Japońska firma Integral AI przedstawiła nową koncepcję budowy sztucznej inteligencji ogólnej (AGI), która opiera się na zdolności do samodzielnej nauki, bezpieczeństwie oraz wysokiej wydajności energetycznej.
Fundamentem technologii są uniwersalne symulatory tworzące mapy otoczenia oraz operatory zdolne do planowania i wykonywania zadań w świecie rzeczywistym. System ten odchodzi od tradycyjnego schematu opierania się na ogromnych zbiorów danych na rzecz hierarchicznych abstrakcji, co pozwala maszynom na sprawne rozwiązywanie problemów i tworzenie własnych narzędzi. Długofalowym celem firmy jest osiągnięcie superinteligencji, która dzięki spełnianiu zasad zrównoważonego i podporządkowanego etyce rozwoju ma wspierać ludzką wolność oraz kreatywność.
Firma Integral AI przedstawiła w grudniu 2025 r. “pierwszy model zdolny do osiągnięcia AGI” (AGI-capable model). Model ten stanowić ma krok milowy w dziedzinie sztucznej inteligencji, ponieważ potrafi autonomicznie uczyć się nowych umiejętności. Integral AI podkreśla, że rozwiązanie ustanawia skalowalną strukturę umożliwiającą osiągnięcie prawdziwej ogólności i superinteligencji.
Integral AI posługuje się definicją AGI, która ma pozwolić na uściślenie nadużywanego często terminu AGI. System, aby być uznanym za AGI, musi spełniać trzy kryteria:
- Autonomiczna nauka umiejętności (Autonomous Skill Learning): model musi niezależnie przyswajać nowe umiejętności w nowych domenach, bez konieczności polegania na istniejących zestawach danych lub interwencji człowieka.
- Bezpieczne i niezawodne uczenie (Safe and Reliable Mastery): proces uczenia się ma odbywać się bez niezamierzonych skutków ubocznych lub katastrofalnych awarii.
- Efektywność energetyczna (Energy Efficiency): całkowity koszt energii potrzebny do nauki musi być porównywalny lub niższy niż ten, którego wymagałby człowiek, aby opanować tę samą umiejętność.
Firma twierdzi, że dopiero tak zdefiniowana AI pozwoli uwolnić społeczeństwo od polegania na „farmach danych” generowanych przez ludzką pracę.
CZYTAJ TEŻ: Promptowanie spłyca myślenie
CZYTAJ TEŻ: Agent AI w każdej firmie. To realny scenariusz
Architektura zdolna do AGI: symulatory i operatorzy
Firma przedstawiła plan działania prowadzący do superinteligencji, oparty na trzech krokach, z których dwa pierwsze koncentrują się na budowie systemu AGI:
1. Uniwersalne Symulatory (Universal Simulators)
Obecne systemy AI są często określane jako czarne skrzynki, łączące uogólnienie z zapamiętywaniem. Universal Simulators mają być paradygmatem, który tworzy transparentne, hierarchiczne abstrakcje na wzór ludzkiej kory nowej, odpowiedzialnej za funkcje poznawcze (neocortex). Symulatory te integrują dane z różnych zmysłów (wzrok, język, dźwięk, dotyk) w celu tworzenia jednolitych modeli świata, które uogólniają wiedzę między domenami. Są one określane jako pierwsze prawdziwe modele świata, zdolne do autonomicznego rozumienia, wnioskowania i przewidywania złożonych systemów.
2. Uniwersalne Operatory (Universal Operators)
Podczas gdy symulatory zapewniają zrozumienie, AGI wymaga działania – dlatego uniwersalne operatory rozszerzają funkcjonalność symulatorów, umożliwiając planowanie, wykonywanie i ciągłe uczenie się. Kluczowe cechy operatorów to:
- Efektywne planowanie: wykorzystują abstrakcje do planowania na wyższych poziomach szczegółowości, na przykład planując cele i podcele bez wchodzenia w nieefektywne planowanie na niskim poziomie (np. na poziomie ruchu mięśni).
- Wykorzystanie narzędzi (Tool Use): operatory płynnie integrują się zarówno z cyfrowymi API, jak i fizycznymi robotami. Co istotne, kiedy istniejące narzędzia są niewystarczające, operatory potrafią autonomicznie projektować i budować nowe.
- Aktywne uczenie się (Active Learning): operatory, wyposażone w możliwość planowania, używania narzędzi i uczenia się przez całe życie, są w stanie samodzielnie projektować eksperymenty, aby wypełnić luki w wiedzy i nabyć niezbędne umiejętności. Integral AI twierdzi, że te eksperymenty są prowadzone bezpiecznie i efektywnie, tym samym spełniając kryteria AGI.
Na przykład, operator, którego zadaniem jest odkrycie nowego leku, autonomicznie planuje eksperymenty, wykorzystuje roboty do ich bezpiecznego przeprowadzenia w laboratorium i tworzy nową wiedzę, automatyzując metodę naukową.
3. Trzeci krok będzie stanowiło skalowanie do poziomu superinteligencji (AGI)
Pierwsze próby
Integral AI informuje o pierwszych demonstracjach, które testują potencjał ich schematu w obszarze robotyki, gdzie autonomiczny robot uczy się nowych umiejętności całkowicie autonomicznie, dostosowując się do złożonego środowiska świata rzeczywistego. Innym przykładem jest generowanie całkowicie nowego oprogramowania oraz rozwiązań na podstawie instrukcji użytkownika wysokiego poziomu.
Modele Integral AI były trenowane w środowiskach 2D i 3D, aby rozwijać zdolności, takie jak pamięć, rozumowanie przestrzenne i podejmowanie decyzji, co ma stanowić fundament dla bardziej zaawansowanego myślenia i skalowania do pełnego modelu świata.