Artificial General Intelligence (AGI) merepresentasikan tonggak utama berikutnya dalam pengembangan kecerdasan buatan, menawarkan potensi bagi mesin untuk memahami dan bernalar di berbagai tugas. Ini adalah tujuan yang telah menghasilkan minat signifikan dalam komunitas AI, dengan banyak ahli bekerja menuju realisasinya. Mencapai AGI dipandang sebagai langkah penting menuju pembukaan kemungkinan baru untuk kemajuan manusia dan inovasi AI. Di ARC, keyakinan bahwa gaming berfungsi sebagai alat penting dalam pengejaran ini, menyediakan tempat uji coba di mana sistem AI dapat dilatih untuk menghadapi kompleksitas dan kemampuan beradaptasi, keduanya merupakan elemen penting untuk mencapai AGI.
Gambar AI Generik
Gaming dan AGI
Game telah lama diakui sebagai komponen penting dalam pengembangan AI, dan ini adalah sesuatu yang telah diakui oleh para pemimpin industri seperti Elon Musk dan Demis Hassabis. Musk, melalui inisiatif xAI-nya, telah menekankan peran gaming dalam melatih sistem AI, menunjukkan bagaimana gaming dapat digunakan untuk mensimulasikan kompleksitas dunia nyata.
Demikian pula, Demis Hassabis dari DeepMind telah membagikan visinya, mencatat bahwa lingkungan gaming seperti yang digunakan di AlphaZero bukan hanya tentang menguasai game tetapi mengembangkan algoritma AI yang dapat diterapkan pada masalah dunia nyata yang lebih luas. Tujuannya adalah untuk menciptakan AI serbaguna yang dapat bernalar, beradaptasi, dan pada akhirnya memecahkan tantangan di luar apa yang awalnya dilatihnya.
Pendekatan ARC melibatkan penggunaan kerangka kerja terstruktur untuk mempercepat kemajuan AGI melalui gaming. Dengan mengintegrasikan Model, Infrastruktur, E(N)vironments, dan Data (M.I.N.D.), ARC bertujuan untuk menciptakan ekosistem yang menyatukan komponen-komponen yang diperlukan untuk pengembangan AGI. Organisasi ini percaya bahwa sifat dinamis gaming, dengan aturan yang terus berubah dan lingkungan yang tidak dapat diprediksi, menjadikannya platform ideal untuk melatih sistem AI yang mampu mengembangkan kompetensi inti yang dibutuhkan untuk AGI.
Keterampilan Manusia. Diperkuat oleh AI.
Kompetensi Inti untuk Mencapai AGI
Bagi ARC, AGI didefinisikan oleh kemampuannya untuk berkinerja di berbagai domain, menunjukkan beberapa kompetensi kunci. Salah satu kemampuan utama adalah multimodality, yang melibatkan integrasi berbagai jenis data, seperti visual, teks, dan audio, ke dalam pemahaman yang kohesif. Ini penting bagi AI untuk berinteraksi secara bermakna dengan dunia, karena tugas-tugas dunia nyata seringkali memerlukan interpretasi berbagai jenis input.
Kompetensi penting lainnya adalah peningkatan berkelanjutan. Sistem AGI harus mampu belajar secara bertahap, menyempurnakan pengetahuannya dengan setiap interaksi baru tanpa kehilangan informasi yang dipelajari sebelumnya. Ini memastikan bahwa AI dapat beradaptasi dengan perubahan keadaan dan memperoleh keterampilan baru saat menghadapi situasi yang berbeda.
Kemampuan beradaptasi adalah karakteristik penting lainnya. Sistem AGI harus mampu merespons secara efektif terhadap lingkungan baru atau perubahan tak terduga di lingkungan yang ada. Ini sangat penting dalam pengaturan dinamis seperti gaming, di mana aturan dan skenario dapat berkembang dengan cepat, mengharuskan AI untuk mengubah pendekatannya.
Akhirnya, penalaran adalah persyaratan mendasar untuk AGI. Meskipun pengenalan pola adalah keterampilan penting, kecerdasan sejati melampaui ini, membutuhkan sistem AI untuk memahami kausalitas, membuat prediksi, dan merancang solusi untuk masalah berdasarkan penalaran. AGI harus mampu menghubungkan titik-titik antara berbagai informasi dan menerapkan pemahaman ini pada tantangan baru.
Kemitraan Baru ARC dengan Eliza Labs
Menguji AGI dalam Berbagai Konteks
Selain menunjukkan kompetensi yang tepat, AGI juga harus mampu berfungsi di berbagai lingkungan. Lingkungan ini menguji seberapa baik AI dapat berkinerja dalam berbagai jenis tantangan. Kolaborasi multi-agen, misalnya, adalah konteks di mana AGI harus bekerja bersama atau bersaing dengan agen manusia dan AI. Ini menguji kemampuan AI untuk berkolaborasi, menyusun strategi, dan berkomunikasi secara efektif.
Sifat non-stasioner lingkungan juga merupakan konteks penting. Sistem AGI harus mampu menavigasi dunia di mana aturan dan tugas terus berkembang. Dalam lingkungan seperti itu, AI tidak dapat hanya mengandalkan solusi yang telah ditentukan; ia harus belajar untuk menyesuaikan dan mengembangkan strategi dengan cepat.
Kompleksitas dunia terbuka lebih lanjut menantang AGI dengan mengharuskannya untuk menjelajahi dan mengelola berbagai tujuan. Dalam pengaturan dunia terbuka, AI harus memprioritaskan tugas dan menemukan tujuan baru sambil menghadapi peristiwa tak terduga. Jenis lingkungan ini membantu mensimulasikan ketidakpastian dan kompleksitas skenario dunia nyata.
Terakhir, perencanaan jangka panjang adalah tes penting lainnya. AGI harus mampu membuat keputusan yang mengarah pada kesuksesan jangka panjang, daripada hanya mengoptimalkan imbalan langsung. Keterampilan ini membutuhkan kemampuan untuk merumuskan dan melaksanakan rencana multi-langkah, bahkan ketika umpan balik jarang atau tertunda.
Neuron Token ($NRN)
Kemajuan dan Peta Jalan ARC
ARC telah membuat kemajuan signifikan dalam mengembangkan komponen yang diperlukan untuk AGI, membangun fondasi melalui kerangka kerja M.I.N.D.-nya. Kerangka kerja ini mencakup model canggih yang mendukung pembelajaran berkelanjutan, pemodelan ketidakpastian, dan kemampuan beradaptasi. Infrastruktur ARC juga memfasilitasi pengumpulan dan penggunaan data, memungkinkan sistem AI untuk terus meningkatkan dan beradaptasi dari waktu ke waktu. Integrasi lingkungan—dari pengaturan pemain tunggal hingga multipemain—menyediakan berbagai tempat pengujian untuk kemampuan ini.
Meskipun ada kemajuan ini, mencapai AGI masih memerlukan penanganan kesenjangan utama. Ini termasuk pengembangan lebih lanjut dalam penalaran, pembelajaran mesin hierarkis (HML), dan penanganan ketidakpastian. HML, khususnya, adalah jalan yang menjanjikan untuk mengatur pembelajaran AI ke dalam modul yang dapat beroperasi pada tingkat abstraksi yang berbeda, memungkinkan sistem untuk mengelola kompleksitas dengan lebih baik dan membuat keputusan yang lebih bernuansa.
Peta jalan ARC mencakup beberapa inisiatif yang dirancang untuk mengatasi kesenjangan ini. Salah satu inisiatif tersebut adalah kompetisi inovasi model, yang akan diluncurkan pada tahun 2025 untuk mendorong penelitian dan pengembangan di bidang-bidang seperti penalaran, kemampuan beradaptasi, dan generalisasi. Organisasi ini juga bekerja dengan penyedia infrastruktur untuk memenuhi tuntutan komputasi yang meningkat dari pengembangan AGI. Selain itu, ARC menciptakan lingkungan game yang menantang kemampuan AI untuk berkolaborasi, merencanakan, dan mengelola tantangan tak terduga, sambil juga bermitra dengan proyek lain untuk mengintegrasikan modalitas yang berbeda seperti penglihatan, audio, dan bahasa.
Peran $NRN dalam Pengembangan AGI
Pusat visi ARC adalah token Neuron ($NRN), yang berfungsi sebagai elemen dasar dalam ekosistem terdesentralisasi yang dibangun ARC. Token ini memfasilitasi kolaborasi peneliti, pengembang, platform, dan organisasi, membantu mempercepat pengembangan AGI melalui gaming. Dengan memanfaatkan $NRN, ARC bertujuan untuk mendorong pendekatan sumber terbuka yang didorong komunitas untuk penelitian AGI, memastikan bahwa kemajuan dibagikan dan dipercepat oleh kontribusi dari berbagai peserta. Untuk mempelajari lebih lanjut tentang inisiatif ARC silakan lihat postingan ini di X.
