Det finns ett antal studier som frågat AI-forskare om, och isåfall när, de tror att vi skulle kunna nå den tekniska singulariteten och därmed AGI. Den senaste jag sett är denna från 2019, men den känns lite tvivelaktig eftersom den bygger på ett litet urval respondenter (32st) i form av PhD:s som “forskar inom AI”…vilket är väldigt diffust. Hur som helst resulterade svaren från dessa 32 vad gäller AGI i detta:
- 45% of respondents predict a date before 2060
- 34% of respondents predict a date after 2060
- 21% of respondents believe that the Singularity is unlikely to ever occur
En mer robust studie är denna (länk) som bygger på enkätsvar från 352 forskare som deltog någon av två topp-konferenser inom fältet (ICML och NIPS). Denna landade i en 50% chans att vi når AGI senast 2060, men det finns mycket stora skillnader baserat på varifrån de svarande kommer. Svarande från Asien estimerade en 50%-ig chans till AGI inom 30 år, medan europer estimerar 45 år, och nordamerikaner 75år.
Man kan konstatera är att inte ens experterna är på något sätt är eniga i denna fråga, och det är inte konstigt då det är så svårt att förutspå teknikutveckling. Sådan utveckling sker sällan linjärt utan istället i snabba pradigmskiften, med påvarandra följanse S-kurvor. Ett nytt paradigm ger en snabb utveckling som sen planar ut till nästa paradigm tar över.
Det är också viktigt att ta med sig att AI-forskare historiskt sett många gånger varit överentusiastiska i sina utfästelser. Trots detta finns det ett antal aspekter som talar för en fortsatt snabb utveckling inom AI-området, främst:
-
fortsatt exponentiell utveckling av beräkningskapacitet i datorer. All intelligens kräver beräkningar, vår hjärnor är exempelvis en typ av informationsbehandlare. Exempelvis befinner vi oss just nu i det femte beräkningsparadigmet (först rent mekaniska maskiner, via relä-datorer och elektronrör till transistorn ) och nu den integrerade kretsen (alltså “chip” som CPU:er). Vi börjar nå gränsen för hur mycket mer beräkningskapacitet vi kan trycka in i CPU:er, men börjar redan glänta på dörren till det sjätte paradigmet som kanske är kvantdatorer.
-
tillgång till data. Genom mobila enheter, internet m.m. sammanställer och lagerhåller vi enorma mängder data både i struktuerad och otrukturerad form. Detta är något äldre AI-forskare bara kunnat drömma om.
-
typ 75 år av ackumulerad AI-forskning och effektivare algoritmer och inlärningsparadigm. I kombination med de båda ovanstående ger detta oanade möjligheter jämfört med hur förutsättningarna såg ut i tidigare skeden av AI-utvecklingen.
Personligen tror jag att dessa tre samverkande punkter kommer leda till att AI-utvecklingen fortsätter i rasande fart. MEN, jag tror inte vi når AGI per automatik bara för att vi accelererar punkt 1-2 ovan. Det kommer ge oss mycket snabbare datorer och mer data, men det leder inte per automatik till intelligens. Om vi så att säga får en dubbelt så snabb dator, men kör den med ett “korkat” program får vi bara fel svar dubbelt så snabbt.
Till syvene och sist hänger det på punkt (3) ovan, alltså forskning och framsteg i hur man kan omsätta beräkningscykler för att nå intelligens. Mycket AI-forskning idag handlar om djupa neurala nätverk (eng. Deep learning). Och även om det finns likheter med hur våra hjärnor fungerar, så är de samtidigt sååå olika. En bra populärvetenskaplig beskrivning tycker jag ges i boken A Thousand Brains: A New Theory of Intelligence (länk).
Slutligen, vad gäller AI:s (alltså inte AGI) påverkan på arbetsmarknaden så finns följande två läger:
- Dels det negativa som talar om mass-arbetslöshet eftersom AI kommer konkurrera ut jobb. Denna sida fokuserar mer eller mindre bara på utbudssidan. För en populärvetenskaplig summering av denna (enligt mig onyanserade) sida så kan man läsa SSF-rapporten Vartannat jobb automatiserat inom 20 år.
- Å andra sidan finns en (enligt mig) mer nyanserad sida som exempelvis bryter ner konceptet jobb i mindre beståndsdelar i form av olika arbetsuppgifter…och tar också in efterfrågande-sidan (vad vill vi människor/kunder egentligen ha). Här landar man generellt i att AI kommer kunna ersätta vissa arbetsuppgifter fullt ut, medan de flesta andra inte kommer ersättas men däremot förändras på olika sätt, t.ex. genom att vi människor får mer avancerade hjälpmedel. Men det finns endel jobb som bara består av arbetsuppgifter som helt kan automatiseras, och därmed kommer konkurreras ut. Resterande jobb däremot kommer istället förändras på olika sätt, och därmed finnas kvar i modifierad form. Dock är frågan om kompetensförsörjning central här…i vilken utsträckning har arbetstagaren förmågan att utbilda sig för att möta de modifierade arbetsuppgifterna? Dessutom bedöms det tillkomma en stor mängd nya jobb som vi inte ens kan föreställa oss idag. Som en liknelse, hur många här på forumet har ett yrke som helt bygger på att vi har tillgång till datorer? Jag är iaf en av dem, eftersom jag är forskare inom datavetenskap med just fokus på AI och tillämpas maskininlärning. Visst, datorer har konkurrerat ut en hel del jobb, men skapat desto fler. En rapport som beskriver denna mer nyanserade bild på ett bra sätt är denna från Entrprenörskapsforum skriven tillsammans med AI-forskare med gedigen kompetens.
Summa summarum kan man bara konstatera att detta är en väldigt komplex fråga (vilket längden på detta inlägg vittnar om 
) kantad av enorm osäkerhet, och där antagligen ingen vet svaret.
jag har hört att ryktet om 100 biljoner (eng trillion) inte ska stämma utan det handlar mer om 1 biljon (eng trillion). Orsaken ska vara att, enligt rykten, att flamingo i våras visade att det finns ett mycket mer effektivt sätt att träna AI. Snarare hur själva träningen fungerar, och att man behöver fler tokens för att det ska fungera bra.