3 tendências tecnológicas para antecipar em 2019 e além!

1. Nutrição Genética, 2. Computação Neuromórfica em escala de bolacha e 3. Inteligência Artificial que pode responder e nos ajudar a fazer perguntas difíceis

Eric Martin Blocked Unblock Seguir Seguindo 2 de janeiro Temas do NordWood no Unsplash

Ao refletir sobre o que 2019 trará, gostaria de compartilhar algumas ideias sobre as quais estive pensando. Eu estou dando a eles livremente para todos, então se as pessoas quiserem usá-los, construa sobre eles, ou copie-os de qualquer forma, ótimo! Estou fazendo este artigo "sem direitos reservados". A razão pela qual estou dando essas idéias é porque eu adoraria vê-las se concretizando de uma maneira pensada, mas eu não tenho o capital nem o talento para fazer essas coisas sozinho. Se alguém gostaria de perseguir estes separadamente de mim ou comigo, por favor faça. Eles dizem que o sucesso é 1% de inspiração e 99% de transpiração. Se for verdade, aqui está esse 1%. Mas, mesmo assim, poucas, se algumas dessas ideias são novas, podem ser reunidas de uma nova maneira. Por favor, sinta-se à vontade para me informar se você acha que alguma dessas ideias são boas, seja em uma resposta ou comentário público ou privado.

Nutrição Genética

Este é um futuro em que mil ou dez mil pessoas vendem seu tempo, sua dieta, seu código genético pessoal e seus efeitos sobre a ciência. E não da forma mais louca que você possa imaginar. As empresas de pesquisa nutricional receberão as leituras completas de DNA dos participantes que concordarão em morar em um campus fechado desta firma de pesquisa por um período que pode variar de duas semanas a três meses. Os participantes farão um bom salário, mas terão que permanecer no campus e obedecer a uma dieta rigorosa para ganhá-lo. Essa dieta vai se concentrar em certos alimentos como nozes ou frutas ou uma certa carne ou o que os pesquisadores querem estudar. Cada semana ou duas a dieta pode mudar. Os participantes, no início e em vários momentos ao longo do estudo, contam aos pesquisadores como estão fazendo e respondem a pesquisas detalhadas. Eles também receberão exames de sangue e avaliações de saúde, como um teste de estresse em uma esteira. Os participantes não podem sair mais cedo a menos que estejam dispostos a receber uma taxa rateada que é cortada pela metade para desestimular as pessoas de sair cedo. As pessoas não podem trazer comida ou suplementos para o campus, mas são livres para se exercitar em uma academia, se comunicar com o mundo exterior por meio da tecnologia e geralmente fazem o que querem, exceto que precisam manter uma dieta rigorosa.

Os pesquisadores ao longo do tempo descobrirão os alimentos ideais para cada indivíduo com base unicamente em seus genes. Eles podem fazer isso usando aprendizado de máquina e ciência de dados para descobrir quais alimentos que as pessoas comem causam resultados positivos e negativos com base nos genes específicos que uma pessoa possui.

Quem pagaria pela pesquisa para obter tal informação? As companhias de seguros de saúde do futuro poderiam pagar por esse tipo de informação e fornecê-la à sua população segurada, tudo na esperança de tornar essa população mais saudável. Além disso, pessoas em risco ou doentes podem receber alimentos “gratuitos” enviados pela companhia de seguros de saúde para encorajar os pacientes a comer a dieta perfeita. Alguns planos de seguro de saúde com desconto podem forçar os clientes a comer com base em sua dieta prescrita, ou enfrentar aumentos nos prêmios de seguro.

Esta pesquisa também pode ser lançada com uma campanha do Kickstarter por uma equipe de pesquisadores. O Kickstarter pode precisar de dez milhões de apoiadores por US $ 10 por peça para fazer um estudo de três meses com 10 mil pessoas em vários alimentos. Supondo que as pesquisas dessa escala custariam US $ 100.000.000, mas isso poderia custar mais. Talvez um milhão de patrocinadores a US $ 100 por pessoa possa ter um preço mais realista. Mas se é de US $ 10 ou US $ 100, essa soma leva o usuário a fazer login em um sistema que pode comparar seu genoma que já obteve de um serviço externo com o conjunto de dados que a pesquisa cria para informar-lhes os alimentos e a nutrição ideais para o corpo . Além disso, os recém-chegados que não participaram da campanha do Kickstarter poderiam pagar uma certa quantia para ver suas dietas ideais também.

Esta pode não ser a visão mais utópica, porque eu amo chocolate e não quero desistir. Mas será ótimo quando escorrer para que praticamente todos saibam se o glúten e os laticínios devem realmente ser cortados de suas dietas. Esse tipo de pesquisa também poderia nos dizer quais são os medicamentos ideais para diferentes pessoas tomarem com base em seus genes.

Computação Neuromórfica em escala de bolacha

Um chip de computação em escala de bolacha é assim:

Imagem da Wikipedia

A bolacha inteira é um enorme chip interconectado. Segundo a Wikipedia , este método de tentar criar um chip mais potente falhou no passado. Mas o artigo também diz que há uma empresa chamada Cerebras Systems que está tentando ressuscitar esse método para produzir um chip para aprendizado de máquina. Eu acho que é hora.

A razão pela qual este enorme chip não funciona bem agora é porque os defeitos estão fadados a acontecer algumas vezes. Um minúsculo contaminante no ar de uma instalação de produção de chips torna isso inevitável e nenhuma instalação é perfeita. 10 defeitos em um wafer com 100 fichas podem apenas tornar 10 fichas inaceitáveis, então você ainda tem 90 fichas boas. Isso pode ser um custo aceitável de produzir microchips de ponta. Mas em um wafer de chip único como o mostrado acima, apenas um único defeito no wafer tornaria o chip inteiro sem valor, a menos que o chip fosse de alguma forma reparado ou modificado. Esta emenda é muito cara e difícil de fazer, se é possível.

Aqui está um exemplo de um defeito no processo de litografia Ultravioleta Extrema (EUV) que os fabricantes de chips estão freneticamente tentando trabalhar bem o suficiente para fazer chips com ele:

Imagem da Wikipedia. Segundo a Wikipedia , isso mostra uma falha estocástica do EUV. Um buraco de contato aleatório é um defeito estocástico que pode ocorrer na litografia EUV. ”

Eu acredito que uma solução para este problema está em um chip de inteligência artificial (AI) redundante que é estruturado de forma semelhante a uma malha de neurônios no cérebro humano. Neste momento, seria bidimensional, mas à medida que o design de chip tridimensional é aperfeiçoado, o chip pode ser camadas de chips empilhadas umas sobre as outras, para que possa replicar com mais precisão a estrutura 3D do cérebro humano.

A redundância atenderá a dois propósitos que podem aumentar o desempenho da computação aumentando o número de unidades de computação neural ao longo do tempo: ela habilitará chips do tamanho de wafer para que haja muito mais transistores por wafer e também habilitará EUV em níveis ainda menores o nível de 3 nanômetros (nm) que agora é planejado pela Taiwan Semiconductor Manufacturing Company (TSMC) e pela Samsung. Mesmo que as taxas de erro estejam em 25% para cada unidade equivalente neural, o chip ainda pode funcionar porque quase todos os neurônios se conectam a pelo menos quatro outros neurônios. Se um ou dois dos quatro neurônios que se conectam a um neurônio em particular têm defeitos e estão efetivamente mortos, o poder e a informação de processamento desse neurônio em particular ainda podem ser úteis porque podem enviar suas informações e sinais para os outros dois neurônios que são contra ele. . Conexões para ainda mais neurônios, na diagonal ou mais longe, podem ser uma experiência interessante para ver como o desempenho pode mudar neste chip teórico. Esses dois fatores significarão muito mais transistores empacotados em um único chip, e o menor processo nanométrico, em particular, significará que o chip pode funcionar com níveis mais baixos de eletricidade do que um nó de processo nanométrico maior permitiria.

Aqui está o desenho do chip neuromórfico em escala de wafer:

Eu criei isso no Paint. Eu não reservei nenhum direito a ele, então sinta-se à vontade para usá-lo e construí-lo livremente.

Espero que você possa ver a partir deste layout potencial que o chip é resiliente: mesmo com algumas unidades de processamento neural "mortas" aqui e ali, o sistema ainda pode funcionar perfeitamente bem. Cada unidade de processamento pode aumentar ou diminuir sua conexão com unidades vizinhas: é assim que a rede melhora ao fazer o que ajuda a completar sua meta. E cada conexão é, na verdade, duas conexões: uma conexão dá saída a um neurônio que a recebe como entrada, e a outra conexão vai na direção oposta, de modo que o neurônio receptor se torna o neurônio doador.

Cada processador neural é exatamente o mesmo e as conexões são exatamente as mesmas. Desta forma, o processador se torna como o transistor está na Lei de Moore. O transistor é um componente simples que é fácil de escalar à medida que o processo para tornar os transistores melhora para que os transistores sejam menores. Neste novo chip, o processador neural é a unidade simples, porque é replicado milhões ou até bilhões de vezes em todo o chip. Com os transistores da Lei de Moore em um chip a cada dois anos. Com o novo método, processadores em um chip podem dobrar a cada dois anos, talvez até mais rápido.

Recentemente, examinei a velocidade com que os supercomputadores estão aumentando em potência. Eles são mais do que triplicando em poder a cada dois anos (trata-se de um fator 3.08X a cada dois anos, a partir de meus cálculos baseados em dados de https://www.top500.org/ ). Isso é muito mais rápido do que o fator 2x da Lei de Moore e uma perspectiva empolgante para o estudo de simulações do cérebro e seus neurônios, para que possamos nos aproximar de mimetizar o cérebro humano.

Como uma nota lateral, se o cérebro humano pode ser perfeitamente imitado (talvez junto com um corpo robótico rudimentar e sistema nervoso, embora isto seja hipotético porque isso poderia criar problemas éticos e existenciais para a raça humana) do que deveríamos ter surgimento da inteligência em nível humano, embora, se for uma mímica perfeita, leve de 15 a 20 anos para aprender e alcançar inteligência em nível adulto.

Com este novo chip, um processador não é mais um emaranhado complicado de transistores, mas agora podemos desenvolver uma minúscula unidade de processamento neural que tem um pouco de computação e um pouco de memória e conexões ao redor, e isso pode ser o bloco de construção único para um novo chip.

Os benefícios deste tipo de chip são duplos: um é que será extremamente barato produzi-lo porque o custo do projeto será apenas em uma pequena unidade computacional que é replicada em todo o chip, mas também será barato porque os erros de fabricação ser aceitável, ao contrário dos chips anteriores. Como o princípio de energia livre de Friston (mais sobre este princípio um pouco mais adiante no artigo) será construído em cada unidade de computação, nenhum software precisará ser escrito para esse chip específico. Esta será outra economia significativa de custos de desenvolvimento.

O segundo benefício deste chip é que os projetistas podem concentrar toda a sua atenção em melhorar o desempenho de uma única unidade de computação neural, e isso aumentará o desempenho de todo o sistema.

Uma empresa que cria um sistema como esse pode fazê-lo de uma maneira sem fabulação, o que significa que não precisa da tecnologia para criar os chips em si. Eles podem contratar os gostos da TSMC para produzir o chip a 7 nanômetros para eles. A TSMC já está fazendo isso para outras empresas e atualmente está à frente da Intel, pois seu processo é menor do que o da Intel. A TSMC já tem planos para um processo de 5 nanômetros (nm) e foi recentemente aprovada para construir uma fábrica para produção de 3 nm a um custo de 19,5 bilhões de dólares. Meu ponto é que a TSMC, a Samsung e a Intel são as principais forças que impulsionam os transistores em chips a ficarem menores, e não vejo a TSMC desacelerar no futuro próximo. À medida que esses transistores se tornam menores, podemos empacotar mais unidades computacionais em um único chip, aproximando-nos dos cem trilhões ou talvez até de um quatrilhão de conexões sinápticas que o cérebro humano possui. Quanto mais nos aproximamos disso, mais nos aproximamos da verdadeira inteligência artificial que pode pensar como um ser humano.

Esses gigantescos chips neuromórficos poderiam ficar incrivelmente mais poderosos nos próximos anos, à medida que cientistas e engenheiros se concentram exclusivamente em melhorar o desempenho da única unidade de computação e memória com suas conexões, e a TSMC e outros impulsionam o futuro da computação menor.

O processo de litografia Ultravioleta Extrema (EUV) que em breve (ou já) ajudará a TSMC no processo de 7 nm e 5 nm pode estar produzindo defeitos de fabricação aleatórios, como mostram duas imagens acima. Esse chip neuromórfico com sua capacidade de recuperação de erros pode ser a chave para tornar a litografia EUV econômica, uma vez que uma alta taxa de erros pode permanecer, tornando os chips convencionais menos econômicos do que a maioria das empresas está disposta a descobrir. Esses chips neurais funcionam mesmo com os defeitos de fabricação. O atual processo de 7 nm comercialmente disponível da TSMC não incorpora a litografia EUV, tanto quanto eu sei, mas eles estão tentando incorporar litografias parciais de EUV para um processo melhorado de 7 nm que estará disponível no futuro. Espero que isso corra bem. Parece que vai desde que eles já estão olhando para comprometer 19,5 bilhões de dólares para construir uma fábrica para um nó de processo muito menor que eu assumo vai usar um processo semelhante ou até mais avançado.

O processador neural em si pode ser uma mistura única de transistores que processam informações, armazenam memória e talvez tenham uma capacidade de armazenamento de longo prazo que retém informações quando o chip é desligado. Uma razão pela qual eu acho que um chip como esse ainda não existe é porque não sabemos como fazer os neurônios se auto-organizarem, ou como eles terão objetivos. Talvez façamos agora. Li recentemente sobre o princípio da energia livre de Karl Friston em um artigo da Wired.

O princípio é mal nomeado, na minha opinião. É em parte um nome pobre porque na teoria os organismos trabalham para minimizar a energia livre. Talvez o princípio energético caro seja um nome mais adequado. Além disso, as máquinas de “energia livre” são o flagelo dos engenheiros e físicos de todo o mundo: eles veem essas máquinas de movimento perpétuo como ciência charlatã. O princípio não tem nada a ver com esse tipo de energia livre.

Talvez o princípio deva ser chamado de Princípio da Certeza. O princípio é, sob o risco de simplificá-lo, um sistema que ajuda a organizar e operar todos os seres e sistemas orgânicos trabalhando para negar os efeitos da segunda lei da termodinâmica, que essencialmente diz que haverá entropia no universo. Entropia significa que as coisas vão quebrar. Organismos devem contrariar isso para sobreviver. As células nos organismos contrapõem-se àqueles dentro dos corpos em que se encontram, assim como o núcleo da célula, órgãos particulares, sociedades inteiras e, até certo ponto, os governos que essas sociedades instituem. Tudo, desde as estruturas biológicas mais básicas, passando pelas estruturas sociais pequenas e grandes, até a psicologia da mente, pode ser explicado usando a teoria de Friston.

Aqui está uma das partes mais interessantes do artigo da Wired:

Depois de algum tempo, ficou claro que, mesmo no ambiente de brinquedo do jogo, o agente que maximizava a recompensa era “comprovadamente menos robusto”; o agente de energia livre aprendeu melhor o ambiente. "Ele superou o agente de aprendizagem de reforço porque estava explorando", diz Moran. Em outra simulação que colocou o agente minimizador de energia livre contra jogadores humanos reais, a história era similar. O agente fristoniano começou devagar, explorando ativamente as opções – epistemicamente forrageando, diria Friston – antes de atingir rapidamente o desempenho humano.

O princípio em si tem uma quantidade louca de matemática que eu talvez nunca entenda, mas se essa matemática puder ser formalizada na unidade computacional de um único neurônio em um chip, poderíamos resolver a inteligência artificial.

Como você pode ver na citação do artigo da Wired, parte do princípio da energia livre incentiva a exploração. Parte disso tem a ver com algo que faz com que os organismos saibam o que o futuro trará, ou para os organismos de nível inferior, para obter o que se espera. Se eu for bater uma mosca e errar, eu posso desistir da minha previsão de que eu posso acertar a mosca, ou eu posso modificar minha estratégia e acertar a mosca (eventualmente). De qualquer forma, estou ganhando mais certeza sobre o futuro testando o que acho que acontecerá e depois modificando meu comportamento para fazer o que eu acho que acontecerá.

O artigo explicava que uma IA criada usando pelo menos parte do conceito do princípio da energia livre era melhor do que uma IA tradicionalmente treinada para jogar o jogo de tiro em 3D em primeira pessoa, Doom. Isso me diz que podemos estar no caminho certo para desenvolver uma IA que possa realmente aprender muitas coisas novas, não apenas um conjunto bem definido de coisas novas.

No modo mostrado no diagrama acima, um AI poderia receber informações de uma tela de computador e aprender a mover um mouse e evitaria a incerteza ao mover o mouse enquanto explora todas as funções de um computador. Ou talvez mais fácil seria iniciar o AI em um mundo 3D onde ele só pode digitar palavras e usar as teclas de seta para mover com o mínimo de outras interações disponíveis. Poderia aprender a interagir com o mundo e outras pessoas dessa maneira.

Os próprios neurônios teriam que ser desenvolvidos para funcionar de maneira livre, de modo que todo o chip do tamanho de uma bolacha funcionaria dessa maneira.

Inteligência Artificial para responder e nos ajudar a fazer perguntas difíceis

Isso é o que diz. Meu pensamento é que logo teremos Inteligência Geral Artificial, ou AGI .

Muitos têm medo da AGI, mas por que não temos medo da edição genética que pode potencialmente matar a humanidade com modificações em uma doença comum, como a gripe, um resfriado ou uma bactéria? A resposta é que a maioria das pessoas não quer matar o mundo inteiro, especialmente os espertos que não querem se matar, e há muitas salvaguardas trabalhando para impedir que isso aconteça, e pessoas trabalhando para manter as coisas seguras. Muitos dos conceitos deste parágrafo são de uma entrevista de três horas com Ray Kurzweil.

A AGI será boa porque poderemos fazer perguntas. Eu gosto dessa pergunta: “Qual é a maior questão que eu deveria estar perguntando sobre a humanidade que poderia afetar mais a humanidade?” Algumas pessoas acham que é a mudança climática, mas talvez a AGI perceba que deveríamos estar mais preocupados com uma crise solar Isso poderia acabar com a maioria dos eletrônicos, ou um asteróide que perceba que está vindo em nossa direção, ou algo totalmente desconhecido para nós humanos.

A maior pergunta para a AGI pode ser: “Que perguntas deveríamos estar fazendo que não estamos perguntando?”. Ela poderia responder com a pergunta a ser respondida e depois propor uma resposta. Isso seria legal.

O conhecimento básico para uma AGI ser capaz de responder perguntas e fazer perguntas seria a partir da leitura de muitos livros, artigos acadêmicos e conteúdo on-line sobre os quais ele pode obter suas “mãos”. Pode ser capaz de ler e compreender todas essas informações rapidamente, ao mesmo tempo em que estabelece conexões de conceitos-chave que estão relacionados a outros conceitos em sua arquitetura neural que formam uma espécie de base de conhecimento e talvez até mesmo uma base de sabedoria.

A partir dessa informação, pode desenvolver uma ideia aproximada de uma resposta e depois testar essas suposições. Talvez mais interessante seja quando encontrar pesquisas contraditórias dentro de artigos humanos, ou quando descobrir que os humanos estão fazendo suposições que não foram testadas adequadamente. Tenho a sensação de que o número de itens ou áreas inteiras que a AGI nos encontra fazendo as suposições erradas, ou pelo menos não testando adequadamente as coisas antes de fazer suposições, será assustadoramente alto. Mas isso não significa que não devamos perseguir essas questões com mais pesquisas, por causa de algum tipo de desespero; Significa simplesmente que precisamos encontrar uma boa maneira de priorizar quais questões procurar mais primeiro, e depois, e depois tentar corrigir nossa compreensão do mundo e do nosso modo de vida.

Será como camadas de uma cebola, onde corrigimos algo que na superfície parece um problema horrível, mas a AGI terá nos mostrado uma suposição ainda mais profunda que afeta essa correção de uma maneira que precisamos fazer outra correção para o problema. correção inicial, porque a princípio não entendíamos a importância da questão mais profunda que a AGI nos deu. Mesmo que uma AGI nos dê uma questão realmente profunda como o problema mais importante para a humanidade, provavelmente não resolveremos o problema se nem sequer entendermos o que a AGI está falando. Esse é o ponto em que teremos que trabalhar para trás e resolver os problemas mais simples que podemos entender antes de podermos nos aprofundar em questões que nem sequer entendemos. É claro que tudo isso implica que teremos uma AGI mais inteligente que a média humana, talvez muito mais inteligente.

Se perguntarmos à AGI se os benefícios superam os custos para a população geral de uma vacina contra a gripe em detrimento de outra, a AGI poderia criar uma simulação física quase perfeita da vacina e testá-la em modelos de uma amostra de 10.000 seres humanos virtuais e ver o os efeitos colaterais, bem como a eficácia da vacina, por si só, e, em seguida, nos dizem a probabilidade de uma vacina ser melhor que a outra, ou talvez ela nos diga para usar ambas ou nenhuma delas. Não precisamos confiar em suas respostas ou nas perguntas que nos sugerem, mas isso pode ser um ponto de partida para futuras pesquisas. Com o tempo, à medida que vemos que a AGI continuamente nos dá respostas corretas e perguntas úteis, podemos começar a confiar em seus resultados, mas esperamos que sempre com um olhar cauteloso no caso em que a AGI está de alguma forma tentando nos ferir ou enganar, ou simplesmente comete um erro.

As respostas que recebemos da AGI podem estar em probabilidades, não em absolutos sim ou não.

Aqui estão algumas perguntas que gostaria de fazer a uma AGI. Talvez a maioria tenha sido posta em primeiro lugar por outras pessoas. Há muito: sinta-se à vontade para pular esta grande lista de marcadores! No final é uma questão para você. Um objetivo para a lista é para que você possa ver porque eu quero uma AGI e talvez por que você também deveria: seria bom obter algumas respostas para algumas dessas perguntas e ter mais perguntas a fazer.

  • O flúor na pasta de dentes e / ou água é perigoso?
  • Os raios X são perigosos?
  • A maioria das cirurgias é realmente útil e vale a pena?
  • Os OGMs são perigosos, não por causa do que há no grão de milho, mas por causa dos sprays venenosos que podem ser pulverizados nos grãos de milho para então matar ervas daninhas e outras pragas, como insetos que tentam comer esse milho?
  • A história foi reescrita?
  • Abraham Lincoln é mesmo um grande presidente?
  • Franklin Delano Roosevelt sabia que o Japão ia atacar o porto de Pearl?
  • Os raios X são realmente úteis?
  • As mulheres devem fazer mamografias uma vez por ano?
  • Devemos escovar nossos dentes duas vezes ao dia?
  • Devemos usar fio dental uma vez por dia?
  • A escovação e o uso do fio dental realmente nos ajudam, já que os animais não escovam e usam o fio dental?
  • Devemos ir ao médico uma vez por ano?
  • Devemos ir ao dentista uma vez a cada 6 meses?
  • Quão útil é aprender?
  • Devemos ter unschooling onde as crianças não vão para a escola e eles apenas aprendem naturalmente?
  • Qual é a melhor educação para as crianças?
  • 12 anos de escola pública são melhores?
  • A escola particular é a melhor?
  • Não é a melhor escola?
  • Presentes são bons (como aniversário e presentes de Natal)?
  • A mudança é boa?
  • Uma economia maior é boa?
  • Existe um tamanho ideal para a economia (uma consideração pode ser o nosso acesso limitado aos recursos)?
  • O penny é bom, ou devemos nos livrar dele?
  • Os regulamentos são bons?
  • Pergunte se cada regulamento, lei e departamento do governo é bom ou ruim.
  • O que é verdade?
  • Quais são as questões mais importantes?
  • Devemos padronizar a 50 ou 60 hertz, ou algum outro hertz?
  • Qual é o número ideal de hertz e volts para a rede elétrica?
  • A padronização valeria o custo?
  • É melhor não padronizar?
  • As ondas de rádio de telefones celulares, torres de celular, roteadores Wifi ou meu computador são perigosas?
  • Patentes, direitos autorais e marcas registradas ajudam ou prejudicam a economia?
  • Qual é o significado da vida, além de 42?
  • Eles criam progresso?
  • O crescimento é bom?
  • A mudança nos deixa infelizes ou felizes?
  • A humanidade está melhor com uma economia “maior”?
  • É maior sempre melhor quando se trata da economia?
  • Devemos lutar por um crescimento lento, já que o crescimento rápido significa mais mudança e menos felicidade?
  • A guerra é boa?
  • Na história do mundo, um estado-nação já se arrependeu de sair de uma guerra “cedo”?
  • A migração / imigração é boa?
  • Quais são as taxas ideais de imigração e emigração?
  • São STEM graus e empregos realmente tão grandes?
  • Quais trabalhos as pessoas devem se esforçar?
  • O que cada indivíduo deve estudar ou fazer com base em fazer a alguém um monte de perguntas?
  • O LED ou fluorescente ou fluorescente compacta ou iluminação incandescente são melhores para os olhos e a pele?
  • Deus existe?
  • Quem é Deus?
  • Está tudo na Bíblia historicamente correto?
  • A Bíblia é a palavra de Deus?
  • Quem é Jesus?
  • Jesus é o filho de Deus?
  • Qual é o significado real do Natal e da Páscoa?
  • O que precisamos fazer com o governo é bom? (Mínimo é bom) Mas configure-o de uma maneira que fique bom. Essa é a parte difícil. Comprimento infinito bom governo. Como podemos fazer isso?
  • Neste momento, as melhores pessoas têm pouco incentivo para serem presidente, legislador ou juiz. Eles estão em melhor situação nos negócios, na academia ou em uma organização sem fins lucrativos. Como podemos tornar um político atraente para o melhor e pouco atraente para o pior (a maioria de nossos atuais políticos)?
  • Os fundadores dos Estados Unidos estavam cuidando de si mesmos e de seus filhos, netos e bisnetos… Mas como podemos olhar por infinitas gerações? Que sistema poderia ser criado para realizar esse bom e verdadeiramente bom governo de longa duração?
  • O governo é bom?
  • Estaríamos melhor sem governo?
  • Por que nossos primeiros políticos foram tão bons quanto os políticos? (como Thomas Jefferson)
  • Como codificar pode ser gamificado para tornar isso divertido?
  • Como pode ser divertido para as pessoas contribuírem para o software de código aberto ou para ajudar o mundo?
  • Como pode ser divertido criar funções pequenas, divertidas, modulares e auto-explicativas?
  • Como podemos fazer mais software excelente a um baixo custo?
  • Qual software deveríamos estar fazendo?

O que você perguntaria a uma AGI?