Trí tuệ nhân tạo tổng quát (AGI) đại diện cho cột mốc quan trọng tiếp theo trong sự phát triển của trí tuệ nhân tạo, mang đến tiềm năng cho máy móc hiểu và suy luận trên nhiều loại tác vụ. Đây là một mục tiêu đã tạo ra sự quan tâm đáng kể trong cộng đồng AI, với nhiều chuyên gia đang nỗ lực hiện thực hóa nó. Việc đạt được AGI được xem là một bước đi quan trọng để mở ra những khả năng mới cho cả sự tiến bộ của con người và sự đổi mới của AI. Tại ARC, niềm tin là trò chơi đóng vai trò là một công cụ thiết yếu trong quá trình theo đuổi này, cung cấp một môi trường thử nghiệm nơi các hệ thống AI có thể được đào tạo để đối phó với sự phức tạp và khả năng thích ứng, cả hai đều là những yếu tố quan trọng để đạt được AGI.
Generic AI Image
Gaming và AGI
Trò chơi từ lâu đã được công nhận là một thành phần quan trọng trong sự phát triển của AI, và đây là điều mà các nhà lãnh đạo ngành như Elon Musk và Demis Hassabis đã thừa nhận. Musk, thông qua sáng kiến xAI của mình, đã nhấn mạnh vai trò của trò chơi trong việc đào tạo các hệ thống AI, chứng minh cách trò chơi có thể được sử dụng để mô phỏng các sự phức tạp trong thế giới thực.
Tương tự, Demis Hassabis của DeepMind đã chia sẻ tầm nhìn của mình, lưu ý rằng các môi trường chơi game như môi trường được sử dụng trong AlphaZero không chỉ là về việc làm chủ trò chơi mà còn là phát triển các thuật toán AI có thể được áp dụng cho các vấn đề thực tế rộng lớn hơn. Mục tiêu là tạo ra AI đa năng có thể suy luận, thích ứng và cuối cùng là giải quyết các thách thức vượt ra ngoài những gì nó được đào tạo ban đầu.
Cách tiếp cận của ARC bao gồm việc sử dụng một khuôn khổ có cấu trúc để đẩy nhanh tiến độ AGI thông qua trò chơi. Bằng cách tích hợp Mô hình, Cơ sở hạ tầng, Môi trường (E(N)vironments) và Dữ liệu (M.I.N.D.), ARC đặt mục tiêu tạo ra một hệ sinh thái tập hợp các thành phần cần thiết cho sự phát triển AGI. Tổ chức tin rằng bản chất năng động của trò chơi, với các quy tắc thay đổi liên tục và môi trường không thể đoán trước, làm cho nó trở thành một nền tảng lý tưởng để đào tạo các hệ thống AI có khả năng phát triển các năng lực cốt lõi cần thiết cho AGI.
Human Skills. Amplified by AI.
Năng lực cốt lõi để đạt được AGI
Đối với ARC, AGI được định nghĩa bởi khả năng hoạt động trên nhiều lĩnh vực, thể hiện một số năng lực chính. Một trong những khả năng chính là đa phương thức, bao gồm việc tích hợp các loại dữ liệu khác nhau, chẳng hạn như hình ảnh, văn bản và âm thanh, vào một sự hiểu biết mạch lạc. Điều này là cần thiết để AI tương tác có ý nghĩa với thế giới, vì các nhiệm vụ trong thế giới thực thường yêu cầu diễn giải các loại đầu vào đa dạng.
Một năng lực quan trọng khác là cải tiến liên tục. Một hệ thống AGI phải có khả năng học hỏi từng bước, tinh chỉnh kiến thức của mình sau mỗi tương tác mới mà không làm mất thông tin đã học trước đó. Điều này đảm bảo rằng AI có thể thích ứng với các hoàn cảnh thay đổi và tiếp thu các kỹ năng mới khi nó gặp các tình huống khác nhau.
Khả năng thích ứng là một đặc điểm thiết yếu khác. Các hệ thống AGI phải có khả năng phản ứng hiệu quả với các môi trường mới hoặc những thay đổi bất ngờ trong môi trường hiện có. Điều này đặc biệt quan trọng trong các bối cảnh năng động như trò chơi, nơi các quy tắc và kịch bản có thể phát triển nhanh chóng, đòi hỏi AI phải thay đổi cách tiếp cận của mình.
Cuối cùng, suy luận là một yêu cầu cơ bản đối với AGI. Mặc dù nhận dạng mẫu là một kỹ năng quan trọng, trí tuệ thực sự vượt ra ngoài điều này, đòi hỏi một hệ thống AI phải hiểu nguyên nhân, đưa ra dự đoán và phát triển các giải pháp cho các vấn đề dựa trên suy luận. AGI phải có khả năng kết nối các điểm giữa các mẩu thông tin khác nhau và áp dụng sự hiểu biết này cho các thách thức mới.
ARC’s New Partnership with Eliza Labs
Kiểm tra AGI trong các bối cảnh đa dạng
Ngoài việc thể hiện các năng lực phù hợp, AGI còn phải có khả năng hoạt động trong nhiều môi trường khác nhau. Các môi trường này kiểm tra mức độ hiệu quả của AI trong các loại thử thách khác nhau. Ví dụ, cộng tác đa tác nhân là một bối cảnh mà AGI phải làm việc cùng hoặc cạnh tranh với cả tác nhân con người và tác nhân AI. Điều này kiểm tra khả năng cộng tác, lập chiến lược và giao tiếp hiệu quả của AI.
Bản chất không ổn định của môi trường cũng là một bối cảnh quan trọng. Các hệ thống AGI phải có khả năng điều hướng các thế giới mà các quy tắc và nhiệm vụ liên tục phát triển. Trong các môi trường như vậy, AI không thể chỉ dựa vào các giải pháp được xác định trước; nó phải học cách điều chỉnh và phát triển các chiến lược ngay lập tức.
Sự phức tạp của thế giới mở càng thử thách AGI hơn bằng cách yêu cầu nó khám phá và quản lý nhiều mục tiêu. Trong các thiết lập thế giới mở, AI phải ưu tiên các nhiệm vụ và khám phá các mục tiêu mới trong khi đối phó với các sự kiện bất ngờ. Các loại môi trường này giúp mô phỏng tính không thể đoán trước và sự phức tạp của các kịch bản trong thế giới thực.
Cuối cùng, lập kế hoạch dài hạn là một bài kiểm tra thiết yếu khác. AGI phải có khả năng đưa ra các quyết định dẫn đến thành công lâu dài, thay vì chỉ tối ưu hóa cho phần thưởng tức thời. Kỹ năng này đòi hỏi khả năng xây dựng và thực hiện các kế hoạch nhiều bước, ngay cả khi phản hồi thưa thớt hoặc bị trì hoãn.
Neuron Token ($NRN)
Tiến độ và Lộ trình của ARC
ARC đã đạt được những tiến bộ đáng kể trong việc phát triển các thành phần cần thiết cho AGI, xây dựng nền tảng thông qua khuôn khổ M.I.N.D. của mình. Khuôn khổ này bao gồm các mô hình tiên tiến hỗ trợ học tập liên tục, mô hình hóa sự không chắc chắn và khả năng thích ứng. Cơ sở hạ tầng của ARC cũng tạo điều kiện thuận lợi cho việc thu thập và sử dụng dữ liệu, cho phép các hệ thống AI liên tục cải thiện và thích ứng theo thời gian. Việc tích hợp các môi trường—từ cài đặt chơi đơn đến cài đặt nhiều người chơi—cung cấp nhiều bãi thử nghiệm đa dạng cho các khả năng này.
Mặc dù có những tiến bộ này, việc đạt được AGI vẫn đòi hỏi phải giải quyết các khoảng trống chính. Chúng bao gồm các phát triển sâu hơn về suy luận, học máy phân cấp (HML) và xử lý sự không chắc chắn. Đặc biệt, HML là một hướng đi đầy hứa hẹn để tổ chức việc học của AI thành các mô-đun có thể hoạt động ở các cấp độ trừu tượng khác nhau, cho phép hệ thống quản lý sự phức tạp tốt hơn và đưa ra các quyết định tinh tế hơn.
Lộ trình của ARC bao gồm một số sáng kiến được thiết kế để giải quyết các khoảng trống này. Một trong những sáng kiến đó là cuộc thi đổi mới mô hình, sẽ ra mắt vào năm 2025 để khuyến khích nghiên cứu và phát triển trong các lĩnh vực như suy luận, khả năng thích ứng và khái quát hóa. Tổ chức cũng đang hợp tác với các nhà cung cấp cơ sở hạ tầng để đáp ứng nhu cầu tính toán ngày càng tăng của sự phát triển AGI. Ngoài ra, ARC đang tạo ra các môi trường chơi game thách thức khả năng cộng tác, lập kế hoạch và quản lý các thách thức bất ngờ của AI, đồng thời hợp tác với các dự án khác để tích hợp các phương thức khác nhau như thị giác, âm thanh và ngôn ngữ.
Vai trò của $NRN trong Phát triển AGI
Trung tâm của tầm nhìn ARC là token Neuron ($NRN), hoạt động như một yếu tố nền tảng trong hệ sinh thái phi tập trung mà ARC đang xây dựng. Token này tạo điều kiện cho sự hợp tác của các nhà nghiên cứu, nhà phát triển, nền tảng và tổ chức, giúp đẩy nhanh sự phát triển AGI thông qua trò chơi. Bằng cách tận dụng $NRN, ARC đặt mục tiêu thúc đẩy một cách tiếp cận mã nguồn mở, do cộng đồng điều khiển đối với nghiên cứu AGI, đảm bảo rằng tiến bộ được chia sẻ và đẩy nhanh bởi sự đóng góp của nhiều người tham gia đa dạng. Để tìm hiểu thêm về các sáng kiến của ARC, vui lòng xem bài đăng này trên X.
