Administrativ information
| Titel | Generaliserbarhet och artificiell allmän intelligens (AGI) |
| Varaktighet | 45–60 |
| Modul | C |
| Typ av lektion | Föreläsning |
| Fokus | Teknik – Framtida AI |
| Ämne | Öppna problem och utmaningar |
Nyckelord
AGI, Generalizability, LLMs,Transformers,
Lärandemål
- Förstå begränsningarna med currrent AI-metoder
- Lär dig definitionen av artificiell allmän intelligens (AGI)
- Bekanta dig med AGI:s kapacitet och grundläggande krav
- Se hur vi kan testa för AGI
- Se hur långt bort är AGI och förstå fördelarna och riskerna
Förväntad förberedelse
Lärande händelser som ska slutföras innan
- Föreläsning: Introduktion till människocentrerad AI
- Föreläsning: Inferens och Generalisaion
- Föreläsning: Beslutsträd
- Föreläsning: Neurala nätverk
- Föreläsning: Grunderna för djupinlärning
- Föreläsning: Konvolutionella neurala nätverk
- Föreläsning: Transformatornät
- Föreläsning: Introduktion Allmänt Förklarbar AI
Obligatoriskt för studenter
- Introduktion till maskininlärning och djupinlärningskoncept som ges i tidigare föreläsningar
Valfritt för studenter
Ingen.
Referenser och bakgrund för studenter
Ingen.
Lektionsmaterial
Instruktioner för lärare
Målet med denna föreläsning är att ge studenterna en introduktion till idén om artificiell allmän intelligens (AGI). Det bör bana väg för mer ingående diskussioner och debatter om geografiska beteckningar. Föreläsningen ska:
- Tydliggöra skillnaderna mellan AI-nivåerna
- Diskutera de förväntade egenskaperna hos AGI
- Beskriv begränsningarna för den nuvarande state-of-the-art AI när det gäller karaktäristerna av AGI
- Presentera möjliga sätt att testa för AGI
- Titta på olika expert synpunkter på hur långt bort AGI är
- Diskutera möjliga fördelar och risker med AGI när det gäller Human Centered AI
Sammanfattning av föreläsningen
| Varaktighet | Beskrivning | Begrepp | Verksamhet | Material |
|---|---|---|---|---|
| 10 min | Begränsning av nuvarande AI-strategier | Tillit till data och undervisning (lärande från begränsade data), Nätverk i mänsklig skala, offline-lärande kontra kontinuerligt lärande och anpassning av övertygelser, integration i en komplett AI-stack | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Definition av artificiell allmän intelligens (AGI) | Hur kan vi definiera AGI, nivåer av AI (svaga, starka, super) | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 10 min | Funktioner och grundläggande krav för AGI | Sensorisk perception, motoriska färdigheter, naturlig språkförståelse, kunskapsbevarande, problemlösning, sunt förnuft, kreativitet, medvetande, mönsterigenkänning kontra modellering av världen | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Hur kan vi testa för AGI? | AGI Turing test, Kaffetest, Robot college student, Sysselsättningstest | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Hur långt bort är AGI och vilka är fördelarna och riskerna? | Mätvärden (tid, hastighet för tekniska framsteg, singularitet genombrott), expert åsikter och förutsägelser, möjliga resultat och etiska problem (Utopia, Status Quo, Distopia) | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Slutsats, frågor och svar | Sammanfattning | Slutsatser | Föreläsningsmaterial |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.