3
柔軟性と効率の間にトレードオフはありますか？
「一般的な知能」は多くの異なることを学ぶことができるかもしれませんが、能力を持つことは実際にそれを持っていることとは異なります。「AGI」は学習する必要があります...そしてその学習プロセスには時間がかかる場合があります。AGIで車を運転したりGoをプレイしたりするには、何らかの方法でAGIを「教える」必要があります。AGIを構築したことがないため、トレーニングプロセスの期間はわかりませんが、悲観的な見積もりを想定しても安全です。 それを「狭い知性」と対比してください。狭いAIは、車の運転や囲碁のプレイ方法をすでに知っています。ある特定のタスクで非常に優れているようにプログラムされています。マシンは事前にトレーニングされているため、マシンのトレーニングについて心配する必要はありません。 「一般的な知能」は「狭い知能」よりも柔軟性があるようです。AGIを購入して、車を運転してGo をプレイすることができます。さらに多くのトレーニングをしたい場合は、新しいトリックを教えることもできます：ケーキを焼く方法。予期しないタスクが発生することを心配する必要はありません。十分なトレーニング時間が与えられれば、AGIは最終的にその方法を理解するからです。でも長い間待たなければならなかった。 「ナローインテリジェンス」は、そのタスク専用にプログラムされているため、割り当てられたタスクでより効率的です。それは何をすべきかを正確に知っており、「学習」に時間を費やす必要はありません（ここのAGIバディとは異なります）。さまざまなタスクをうまく処理するために1つのAGIを購入する代わりに、専門のナローAIを購入したいと思います。狭いAI＃1が車を運転し、狭いAI＃2がGoを再生し、狭いAI＃3がケーキを焼くなど。それを処理します。私はそのリスクを受け入れても構わないと思っています。 私の「思考」は正しいですか？上記のように、柔軟性（AGI）と効率（狭いAI）の間にトレードオフはありますか？または、AGIを柔軟かつ効率的にすることは理論的に可能ですか？