مدیرعامل گوگل دیپ‌مایند: هوش مصنوعی «سطح دکترا» بی‌معنی است؛ AGI واقعی ۵ تا ۱۰ سال دیگر می‌رسد

نقد هوش مصنوعی «سطح دکترا»

هاسابیس در سخنرانی اخیر خود، با اشاره غیرمستقیم به ادعاهای برخی رقبا، اظهار داشت: «شما اغلب از برخی رقبای ما می‌شنوید که از سیستم‌های مدرن امروزی به عنوان «هوش در سطح دکترا» یاد می‌کنند. من فکر می‌کنم این بی‌معنی است.»

او توضیح داد که هوش واقعی باید توانایی عملکرد در تمامی زمینه‌ها را در سطح دکترا داشته باشد، در حالی که مدل‌های کنونی اینگونه نیستند. این سیستم‌ها ممکن است در یک لحظه در یک کار پیچیده بدرخشند، اما در لحظه بعد در یک مسئله ریاضی ساده دبیرستانی شکست بخورند. به عقیده هاسابیس، چنین سیستم‌هایی را نباید AGI نامید، زیرا هوش واقعی نباید مرتکب چنین اشتباهات پیش‌پاافتاده‌ای شود.

آسیب‌پذیری چت‌بات‌ها و فقدان یادگیری مستمر

مدیرعامل گوگل دیپ‌مایند به آسیب‌پذیری چت‌بات‌ها در برابر «مهندسی پرامپت» اشاره کرد. این واقعیت که پاسخ یک مدل به شدت به نحوه پرسیدن سؤال بستگی دارد، نشان‌دهنده ضعف است، نه هوش پیشرفته. این موضوع یادآور شکایت‌های کاربران از کوپایلوت مایکروسافت است که منجر به راه‌اندازی «Copilot Academy» برای آموزش استفاده از هوش مصنوعی شد.

یکی از مهم‌ترین اجزایی که در سیستم‌های امروزی وجود ندارد، قابلیت «یادگیری مستمر» (continued learning) است. این قابلیت به سیستم‌های هوش مصنوعی امکان می‌دهد تا با آموزش‌دیدن از طریق محتواهای آنلاین جدید، به‌طور مداوم هوشمندتر شوند، دانش خود را به‌روز و رفتارهای خود را اصلاح کنند. بدون این توانایی، چت‌بات‌ها در همان محدوده‌ی دانشی که در زمان آموزش خود داشتند محبوس می‌مانند و نمی‌توانند چیز جدیدی یاد بگیرند.

تعاریف متناقض از هوش جامع مصنوعی (AGI)

سردرگمی در مورد تعریف دقیق AGI باعث شده اظهارات متخصصان متناقض شود. تعریف کلاسیک هوش جامع مصنوعی این است که توانایی‌های شناختی آن هم‌سطح یا فراتر از انسان باشد؛ با این حال، در قرارداد شراکت مایکروسافت و OpenAI، این اصطلاح به سیستمی با قابلیت کسب سود ۱۰۰ میلیارد دلاری اطلاق شده است که نشان‌دهنده تفاوت فاحش در درک این مفهوم کلیدی است.