عملکرد هوش مصنوعی در مقایسه با انسان‌ها: پژوهش جدید METR

پژوهش جدیدی که توسط سازمان Model Evaluation & Threat Research (METR) انجام شده، عملکرد هوش مصنوعی را با معرفی معیار «مدت‌زمان انجام کار» مورد بررسی قرار داده است. نتایج این پژوهش نشان می‌دهد که هوش مصنوعی در وظایف کوتاه‌مدت (کمتر از چهار دقیقه) تقریباً ۱۰۰ درصد موفق است، اما در وظایف بیش از چهار ساعت، موفقیت آن به ۱۰ درصد کاهش می‌یابد. این مطالعه مدل‌هایی مانند Sonnet ۳.۷، GPT-۴ و Claude ۳ Opus را مورد آزمایش قرار داده و وظایفی از جست‌وجوی ساده در ویکی‌پدیا تا پروژه‌های پیچیده‌ای مانند نوشتن کرنل CUDA یا رفع باگ در PyTorch را بررسی کرده است. ابزارهای تست HCAST و RE-Bench نشان داده‌اند که هوش مصنوعی در مدیریت وظایف پیچیده و چندمرحله‌ای با سرعت چشمگیری پیشرفت می‌کند. پژوهشگران بر این باورند که این روند می‌تواند به خودکارسازی کامل برخی مشاغل تا سال ۲۰۳۲ منجر شود، هرچند چالش‌هایی مانند هماهنگی در وظایف طولانی و پیچیدگی‌های دنیای واقعی همچنان باقی است. النور واتسون، کارشناس دانشگاه سینگولاریتی، این معیار را ارزشمند می‌داند و پیش‌بینی می‌کند که تا سال ۲۰۲۶، هوش مصنوعی همه‌فن‌حریف ظهور خواهد کرد و قادر به مدیریت وظایف متنوع در بازه‌های زمانی طولانی، مانند برنامه‌ریزی سفر یا مدیریت مالی، خواهد بود. این پیشرفت می‌تواند بهره‌وری کسب‌وکارها را افزایش دهد و هزینه‌ها را کاهش دهد، اما نگرانی‌هایی درباره جایگزینی مشاغل انسانی و تأثیرات اجتماعی آن نیز به وجود آورده است.