К построению специализированного общего искусственного интеллекта с объединением Системы 1 и Системы 2.

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

July 11, 2024

Авторы: Kaiyan Zhang, Biqing Qi, Bowen Zhou

cs.AI

Аннотация

В данной перспективной статье мы представляем концепцию Специализированного Генералистического Искусственного Интеллекта (СГИ или просто СГИ), как важного этапа на пути к Искусственному Общему Интеллекту (ИОИ). В отличие от прямого масштабирования общих способностей, СГИ определяется как ИИ, специализирующийся хотя бы в одной задаче, превосходящий человеческих экспертов, сохраняя при этом общие способности. Этот путь слияния позволяет СГИ быстро достигать областей высокой ценности. Мы классифицируем СГИ на три этапа на основе уровня мастерства в профессиональных навыках и общей производительности. Кроме того, мы обсуждаем необходимость СГИ в решении проблем, связанных с большими языковыми моделями, такими как их недостаточная общность, специализированные возможности, неопределенность в инновациях и практические применения. Более того, мы предлагаем концептуальную структуру для развития СГИ, интегрирующую сильные стороны когнитивной обработки Системы 1 и Системы 2. Эта структура включает три уровня и четыре ключевых компонента, которые сосредотачиваются на улучшении индивидуальных способностей и облегчении совместной эволюции. Мы заключаем, подводя итог потенциальным вызовам и предлагая направления для будущего развития. Мы надеемся, что предложенный СГИ принесет понимание для дальнейших исследований и приложений на пути к достижению ИОИ.

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.