Kaikkien kannattaa tutustua Google DeepMindin 84" minuutin dokumenttiin, ja tässä on yhteenveto 🌟 kohokohdista (katso, miten Demis siirtyi tuuheasta brunetista AGI:n huipulle matkalla AGI:hin) 1. Ratkaise tiedustelu-AGI:n polku THE THINKING GAME -dokumentin ytimessä on DeepMindin perustajan Demis Hassabisin elinikäinen etsintä AGI:n parissa, nuoresta shakin ihmelapsesta ([00:23:41]) pelinkehitykseen (Theme Park [00:40:22]), neurotieteen tutkimukseen ([00:32:22]), jonka lopullisena tavoitteena on "Ratkaise älykkyys". DeepMindin tehtäväksi määritellään "maailman ensimmäisen universaalin oppimiskoneen" General Learning Machinen rakentaminen. // Tämä tekee minuun vaikutuksen ja saa minut hieman levottomaksi, kaiken elämäni pääoman sijoittaminen "yhteen lopulliseen tavoitteeseen" tuo mukanaan poikkeuksellista luovuutta, mutta se myös korostaa moraalisten virheiden seurauksia. Dokumentti ei kaihda tätä – voit tuntea heidän itsevarmuutensa ja kuulla taustalla olevat huolenaiheet. 2. Käytä peliä harjoituskenttänä DeepMind uskoo, että yleispätevyys on älykkyyden avain. He näkevät pelit täydellisenä harjoituskenttänä kehittää yksi algoritmi, joka pystyy oppimaan useita tehtäviä. Tässä mitä he ovat kokeilleet: DQN (Deep Q-Network): Osoitti vahvistusoppimisen ja syväoppimisen yhdistämisen toteutettavuuden pelaamalla kymmeniä Atari-pelejä. AlphaGo: Käyttäen Go:ta "pyhänä maljana", se osoitti, että koneet voivat löytää uusia strategioita tavoilla, joita ihmiset eivät osanneet kuvitella, mikä aiheutti maailmanlaajuisen sensaation. AlphaZero: Riisuttu kaikesta ihmistiedosta, halliten Go:n, shakin jne. lyhyessä ajassa täysin itsensä kautta, osoittaen puhdasta universaalia oppimiskykyä. // Dokumentissa DeepMind näyttää selvästi näiden kahden välisen etäisyyden: pelit vahvistavat algoritmeja, ja tiede sekä käytännön sovellukset tuovat nämä voimat todellisille vaikuttaville alueille. 3. Pelaamisesta tieteeseen, AlphaFoldin aikakauden läpimurto DeepMind tuo tekoälyn voiman yhteen todellisen maailman monimutkaisimmista tieteellisistä pulmista, proteiinien laskostumisongelmaan. Tämä kysymys on hämmentänyt tutkijoita jo 50 vuoden ajan. AlphaFoldin tavoitteena on ennustaa tarkasti proteiinien 3D-rakenne aminohapposekvenssien perusteella, mikä on avain elämän ymmärtämiseen ja uusien lääkkeiden ja rokotteiden kehityksen nopeuttamiseen. CASP 14 -kilpailussa ([01:13:50]) AlphaFold saavutti läpimurron, korkean tarkkuuden, jota kutsuttiin "proteiinien laskostumisongelmaksi ratkaistu". DeepMind teki sitten 200 miljoonan proteiinin rakennedatan ilmaiseksi saataville maailmalle ([01:15:55]), ja siitä tuli "lahja ihmiskunnalle". Samaan aikaan dokumentti myös huomauttaa, että tekoälyä voidaan käyttää sotilaallisiin tarkoituksiin ([00:34:44]), tehokkaampaan valvontaan ja siihen, että sitä käytetään "kesyttämään ihmisiä" – alistamalla meidät aseilla, joita emme edes ymmärrä, eikä toista "Manhattan-projektin" virhettä, joka keskittyy vain teknologiahulluuteen ja sivuuttaa moraaliset seuraukset ...