به گزارش سایت توژال. سام آلتمن، مدیر عامل OpenAI، شرکتی که ChatGPT را توسعه داده است، می‌گوید ماشین‌ها در آینده فوق‌هوشمند یا فوق هوشمند خواهند شد.

او می گوید که می توان در چند هزار روز به «هوش فوق العاده» دست یافت. ممکن است بیشتر طول بکشد، اما من مطمئن هستم که به آنجا خواهیم رسید.

آلتمن این را زمانی می گوید که اخیراً مدل پیشرفته تر زبان بزرگ (LLM) خود به نام o1 را منتشر کرد.

افزایش دارندگان مدرک کارشناسی ارشد در چند سال گذشته این سوال را مطرح کرده است که چه زمانی ممکن است به هوش عمومی مصنوعی (AGI) برسیم. اگرچه هوش مصنوعی تعریف دقیقی ندارد، اما به طور گسترده به یک سیستم هوش مصنوعی اشاره دارد که قادر به استدلال، تعمیم، برنامه ریزی و استقلال در سطح انسانی است.

سیاستگذاران در همه جا در مورد هوش عمومی مصنوعی، از جمله مزایا و خطراتی که ممکن است به همراه داشته باشد، سؤالاتی دارند. پاسخ به این سؤالات آسان نیست، به ویژه از آنجایی که بسیاری از کارها در بخش خصوصی انجام می شود، جایی که مطالعات همیشه به صورت عمومی منتشر نمی شوند.

آنچه واضح است این است که شرکت های هوش مصنوعی بر ارائه طیف گسترده ای از قابلیت های شناختی به سیستم های خود تمرکز کرده اند. شرکت‌هایی که مدل‌های هوش مصنوعی را توسعه می‌دهند، انگیزه زیادی برای حفظ این ایده که AGI در گوشه و کنار است، برای جلب علاقه و در نتیجه سرمایه‌گذاری دارند.

در میان محققانی که با نیچر صحبت کردند، اتفاق نظر وجود داشت که مدل‌های زبان بزرگ مانند o1، گوگل جمینا و ابر آنتروپیک هنوز به هوش عمومی مصنوعی (AGI) نرسیده‌اند، و با توجه به آنچه در این زمینه شناخته شده است، بسیاری می‌گویند دلایلی وجود دارد. به این خوب است که بگویم. آنها هرگز این کار را نخواهند کرد و برای دستیابی به هوش در سطح انسانی، به فناوری هوش مصنوعی دیگری نیاز است.

علیرغم گستردگی قابلیت های MBA، از تولید کدهای کامپیوتری گرفته تا خلاصه مقالات دانشگاهی و پاسخ به سوالات ریاضی، هنوز محدودیت های اساسی در نحوه عملکرد قوی ترین این برنامه ها وجود دارد که اساسا شامل دریافت مقادیر زیادی از داده ها و استفاده از آنها برای پیش بینی رویدادها است. در مرحله بعدی، این به جای حل واقعی مشکل، پاسخ‌های قابل قبولی برای آن ایجاد می‌کند.

فرانسوا شولت، مهندس نرم افزار سابق در گوگل مستقر در کالیفرنیا، و سوبارائو کامبامپاتی، دانشمند کامپیوتر در دانشگاه ایالتی آریزونا، عملکرد o1 را در کارهایی که نیاز به تفکر و برنامه ریزی انتزاعی دارند، آزمایش کردند و دریافتند که تا زمانی که AGI به دست نیاید، شکاف قابل توجهی وجود دارد. .

اگر بخواهیم به هوش عمومی مصنوعی دست یابیم، برخی از محققان بر این باورند که سیستم‌های هوش مصنوعی به «مدل‌های جهانی» منسجم یا نمایش‌هایی از محیط اطراف خود نیاز دارند که بتوانند از آن برای آزمایش فرضیه‌ها، استدلال، برنامه‌ریزی و تعمیم دانش آموخته‌شده در یک حوزه به حوزه دیگر استفاده کنند. موقعیت ها سایر کاربردهای بالقوه نامحدود هستند.

اینجاست که ایده های علوم اعصاب و علوم شناختی می توانند به پیشرفت های بیشتری منجر شوند. به عنوان مثال، تیم Yoshua Bengio در دانشگاه مونترال در کانادا در حال بررسی معماری‌های جایگزین هوش مصنوعی است که بهتر از ساخت مدل‌های جهانی منسجم و توانایی استدلال با استفاده از چنین مدل‌هایی پشتیبانی می‌کند.

برخی از محققان استدلال می‌کنند که پیشرفت‌های بعدی در هوش مصنوعی ممکن است از سیستم‌های بزرگ‌تر حاصل نشود، بلکه از هوش مصنوعی کوچک‌تر و کم‌مصرف‌تر حاصل شود. کارل فریستون، عصب‌شناس نظری در دانشگاه کالج لندن، می‌گوید اگر سیستم‌های هوشمندتر آینده توانایی تصمیم‌گیری در مورد نمونه‌برداری از جنبه‌های محیطی خود را داشته باشند، نه صرفاً آنچه را که تغذیه می‌شوند جذب کنند، می‌توانند از داده‌های تمرین شده کمتر استفاده کنند.

بنابراین، محققان در طیف وسیعی از زمینه ها باید در توسعه هوش مصنوعی مشارکت داشته باشند. این امر برای بررسی توانایی سیستم‌ها، اطمینان از مطابقت آنها با آنچه شرکت‌های فناوری ادعا می‌کنند و شناسایی بهبودهای مورد نیاز برای توسعه ضروری است.

با این حال، در حال حاضر، دسترسی به سیستم‌های پیشرو هوش مصنوعی ممکن است برای محققانی که در شرکت‌هایی کار نمی‌کنند که توانایی پرداخت مقدار زیادی از واحدهای پردازش گرافیکی (GPU) مورد نیاز برای آموزش سیستم‌ها را دارند، دشوار باشد.

برای درک ابعاد این فعالیت بد نیست بدانید که سازمان های دولتی آمریکا (به استثنای وزارت دفاع) در سال 2021 معادل 1.5 میلیارد دلار به تحقیق و توسعه هوش مصنوعی و کمیسیون اروپا اختصاص دادند. سالانه حدود یک میلیارد یورو برای آن هزینه می شود.

در مقابل، شرکت‌های سراسر جهان در سال 2021 بیش از 340 میلیارد دلار برای تحقیقات هوش مصنوعی هزینه خواهند کرد.

راه‌هایی وجود دارد که دولت‌ها می‌توانند تحقیقات هوش مصنوعی را در مقیاس بزرگ‌تر، به عنوان مثال با تجمیع منابع، تأمین مالی کنند.

کنسرسیوم آزمایشگاه‌های تحقیقاتی هوش مصنوعی در اروپا، یک سازمان غیرانتفاعی مستقر در لاهه، هلند، پیشنهاد ایجاد مرکزی شبیه به CERN را ارائه کرده است که برای مطالعه ذرات بنیادی ایجاد شده است، برای هوش مصنوعی که بتواند به همان سطح جذب دست یابد. استعدادهای مورد نیاز شرکت های هوش مصنوعی و انجام تحقیقات پیشگام در این زمینه.

پیش بینی اینکه چه زمانی “هوش مصنوعی عمومی” به واقعیت تبدیل می شود دشوار است. تخمین‌ها از چند سال از هم‌اکنون تا یک دهه یا بیشتر متغیر است، اما پیشرفت بیشتر در هوش مصنوعی قطعاً اتفاق خواهد افتاد، و با توجه به میزان سرمایه‌گذاری در آن، این ایده بدی نیست.

برای اطمینان از مفید بودن این پیشرفت‌ها، تحقیقات انجام‌شده توسط شرکت‌های فناوری باید با استفاده از بهترین درک فعلی از آنچه که هوش انسانی را تشکیل می‌دهد، مطابق با علوم اعصاب، علوم شناختی، علوم اجتماعی و سایر زمینه‌های مرتبط تایید شود، و این تحقیقات با بودجه بخش باید انجام شود. نقش در عمومی نقش اصلی را ایفا می کند. نقش در توسعه AGI.

بشریت باید تمام دانش خود را به کار گیرد تا کاربردهای تحقیقات هوش مصنوعی تا حد امکان قوی و مخاطره آمیز باشد. دولت ها، شرکت ها، سرمایه گذاران و محققان باید نقاط قوت مکمل خود را بشناسند. اگر این کار را نکنند، بینش‌هایی که می‌توانند به بهبود هوش مصنوعی کمک کنند از بین می‌روند و سیستم‌های به‌وجود آمده در معرض خطر غیرقابل پیش‌بینی و در نتیجه ناایمن شدن هستند.