هوش مصنوعی فوق پیشرفته در حال ظهور است

سم آلتمن، مدیرعامل شرکت اوپن‌ای‌آی (OpenAI) که در زمینه توسعه چت‌جی‌پی‌تی فعال است، بیان می‌کند که ماشین‌ها به طور بالقوه می‌توانند به هوش بسیار پیشرفته و حتی ابرهوش دست یابند.

وی تصریح می‌کند که امکان دستیابی به «ابرهوش» ممکن است تنها در چند هزار روز آینده باشد؛ شاید این روند بیشتر طول بکشد، اما یقین دارم که ما به آن مرحله خواهیم رسید.

آلتمن این اظهارات را در حالی مطرح کرد که به تازگی مدل زبان بزرگ پیشرفته‌اش، معروف به o۱، را معرفی کرده است.

نیچر نقل می‌کند که ظهور LLMها در سال‌های اخیر سؤالاتی درباره زمان دستیابی به هوش عمومی مصنوعی (AGI) به وجود آورده است. اگرچه تعریف دقیقی از AGI وجود ندارد، اما معمولاً به سیستمی هوش مصنوعی اشاره دارد که توانایی استدلال، تعمیم، برنامه‌ریزی و کار مستقل به میزان مشابه انسان را دارا باشد.

سیاست‌گذاران در سطح جهانی به پرسش‌هایی پیرامون AGI می‌پردازند، از جمله اینکه چه منافع و خطراتی ممکن است به همراه داشته باشد. پاسخ به این سؤالات به سادگی فراهم نیست، به ویژه با توجه به اینکه بسیاری از فعالیت‌ها در بخش خصوصی اجرا می‌شود و انتشار تحقیقاتی در این زمینه همواره به‌طور شفاف صورت نمی‌گیرد.

به وضوح پیداست که شرکت‌های هوش مصنوعی با تمرکز بر ارائه توانایی‌های متنوع شناختی به سیستم‌های خود در حال فعالیت هستند. این شرکت‌ها به‌دلیل ایجاد هیجان و در نتیجه جذب سرمایه‌گذاری، انگیزه قوی برای نگه داشتن این فرضیه دارند که AGI به زودی در دسترس خواهد بود.

محققانی که با نیچر در ارتباط بودند، به توافق نظری رسیدند که مدل‌های زبان بزرگ مانند o۱، جمینای گوگل و کلاود متعلق به آنتروپیک، هنوز به AGI نزدیک نشده‌اند و برخی به این دیدگاه اشاره می‌کنند که LLMها احتمالاً هرگز به این هدف نخواهند رسید و برای دستیابی به هوش مشابه انسان، به فناوری‌های دیگری نیاز خواهیم داشت.

با وجود قابلیت‌های فراوان LLMها، از تولید کدهای نرم‌افزاری تا خلاصه‌سازی مقاله‌های علمی و پاسخگویی به سوالات ریاضی، هنوز موانع بنیادینی در عملکرد بهترین آنها وجود دارد، که عمدتاً بر پایه پردازش انبوهی از داده‌ها و استفاده از آنها برای پیش‌بینی مراحل بعدی استوار است. در واقع این رویکرد به جای حل واقعی مسائل، پاسخ‌های مقبولی به سوالات ارائه می‌دهد.

فرانسوا شولت، مهندس نرم‌افزار پیشین در گوگل، و سابارائو کامبامپاتی، دانشمند علوم کامپیوتر در دانشگاه ایالتی آریزونا، عملکرد o۱ را در فعالیت‌هایی که نیاز به استدلال و برنامه‌ریزی انتزاعی دارند، ارزیابی کرده و به این نتیجه رسیده‌اند که هنوز برای رسیدن به AGI فاصله‌ای قابل توجه وجود دارد.

به منظور محقق شدن AGI، برخی محققان بر این باورند که سیستم‌های هوش مصنوعی به طرح‌های «مدل‌های جهانی» منسجم نیاز دارند، یا یعنی نمایش‌هایی از محیط خود که بتوانند از آنها برای آزمایش فرضیات، استدلال، برنامه‌ریزی و تعمیم آموخته‌ها به شرایط متنوع دیگر استفاده کنند.

اینجاست که ایده‌های مرتبط با عصب‌شناسی و علوم شناختی می‌توانند به پیشرفت‌های آتی کمک نمایند. به عنوان نمونه، تیم یوشوا بنجیو در دانشگاه مونترال در حال بررسی ساختارهای جایگزین هوش مصنوعی است که از مدل‌های جهانی منسجم و توانایی استدلال بهتر پشتیبانی می‌کند.

چندین محقق بر این باورند که پیشرفت‌های بعدی در هوش مصنوعی ممکن است نه از سیستم‌های بزرگ، بلکه از هوش مصنوعی‌های کوچکتر و بهینه‌تر حاصل شود. کارل فریستون، عصب‌شناس نظری در دانشگاه کالج لندن، اشاره می‌کند که اگر سیستم‌های هوشمندتر در آینده قابلیت انتخاب نمونه‌های محیطی به جای بلعیدن نامحدود داده‌ها را داشته باشند، ممکن است به آموزش کمتری نیاز داشته باشند.

بنابراین، نیاز به مشارکت محققان از زمینه‌های مختلف در فرآیند توسعه هوش مصنوعی احساس می‌شود. این همکاری برای اثبات کارایی واقعی سیستم‌ها و اطمینان از انطباق آنها با ادعاهای شرکت‌های فعال در این حوزه و شناسایی پیشرفت‌های مورد نیاز در توسعه ضروری خواهد بود.

اما در حال حاضر، دسترسی به سیستم‌های پیشرفته هوش مصنوعی برای پژوهشگران خارج از شرکت‌هایی که قادر به تأمین منابع پردازش لازم هستند، ممکن است دشوار باشد.

برای فهم بهتر مقیاس این فعالیت، جالب است بدانید که سازمان‌های دولتی ایالات متحده (به جز وزارت دفاع) در سال ۲۰۲۱ حدود ۱.۵ میلیارد دلار را به پژوهش و توسعه هوش مصنوعی تخصیص دادند و کمیسیون اروپا تقریباً ۱ میلیارد یورو در هر سال برای این امر هزینه می‌کند.

برای مقایسه، شرکت‌ها در سراسر جهان در سال 2021 بیش از ۳۴۰ میلیارد دلار را صرف تحقیقات هوش مصنوعی کردند.

روش‌هایی برای دولت‌ها وجود دارد که می‌توانند سرمایه‌گذاری در تحقیقات هوش مصنوعی را در مقیاسی وسیع‌تر، مانند تجمیع منابع، تأمین مالی کنند.

کنفدراسیون آزمایشگاه‌های تحقیقات هوش مصنوعی در اروپا، سازمان غیرانتفاعی مستقر در لاهه هلند، پیشنهاد کرده‌است مرکزی مشابه «سرن» (CERN)، که به منظور مطالعه ذرات بنیادین تأسیس شده است، برای هوش مصنوعی نیز ایجاد شود؛ مرکزی که قادر باشد سطح استعداد لازم برای پژوهش‌های نوآورانه در این حوزه را جذب کند.

پیش‌بینی زمان محقق شدن «هوش مصنوعی عمومی» به مراتب دشوار است. برآوردها متغیر است، از چند سال آینده تا یک دهه یا بیشتر، اما به طور قطع پیشرفت‌های قابل توجهی در زمینه هوش مصنوعی رخ خواهد داد و با توجه به سرمایه‌گذاری‌های صورت‌گرفته، این نکته به سادگی قابل تصور است.

برای اطمینان از اینکه این پیشرفت‌ها واقعاً مفید واقع شوند، تحقیقات شرکت‌های فناوری باید بر مبنای بهترین شناخت فعلی از ماهیت هوش انسانی، با در نظر گرفتن علوم اعصاب، علوم شناختی و علوم اجتماعی و دیگر رشته‌های وابسته، انجام گیرد و همچنین باید تضمین شود که تحقیقات با منابع عمومی نقش کلیدی در توسعه AGI ایفا کنند.

بشریت باید تمام توان خود را برای به کارگیری تحقیقات قدرتمند در زمینه هوش مصنوعی به کار گیرد تا همواره از خطرات آن کاسته شود. دولت‌ها، شرکت‌ها، سرمایه‌گذاران و پژوهشگران باید قابلیت‌های یکدیگر را شناسایی کنند. در غیاب این همکاری، بینش‌هایی که می‌توانند به پیشبرد هوش مصنوعی کمک کنند، از بین خواهند رفت و سیستم‌های به‌دست‌آمده ممکن است در معرض خطرات غیرقابل پیش‌بینی و فاقد ایمنی قرار گیرند.

پایان پیام