Greg Camrad, az Ark Prize Alapítvány elnöke részletesen bemutatja, milyen kihívásokkal jár az általános mesterséges intelligencia (AGI) valódi mérésének és fejlődésének nyomon követése. A beszélgetés középpontjában az intelligencia alternatív definíciója áll: milyen hatékonyan képes egy rendszer új képességek elsajátítására, nem pusztán meglévő tudáshalmazon való teljesítményre.
Az Ark Prize által használt ARC AGI benchmark története is szóba kerül, ami eltér a megszokott tesztektől, mivel a hangsúlyt nem a minél magasabb, nehezebb teszteredmények elérésére, hanem az általánosítás, a tanulás és a problémák újszerűsége által adott kihívások leküzdésére helyezi. A legújabb verziók, mint az ARC AGI 3, már interaktív ‘játékkörnyezetekkel’ dolgoznak, ahol semmiféle előzetes instrukció nem áll rendelkezésre, így a vizsgált rendszernek önállóan kell rájönnie a környezet szabályszerűségeire.
Izgalmas kérdésként jelenik meg, milyen mértékben képesek a mesterséges intelligenciák az emberi tanulással és problémamegoldással összemérhetően teljesíteni, mennyire relevánsak az idő, az adat- és energiaigény a valódi előrelépés meghatározásában, illetve hogyan tudjuk elkerülni a látszólagos, de nem valódi fejlődést mutató ‘hamis pozitív’ eredményeket. Emellett szó esik az AGI fejlesztése során felmerülő különféle célokról és megközelítésekről is: gazdasági előnyök maximalizálásáról, valamint a tudományos kíváncsiság vezérelte, általános intelligencia elérését célzó kutatásokról.
