Hacia la construcción de una IA generalista especializada con la fusión de Sistema 1 y Sistema 2.

Towards Building Specialized Generalist AI with System 1 and System 2 Fusion

July 11, 2024

Autores: Kaiyan Zhang, Biqing Qi, Bowen Zhou

cs.AI

Resumen

En este documento de perspectiva, presentamos el concepto de Inteligencia Artificial Generalista Especializada (SGAI o simplemente SGI) como un hito crucial hacia la Inteligencia Artificial General (AGI). En comparación con escalar directamente habilidades generales, SGI se define como IA que se especializa en al menos una tarea, superando a expertos humanos, mientras retiene habilidades generales. Este camino de fusión permite a SGI alcanzar rápidamente áreas de alto valor. Categorizamos SGI en tres etapas basadas en el nivel de dominio sobre habilidades profesionales y rendimiento general. Además, discutimos la necesidad de SGI para abordar problemas asociados con modelos de lenguaje grandes, como su insuficiente generalidad, capacidades especializadas, incertidumbre en la innovación y aplicaciones prácticas. Además, proponemos un marco conceptual para desarrollar SGI que integra las fortalezas del procesamiento cognitivo de Sistemas 1 y 2. Este marco consta de tres capas y cuatro componentes clave, que se centran en mejorar las habilidades individuales y facilitar la evolución colaborativa. Concluimos resumiendo los posibles desafíos y sugiriendo direcciones futuras. Esperamos que el SGI propuesto proporcione ideas para futuras investigaciones y aplicaciones hacia la consecución de AGI.

English

In this perspective paper, we introduce the concept of Specialized Generalist Artificial Intelligence (SGAI or simply SGI) as a crucial milestone toward Artificial General Intelligence (AGI). Compared to directly scaling general abilities, SGI is defined as AI that specializes in at least one task, surpassing human experts, while also retaining general abilities. This fusion path enables SGI to rapidly achieve high-value areas. We categorize SGI into three stages based on the level of mastery over professional skills and generality performance. Additionally, we discuss the necessity of SGI in addressing issues associated with large language models, such as their insufficient generality, specialized capabilities, uncertainty in innovation, and practical applications. Furthermore, we propose a conceptual framework for developing SGI that integrates the strengths of Systems 1 and 2 cognitive processing. This framework comprises three layers and four key components, which focus on enhancing individual abilities and facilitating collaborative evolution. We conclude by summarizing the potential challenges and suggesting future directions. We hope that the proposed SGI will provide insights into further research and applications towards achieving AGI.