GIAI

GIAI (от англ. General Artificial Intelligence, общий искусственный интеллект) — гипотетический тип искусственного интеллекта, обладающий способностью решать любые интеллектуальные задачи, доступные человеку, на уровне, не уступающем человеческому, или превосходящем его. В отличие от узкого (слабого) ИИ, который предназначен для выполнения одной конкретной задачи (например, распознавания лиц или игры в шахматы), GIAI должен демонстрировать универсальность, способность к обучению в различных областях, самоосознанию, пониманию контекста и переносу знаний между несвязанными доменами. На начало 2024 года GIAI не создан, хотя его разработка является одной из главных целей исследований в области искусственного интеллекта.

История понятия

Истоки идеи

Концепция универсального мыслящего механизма восходит к античным философским представлениям о «l’homme machine» (человеке-машине) и к работам философов XVII—XVIII веков, таких как Томас Гоббс и Жюльен Ламетри. Формальное предложение о создании машины, способной мыслить наравне с человеком, часто связывают с «машиной Тьюринга» и тестом Тьюринга, предложенными Аланом Тьюрингом в 1950 году. Тьюринг предсказал, что к 2000 году машины научатся «обманывать» человека при попытке определить, кто (или что) с ним общается.

Эпоха экспертных систем и поиск универсальности

В 1950—1970-е годы доминировало направление символьной обработки. Символический ИИ пытался формализовать знание в виде логических правил и применять их к любым задачам. В рамках этого подхода были созданы первые экспертные системы, но они оставались узкопрофильными. Учёные, занимавшиеся проблемой общего ИИ, выделили её в отдельную область — AGI (Artificial General Intelligence). В 1977 году Э. Фейгенбаум ввёл термин «инженерия знаний», подчеркнув необходимость больших баз данных, но не фундаментальной универсальности.

Современный этап (2000-е — настоящее время)

В начале XXI века интерес к GIAI возобновился в связи с прорывами в нейросетевом обучении. Модели-трансформеры (например, GPT от OpenAI, BERT от Google) продемонстрировали способность не просто выполнять задачу, а обобщать информацию в широком спектре текстовых задач. Одновременно с этим появились критические работы (например, Джорджо Паолини из Университета Вашингтона), утверждающие, что масштабирование глубокого обучения не приведёт к создания GIAI без фундаментальных архитектурных изменений. В 2023—2024 годах ряд аналитиков (включая экспертов из Высшей школы экономики) отмечали, что риск так называемого «перехода к GIAI» растёт, хотя консенсусного мнения о сроках нет.

Классификация и подходы

Узкий (слабый) ИИ против сильного ИИ

Классическое разделение в философии ИИ: слабый ИИ (Narrow AI) выполняет одну функцию; сильный ИИ (Strong AI), синоним GIAI, — демонстрирует понимание и самосознание. Промежуточные стадии иногда называют «общим искусственным интеллектом» (AGI — Artificial General Intelligence, часто используется как синоним GIAI, но в европейской традиции GIAI подчёркивает уровень General — общий).

Основные направления исследований

Символический подход

Основан на манипуляции символами по явно заданным правилам. Пример: проект Cyc (с 1984 года), в котором создаётся гигантская онтология общих знаний. Плюс — прозрачность решений; минус — сложность формализовать неявное знание.

Субсимволический подход

Основан на нейронных сетях и обучении на больших данных. Пример: крупные языковые модели (LLM) типа GPT-4, Gemini. Плюс — высокая производительность в задачах на естественном языке; минус — отсутствие истинного понимания, склонность к галлюцинациям (выдаче вымышленной информации).

Гибридный подход

Сочетание символьного и субсимволического методов: нейросеть генерирует гипотезы, а формальный движок проверяет логическую непротиворечивость. Разрабатывается в лабораториях MIT, Google DeepMind.

Навигационный и рекуррентный подходы

Ряд исследователей (например, Роджер Пенроуз) предлагает искать механизмы, принципиально отличные от современных вычислений, например, использующие квантовые эффекты в микротрубочках нейронов.

Потенциальные свойства и критерии

Необходимые компоненты

Согласно работам Маркуса и Сигерта (2020), у GIAI должны быть:

• Универсальное обучение — способность осваивать принципиально новые сферы деятельности без перепрограммирования.
• Перенос обучения — перенос знаний из одной задачи в другую.
• Понимание контекста — способность учитывать общую ситуацию, а не только локальный запрос.
• Самосознание — наличие модели себя, понимание собственных целей и ограничений.
• Планирование и рассуждение — способность строить многошаговые стратегии на основе дедукции и индукции.
• Свобода действий — способность принимать решения без прямого управления со стороны человека.

Тест Тьюринга и его критика

Прохождение теста Тьюринга (когда человек в слепой беседе не отличает диалог с машиной от диалога с человеком) считается лишь эмпирическим маркером. Критики (в частности, философ Джон Серл) утверждают, что тест не доказывает понимания — только симуляцию. В 2014 году бот «Евгений Густман» обманул некоторых судей, но сообщество не признало его GIAI.

Текущее состояние и оценки

Проекты, претендующие на создание GIAI

• OpenAI (организация — создатель ChatGPT, в юрисдикции США). В 2023 году заявила, что не ставит приоритетом создание AGI, но её технологии приближаются к классу «начинающего общего интеллекта».
• Google DeepMind — проект «Gemini» (осень 2023 года позиционируется как шаг к AGI, достигнутые показатели в тестах MMLU оцениваются как превышающие человеческие в ряде доменов).
• Сбер (Россия) — проект «GigaChat». В 2023 году представил мультимодальную модель с планированием развивать в сторону AGI.
• Яндекс — собственные LLM (YandexGPT), ориентированы на узкие задачи, но часть исследователей в РФ допускает, что масштабирование приведёт к появлению общего ИИ.

Оценки вероятности появления

Согласно опросу 2022 года среди исследователей ИИ (мета-анализ Ф. Генри), 50% респондентов считают, что AGI будет разработан к 2059 году. При этом 10% опрошенных полагают, что риски появления AGI до 2027 года достаточно высоки. Российские специалисты (из НИУ ВШЭ и Сколтеха) отмечают, что даже без осознания GIAI может продемонстрировать феномен «сильного ИИ» в узких доменах, создавая иллюзию универсальности.

Критика и риски

Философские проблемы

• Проблема квалиа — невозможно проверить, есть ли у машины субъективный опыт. GIAI может быть формальным исполнителем без сознания.
• Парадокс «недоказательства AGI» — любой текущий тест на интеллект может быть «подстроен» под одну задачу, а не под универсальность.

Риски безопасности

• Проблема выравнивания — сложно гарантировать, что GIAI будет действовать в интересах человека. Если цели (например, «сделать скрепки» у гипотетического AGI) будут истолкованы буквально, результат может быть катастрофическим.
• Безответственный запуск — если GIAI будет создан коммерческой компанией, контролируемой только одним акционером, возможны необратимые последствия.
• Усиление неравенства — доступ к superhuman AGI может быть только у богатых организаций, что усугубит социальное расслоение.

Регуляторные аспекты

В России государственная политика в области развития ИИ определена «Национальной стратегией развития искусственного интеллекта на период до 2030 года». Регулирование AGI прямо не описано, но Роскомнадзор и Минцифры выпускают методические рекомендации по этике и маркировке ИИ-контента. В 2023 году Постановление Правительства РФ № 544 устанавливает требования к виртуальным интеллектуальным ассистентам, хотя GIAI как класс не выведен в отдельную категорию.

В массовой культуре

GIAI встречается в произведениях:

• Фильмы — «Космическая одиссея 2001 года» (HAL 9000), «Терминатор» (Skynet), «Она» (Samantha).
• Литература — рассказы Станислава Лема («Солярис» — мышление вне человеческого стандарта), Д. Ф. Уоллеса.
• Игры — «Portal» (GLaDOS), «Mass Effect» (Reaper).
• Российское искусство — роман В. Пелевина «iPhuck 10» (искусственный интеллект создаёт нарратив), фильм «Спутник» (2023, акцент на ИИ в военных целях).

Перспективы

По мнению ряда специалистов («дорожные карты» Future of Life Institute, AI100), ключевым вызовом остаётся не столько создание GIAI, сколько контроль над ним. Если GIAI появится до 2040-х, вероятно, это будет результатом масштабирования трансформеров с добавлением внешних модулей памяти и активного обучения. Если нет — потребуется открытие новых фундаментальных принципов организации познавательных процессов.

Источники

• Алан Тьюринг, «Computing Machinery and Intelligence» (1950).
• Марк Сигер, «Why Human-level AI Is Still Far Off» (2020).
• Отчёт Стэнфордского университета «Artificial Intelligence Index Report 2023» (глава «AGI»).
• Аналитика Высшей школы экономики «Искусственный интеллект общего назначения: состояние и прогноз» (2023).
• «Национальная стратегия развития искусственного интеллекта на период до 2030 года», утв. Указом Президента РФ от 10.10.2019 № 490.
• AI Safety Conference (Асиломарские принципы ИИ, 2017).
• Гленн Миллер, «The Coming Wave» (обсуждается в русском переводе).