Los puntos clave no están disponibles para este artículo en este momento.
La inteligencia artificial (IA) enfrenta una trifecta de grandes desafíos: el Muro de Energía, el Problema de la Alineación y el Salto de la IA Estrecha a la AGI. Las soluciones contemporáneas de IA consumen cantidades insostenibles de energía durante el entrenamiento del modelo y las operaciones diarias. Para empeorar las cosas, la cantidad de cálculo requerida para entrenar cada nuevo modelo de IA se ha ido duplicando cada 2 meses desde 2020, lo que se traduce directamente en incrementos sin precedentes en el consumo de energía. El salto de la IA a la AGI requiere múltiples subsistemas funcionales que operen de manera equilibrada, lo que requiere una arquitectura de sistema. Sin embargo, el enfoque actual de la IA carece de diseño sistémico; a pesar de que las características del sistema juegan un papel clave en el cerebro humano; desde la manera en que procesa la información hasta cómo toma decisiones. En este artículo, postulamos que el diseño sistémico es la pieza faltante para superar los grandes desafíos actuales de la IA. Presentamos un Enfoque Sistemático para AGI (SAGI) que utiliza principios de diseño sistémico para superar el muro de energía y los retos de alineación. Este artículo afirma que la inteligencia artificial puede realizarse a través de una multiplicidad de caminos específicos de diseño, más que de una arquitectura unificada y general de AGI. Los sistemas AGI pueden exhibir configuraciones arquitectónicas y capacidades diversas, dependiendo de sus casos de uso previstos. Argumentamos que la alineación de la IA, el más difícil de los grandes desafíos, no es alcanzable sin una forma de reflejar la complejidad del sistema moral humano y sus subsistemas en las arquitecturas de AGI. Afirmamos que enfoques de AGI como el simbolismo, el conexionismo y otros no son fundamentales para la AGI sino emergentes de los procesos de diseño sistémico. Por lo tanto, nos enfocamos en emplear principios de diseño sistémico como marco orientador, en lugar de concentrarnos únicamente en una arquitectura universal de AGI.
Building similarity graph...
Analyzing shared references across papers
Loading...
Eren Kurshan
International Journal of Semantic Computing
Princeton University
Building similarity graph...
Analyzing shared references across papers
Loading...
Eren Kurshan (vie,) estudió esta cuestión.
www.synapsesocial.com/papers/68e613c2b6db6435875a676f — DOI: https://doi.org/10.1142/s1793351x24300073
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: