AGI
Jak działa
AGI nie jest pojedynczą architekturą, lecz celem badawczym, dlatego nie ma jednego zdefiniowanego mechanizmu działania. W dyskusji naukowej rozważane są różne drogi do AGI: skalowanie modeli fundamentowych (hipoteza, że wystarczająco duże modele i dane prowadzą do emergentnej ogólności), systemy agentowe łączące modele z narzędziami, pamięcią i planowaniem, modele świata i uczenie ze wzmocnieniem, a także podejścia neurosymboliczne łączące uczenie z jawnym rozumowaniem. Postęp mierzy się nie pojedynczym testem, lecz ramami wielowymiarowymi — framework „Levels of AGI" DeepMind ocenia system wzdłuż dwóch osi: głębokości (jak dobrze wykonuje zadania) i szerokości (jak wiele różnych zadań obejmuje), definiując poziomy od „emerging" przez „competent", „expert", „virtuoso" po „superhuman".
Rozwiązany problem
AGI adresuje ograniczenie wąskiej AI: systemy osiągające wyniki nawet nad-ludzkie w pojedynczych zadaniach nie przenoszą kompetencji na nowe problemy ani nie generalizują poza dziedzinę treningu. Celem jest jeden system o ogólnej, elastycznej kompetencji poznawczej zamiast wielu wyspecjalizowanych modeli.
Ewolucja
Alan Turing w „Computing Machinery and Intelligence" proponuje operacyjny test inteligencji maszyn, zakładając możliwość maszyny o ogólnej inteligencji porównywalnej z ludzką.
Warsztat w Dartmouth ustanawia sztuczną inteligencję jako dziedzinę badań, z pierwotnym, ambitnym celem odtworzenia ogólnej ludzkiej inteligencji w maszynie.
John Searle wprowadza rozróżnienie między „silną" a „słabą" AI, dostarczając filozoficznego kontekstu późniejszym debatom o AI ogólnej.
Mark Gubrud po raz pierwszy używa terminu „artificial general intelligence" w dyskusji o skutkach w pełni zautomatyzowanej produkcji i operacji.
Shane Legg i Ben Goertzel ponownie wprowadzają i popularyzują termin AGI w środowisku badawczym, odróżniając go od wąskiej AI.
Redagowany tom Bena Goertzela i Cassio Pennachina konsoliduje AGI jako odrębną dziedzinę badawczą i pojęcie techniczne.
Nick Bostrom w „Superintelligence: Paths, Dangers, Strategies" (Oxford University Press) konceptualizuje sztuczną superinteligencję i ryzyka związane z jej kontrolą.
OpenAI w Karcie definiuje AGI jako „wysoce autonomiczne systemy, które przewyższają ludzi w większości ekonomicznie wartościowej pracy", nadając pojęciu wpływową definicję operacyjną.
Morris i in. proponują ramy klasyfikacji postępu ku AGI według głębokości (wydajności) i szerokości (ogólności), z poziomami od „emerging" po „superhuman".