Czy istnieje jeden rodzaj inteligencji, czy wiele? Jedną z rzeczy, których się nauczyliśmy, jest to, że istnieją potężne algorytmy uczenia maszynowego, które potrafią rozwiązywać problemy, z którymi dotychczas radzili sobie tylko ludzie. Niektóre z tych algorytmów, zwłaszcza głębokie sieci neuronowe, wykazują interesujące podobieństwa do mózgu, zwłaszcza do obwodów neuronowych w korze mózgowej. Sztuczna inteligencja wykorzystująca głębokie uczenie rozwiązuje problemy poprzez konstruowanie rozproszonych reprezentacji wewnętrznych, z których niektóre obejmują rozkład wzorców danych na cechy na różnych poziomach abstrakcji. Wydaje się to być fundamentalnym elementem składowym inteligencji. Drugi typ ogólnego systemu uczenia się potrafi znajdować strukturę w danych sekwencyjnych, takich jak mowa czy język, wykorzystując połączenia rekurencyjne lub selektywną uwagę. Coraz częściej sztuczna inteligencja koncentruje się na systemach generatywnych, które są trenowane do odtwarzania własnych danych wejściowych i w ten sposób odkrywają ukryte struktury w wielowymiarowych przestrzeniach wzorców. Ta zdolność pozwala im generować nowe, nigdy wcześniej nieobserwowane rezultaty. Po zdobyciu tego rodzaju wiedzy, można szybko nauczyć się konkretnych zadań, które ją wykorzystują. Badania nad zrozumieniem ludzkiej inteligencji coraz częściej eksplorują modele generatywne, aby zrozumieć obliczenia zachodzące w mózgu, szczególnie te obejmujące mikroobwody korowe, co wydaje się skuteczną strategią konstruowania sztucznej inteligencji, wspólną z inteligencją biologiczną. Z drugiej strony, zauważyliśmy również, że różne rodzaje sztucznej inteligencji mogą być najlepiej dostosowane do różnych typów problemów. Na przykład, niektóre aspekty inteligencji mogą nie dać się zredukować obliczeniowo do problemów związanych z rozpoznawaniem wzorców. Zadania takie jak logiczne rozumowanie czy rozwiązywanie problemów mogą być z natury seryjne i wymagać koordynacji wielu układów mózgowych. Ta koncepcja wspiera również koncepcję szybkiego i wolnego myślenia Daniela Kahnemana – szybkie myślenie odpowiada nabytym umiejętnościom rozpoznawania wzorców, których działanie nie jest świadomie dostępne, a wolne myślenie, będąc bardziej przemyślanym i sekwencyjnym, wymaga świadomego wysiłku i jest wspierane przez nasze umiejętności językowe i rozbudowany umysł. Typowy dorosły mózg ludzki ma również wiele wysoce wyspecjalizowanych części, przystosowanych do różnych funkcji. Obserwujemy również jakościowo różne formy uczenia się w obszarach mózgu, takich jak kora mózgowa i móżdżek, oraz w obwodach obejmujących jądra podstawy. Podsumowując, obraz jest pełen niuansów. Istnieją dowody na istnienie generycznych zdolności leżących u podstaw wielu form inteligencji oraz na potrzebę tworzenia wyspecjalizowanych systemów szytych na miarę w różnych dziedzinach. Siła algorytmów uczenia maszynowego sugeruje również, że uczenie się na podstawie doświadczenia ma kluczowe znaczenie dla konstruowania inteligencji; w połączeniu z dowodami na zdolność uczenia się dzieci, przeczy to sugestiom, że nasz potencjał do inteligentnego działania jest determinowany jeszcze przed naszymi narodzinami. Spośród różnych rodzajów inteligencji omówionych w rozdziale 2, dwa wyróżniają się jako nieuwzględnione w obecnych systemach sztucznej inteligencji – inteligencja intrapersonalna i interpersonalna – czyli zdolność rozumienia siebie i innych. Zdolności te są niewątpliwie powiązane. W istocie, jednym z powodów, dla których sztuczne inteligencje nie rozwinęły jeszcze inteligencji społecznej, jest to, że aby zrozumieć innych i nawiązać z nimi relacje, najpierw trzeba coś o sobie wiedzieć.17 Istniejące sztuczne inteligencje, nawet superpotężne systemy, takie jak ChatGPT, nie posiadają takiej samoświadomości. W istocie, pojęcie bycia czymkolwiek jest pozbawione znaczenia dla obecnych SI. W rozdziale 7 zobaczymy, że ma to również znaczenie w kontekście rozważań nad pojawiającymi się zagrożeniami społecznymi, jakie niesie ze sobą SI. Nasza tendencja do antropomorfizacji SI – postrzegania ich jako bytów z samoświadomością i troską o swoją przyszłość – może utrudniać zrozumienie potencjału SI, zarówno w dobrym, jak i złym kierunku. Podsumowując, zauważyliśmy, że dzisiejsze SI są ograniczone, a marzenie o rozwoju AGI jest jeszcze odległe. Po części dlatego, że wciąż nie rozwiązaliśmy problemu architektury poznawczej (łączenia wielu komponentów SI w większy inteligentny system), a po części dlatego, że obecne SI nie są wystarczająco zanurzone w świecie, aby posiadać ugruntowane reprezentacje. Jest prawdopodobne, że niektóre elementy ludzkiej inteligencji, takie jak odkrycia naukowe oraz aspekty kreatywności i wyobraźni, pozostaną poza zasięgiem SI, dopóki te wyzwania nie zostaną podjęte.