Administrative oplysninger
| Titel | Generaliserbarhed og kunstig generel intelligens (AGI) |
| Varighed | 45-60 |
| Modul | C |
| Lektionstype | Forelæsning |
| Fokus | Teknisk — fremtidig kunstig intelligens |
| Emne | Åbne problemer og udfordringer |
Nøgleord
AGI, Generalizability,LLMs,Transformers,
Læringsmål
- Forstå begrænsningerne ved currrent AI-tilgange
- Lær definitionen af kunstig generel intelligens (AGI)
- Bliv fortrolig med AGI's kapaciteter og kernekrav
- Se hvordan vi kan teste for AGI
- Se, hvor langt væk AGI er, og forstå fordele og risici
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
- Forelæsning: Introduktion til menneskecentreret AI
- Forelæsning: Inferens og generalisaion
- Forelæsning: Beslutningstræer
- Forelæsning: Neurale netværk
- Forelæsning: Grundlæggende principper for dyb læring
- Forelæsning: Konvolutionelle neurale netværk
- Forelæsning: Transformernetværk
- Forelæsning: Indledning Generel forklaring AI
Obligatorisk for studerende
- Introduktion til machine learning og deep learning koncepter givet i tidligere foredrag
Valgfrit for studerende
Ingen.
Referencer og baggrund for studerende
Ingen.
Undervisningsmaterialer
Instruktioner til lærerne
Formålet med dette foredrag er at give eleverne en introduktion til ideen om kunstig generel intelligens (AGI). Det bør bane vejen for mere dybtgående drøftelser og debatter om AGI. Forelæsningen skal:
- Klarlægge forskellene mellem niveauerne for kunstig intelligens
- Diskuter de forventede karakteristika ved AGI
- Skitsere begrænsningerne i den nuværende avancerede AI med hensyn til AGI's karakterister
- Præsentere mulige måder, hvorpå vi kan teste for AGI
- Se på forskellige ekspert synspunkter om, hvor langt væk AGI er
- Diskuter de mulige fordele og risici ved AGI i form af Human Centered AI
Oversigt over foredraget
| Varighed | Beskrivelse | Koncepter | Aktivitet | Materiale |
|---|---|---|---|---|
| 10 min. | Begrænsning af de nuværende AI-tilgange | Afhængighed af data og undervisning (læring fra begrænsede data), netværk i menneskelig skala, offline læring versus kontinuerlig læring og tilpasning af overbevisninger, integration i en komplet AI-stakke | Underviste sessioner og eksempler | Forelæsningsmaterialer |
| 5 min. | Definition af kunstig generel intelligens (AGI) | Hvordan kan vi definere AGI, niveauer af AI (svag, stærk, super) | Underviste sessioner og eksempler | Forelæsningsmaterialer |
| 10 min. | Kapaciteter og centrale krav til AGI | Sanseopfattelse, motoriske færdigheder, naturlig sprogforståelse, videnopbevaring, problemløsning, sund fornuft, kreativitet, bevidsthed, mønstergenkendelse versus modellering af verden | Underviste sessioner og eksempler | Forelæsningsmaterialer |
| 5 min. | Hvordan kan vi teste for AGI? | AGI Turing test, Kaffe test, Robot college studerende, Beskæftigelse test | Underviste sessioner og eksempler | Forelæsningsmaterialer |
| 5 min. | Hvor langt væk er AGI, og hvilke fordele og risici er der? | Målinger (tid, hastighed af teknologiske fremskridt, singularitet gennembrud), Ekspert synspunkter og forudsigelser, Mulige resultater og etiske bekymringer (Utopia, Status Quo, Distopia) | Underviste sessioner og eksempler | Forelæsningsmaterialer |
| 5 min. | Konklusion, spørgsmål og svar | Sammendrag | Konklusioner | Forelæsningsmaterialer |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.