμένα και έχουν μικρό πεδίο εφαρμογής αναφέρονται ως στενή τεχνητή νοημοσύνη. Αν και στερούνται γενικής νοημοσύνης, ορισμένα συστήματα ΤΝ είναι εξαιρετικά στην εκτέλεση των προβλεπόμενων καθηκόντων τους. Ενώ η στενή τεχνητή νοημοσύνη έχει σχεδιαστεί για να επιλύει ζητήματα γρήγορα και μπορεί ακόμη και να υπερτερεί των ανθρώπων σε αυτούς τους εξειδικευμένους τομείς, δεν είναι σε θέση να εφαρμόσει τις γνώσεις ή τις ικανότητές της σε εργασίες που δεν εμπίπτουν στον τομέα της. Οι εικονικοί βοηθοί όπως η Siri και η Alexa αποτελούν παραδείγματα στενής ΤΝ, καθώς μπορούν να ερμηνεύουν και να ανταποκρίνονται σε φωνητικές οδηγίες, αλλά δεν είναι σε θέση να εκτελούν δραστηριότητες που δεν σχετίζονται με την επεξεργασία φυσικής γλώσσας.

Ένα άλλο παράδειγμα είναι το λογισμικό αναγνώρισης εικόνας που χρησιμοποιείται για εργασίες όπως η αναγνώριση αντικειμένων ή προσώπων, αλλά δεν είναι ικανό για γενικό συλλογισμό ή λήψη αποφάσεων. Οι εικονικοί βοηθοί όπως η Siri και η Alexa αποτελούν παραδείγματα στενής ΤΝ, καθώς μπορούν να ερμηνεύουν και να ανταποκρίνονται σε φωνητικές οδηγίες, αλλά δεν είναι σε θέση να εκτελούν δραστηριότητες που δεν σχετίζονται με την επεξεργασία φυσικής γλώσσας.

Τα συστήματα τεχνητής νοημοσύνης (ΤΝ) με νοημοσύνη ανθρώπινου επιπέδου και ικανότητα να κατανοούν, να λαμβάνουν νέες πληροφορίες και να εκτελούν οποιαδήποτε πνευματική εργασία που μπορεί να κάνει ένας άνθρωπος αναφέρονται ως γενική ΤΝ, επίσης γνωστή ως ισχυρή ΤΝ ή τεχνητή γενική νοημοσύνη (ΤΓΝ). Στην ουσία, η γενική ΤΝ μπορεί να εφαρμόσει τη νοημοσύνη της σε μια ποικιλία δραστηριοτήτων και τομέων και έχει γνωστικές ικανότητες που είναι συγκρίσιμες με εκείνες ενός ανθρώπου. Η γενική τεχνητή νοημοσύνη, σε αντίθεση με τη στενή τεχνητή νοημοσύνη, δεν περιορίζεται σε προκαθορισμένα καθήκοντα και είναι ικανή να μαθαίνει από τις εμπειρίες της, να προσαρμόζεται σε νέες συνθήκες και να συλλογίζεται μέσα από πολύπλοκα προβλήματα.

Η ικανότητα μεταφοράς γνώσεων και ταλέντων από το ένα πεδίο στο άλλο, καθώς και το επίπεδο προσαρμοστικότητας και εφευρετικότητας, υπερβαίνουν τα όρια των δυνατοτήτων της Στενής ΤΝ. Είναι ζωτικής σημασίας να έχουμε κατά νου ότι η Γενική Τεχνητή Νοημοσύνη εξακολουθεί να είναι μόνο μια θεωρία και δεν έχει ακόμη αναπτυχθεί πλήρως. Η ανάπτυξη της Γενικής Τεχνητής Νοημοσύνης παρουσιάζει σημαντικά επιστημονικά και τεχνικά εμπόδια και οι ακαδημαϊκοί εξακολουθούν να διερευνούν διάφορες στρατηγικές και διαδικασίες για την επίτευξη αυτού του δύσκολου στόχου.

Συμπερασματικά, η στενή ΤΝ αναφέρεται σε εξειδικευμένα συστήματα ΤΝ που διακρίνονται για τις δραστηριότητές τους, ενώ η γενική ΤΝ ορίζει έναν τύπο ΤΝ που έχει νοημοσύνη που μοιάζει με την ανθρώπινη και μπορεί να εκτελέσει μια ποικιλία εργασιών σε διάφορους τομείς. Αν και η στενή ΤΝ χρησιμοποιείται ευρέως σε εφαρμογές σήμερα, η γενική ΤΝ εξακολουθεί να αποτελεί στόχο για το μέλλον και αποτελεί αντικείμενο συνεχούς μελέτης και έρευνας στον τομέα της τεχνητής νοημοσύνης.

Παιχνίδια γνώσεων