ظهور هوش عمومی مصنوعی (AGI)
سیستمی از هوش مصنوعی با هوشی فراتر از انسان که می‌تواند وظایف مختلفی را به خوبی انجام دهد
بر اساس تحلیل جدیدی از هزاران نظر کارشناسان، مسئله دیگر «چه زمانی» است، نه «آیا».
این تحلیل به‌روز شده که در ۱۸ فوریه توسط جِم دیلْمِگانی، تحلیل‌گر ارشد در AIMultiple Research انجام شده است، حدود ۸۶۰۰ پیش‌بینی از دانشمندان، متخصصان هوش مصنوعی و کارآفرینان بین سال‌های ۲۰۰۹ تا ۲۰۲۳ را بررسی کرده تا بفهمد کارشناسان چه زمانی وقوع AGI را محتمل می‌دانند.
بخشی از این تحلیل شامل ۱۰ نظرسنجی بود که مجموعاً ۵۲۸۸ پژوهشگر و متخصص هوش مصنوعی را مورد پرسش قرار داده بود.
بر اساس میانگین داده‌ها، احتمال ۵۰٪ وجود دارد که ما در مقطعی بین سال‌های ۲۰۴۰ تا ۲۰۶۱ به هوش ماشینی در سطح انسانی دست یابیم(تکینگی فناوری).
نظرسنجی‌های اخیر انتظار دارند که تکینگی فناوری زودتر رخ دهد. برای مثال، یکی از تازه‌ترین پژوهش‌ها که در سال ۲۰۲۳ انجام شد، ۲۷۷۸ دانشمند را مورد پرسش قرار داد و پیشنهاد کرد که AGI حداکثر تا سال ۲۰۴۰ محقق خواهد شد.
برخی در این حوزه، مانند داریو آمودی، پژوهشگر هوش مصنوعی و مدیرعامل شرکت هوش مصنوعی آنتروپیک، معتقدند که این امر ممکن است حتی تا سال ۲۰۲۶ رخ دهد.
ظهور AGI با پیشرفت سریع مدل‌های زبانی بزرگ مبتنی بر ترانسفورمر (LLM) تقویت شده است. این فناوری پایه چت‌بات‌هایی مانند ChatGPT و تولیدکنندگان تصویر مانند Dall-E است. پیش از پیشرفت این فناوری‌ها، برخی دانشمندان در سال ۲۰۱۹ پیش‌بینی کرده بودند که AGI تا سال ۲۰۶۰ رخ خواهد داد، یا شاید هرگز اتفاق نیفتد.
چرا AGI رخ میدهد و مسئله دیگر «چه زمانی» است، نه «آیا»؟
این تحلیل چندین دلیل ارائه داده که چرا دانشمندان معتقدند AGI «قطعاً» رخ خواهد داد.
اولاً، برخلاف هوش انسانی، هیچ محدودیت نظری برای افزایش قدرت محاسباتی وجود ندارد. این مطابق با قانون مور است که پیش‌بینی می‌کند قدرت تقریباً هر ۱۸ ماه دو برابر می‌شود. سیستم‌های هوش مصنوعی آینده ممکن است روزی به برابری با هوش انسانی از نظر محاسبات در ثانیه برسند _ البته تنها در صورتی که این پیش‌بینی مصداق قرار بگیرد چون در سال‌های اخیر، بسیاری استدلال می‌کنند که قانون مور دیگر صادق نیست.
رایانش کوانتومی نیز در این پژوهش به عنوان وسیله‌ای برای غلبه بر محدودیت‌های محاسباتی ذکر شده است. رایانه‌های کوانتومی می‌توانند محاسبات را به صورت موازی با استفاده از قوانین مکانیک کوانتومی پردازش کنند. رایانه‌های کلاسیک _ از جمله سریع‌ترین ابررایانه‌ها _ باید محاسبات را به صورت متوالی انجام دهند. بنابراین، رایانش کوانتومی می‌تواند سیستم هوش مصنوعی پیشرفتهای را با ظرفیت پردازشی به مراتب بیشتر از بهترین مدل‌های امروزی تقویت کند.
با این حال، سایر دانشمندان در این حوزه معتقدند که پیش از رسیدن به AGI، به پیشرفتهای بیشتری نیاز است.
مثلا یان لکون، دانشمند ارشد هوش مصنوعی در فیسبوک، در اکتبر ۲۰۲۴ اظهار داشت که معماری مبتنی بر ترانسفورمر و رویکردهای فعلی به هوش مصنوعی با هوش در سطح انسانی سازگار نیستند. او همچنین از دانشمندان خواسته است که به‌طور کلی از مفهوم AGI فاصله بگیرند. او پیشنهاد می‌کند که یک تساوی نادرست بین تعریف گسترده آن و آنچه یک انسان منفرد می‌تواند در واقعیت انجام دهد وجود دارد _ که در عمل، زیرمجموعه محدودی از وظایف تخصصی است، نه داشتن قابلیت یادگیری هر وظیفه‌ای(یعنی نباید بین تعریف نظری و جامع هوش عمومی مصنوعی (AGI) و توانایی‌های واقعی یک انسان اشتباه برداشت کرد. در حالی که تعریف گسترده AGI به سیستمی اشاره دارد که می‌تواند تقریباً هر وظیفه‌ای را یاد بگیرد و انجام دهد، یک انسان در واقع تنها در برخی وظایف تخصصی و محدود مهارت دارد. بنابراین، انتظار اینکه یک انسان تمام قابلیت‌های AGI را داشته باشد نادرست است.).
🚀 @ofoghroydadd
گزارش از کیومرث عفیفی ثابت ؛ لایوساینس
سیستمی از هوش مصنوعی با هوشی فراتر از انسان که می‌تواند وظایف مختلفی را به خوبی انجام دهد
بر اساس تحلیل جدیدی از هزاران نظر کارشناسان، مسئله دیگر «چه زمانی» است، نه «آیا».
این تحلیل به‌روز شده که در ۱۸ فوریه توسط جِم دیلْمِگانی، تحلیل‌گر ارشد در AIMultiple Research انجام شده است، حدود ۸۶۰۰ پیش‌بینی از دانشمندان، متخصصان هوش مصنوعی و کارآفرینان بین سال‌های ۲۰۰۹ تا ۲۰۲۳ را بررسی کرده تا بفهمد کارشناسان چه زمانی وقوع AGI را محتمل می‌دانند.
بخشی از این تحلیل شامل ۱۰ نظرسنجی بود که مجموعاً ۵۲۸۸ پژوهشگر و متخصص هوش مصنوعی را مورد پرسش قرار داده بود.
بر اساس میانگین داده‌ها، احتمال ۵۰٪ وجود دارد که ما در مقطعی بین سال‌های ۲۰۴۰ تا ۲۰۶۱ به هوش ماشینی در سطح انسانی دست یابیم(تکینگی فناوری).
نظرسنجی‌های اخیر انتظار دارند که تکینگی فناوری زودتر رخ دهد. برای مثال، یکی از تازه‌ترین پژوهش‌ها که در سال ۲۰۲۳ انجام شد، ۲۷۷۸ دانشمند را مورد پرسش قرار داد و پیشنهاد کرد که AGI حداکثر تا سال ۲۰۴۰ محقق خواهد شد.
برخی در این حوزه، مانند داریو آمودی، پژوهشگر هوش مصنوعی و مدیرعامل شرکت هوش مصنوعی آنتروپیک، معتقدند که این امر ممکن است حتی تا سال ۲۰۲۶ رخ دهد.
ظهور AGI با پیشرفت سریع مدل‌های زبانی بزرگ مبتنی بر ترانسفورمر (LLM) تقویت شده است. این فناوری پایه چت‌بات‌هایی مانند ChatGPT و تولیدکنندگان تصویر مانند Dall-E است. پیش از پیشرفت این فناوری‌ها، برخی دانشمندان در سال ۲۰۱۹ پیش‌بینی کرده بودند که AGI تا سال ۲۰۶۰ رخ خواهد داد، یا شاید هرگز اتفاق نیفتد.
چرا AGI رخ میدهد و مسئله دیگر «چه زمانی» است، نه «آیا»؟
این تحلیل چندین دلیل ارائه داده که چرا دانشمندان معتقدند AGI «قطعاً» رخ خواهد داد.
اولاً، برخلاف هوش انسانی، هیچ محدودیت نظری برای افزایش قدرت محاسباتی وجود ندارد. این مطابق با قانون مور است که پیش‌بینی می‌کند قدرت تقریباً هر ۱۸ ماه دو برابر می‌شود. سیستم‌های هوش مصنوعی آینده ممکن است روزی به برابری با هوش انسانی از نظر محاسبات در ثانیه برسند _ البته تنها در صورتی که این پیش‌بینی مصداق قرار بگیرد چون در سال‌های اخیر، بسیاری استدلال می‌کنند که قانون مور دیگر صادق نیست.
رایانش کوانتومی نیز در این پژوهش به عنوان وسیله‌ای برای غلبه بر محدودیت‌های محاسباتی ذکر شده است. رایانه‌های کوانتومی می‌توانند محاسبات را به صورت موازی با استفاده از قوانین مکانیک کوانتومی پردازش کنند. رایانه‌های کلاسیک _ از جمله سریع‌ترین ابررایانه‌ها _ باید محاسبات را به صورت متوالی انجام دهند. بنابراین، رایانش کوانتومی می‌تواند سیستم هوش مصنوعی پیشرفتهای را با ظرفیت پردازشی به مراتب بیشتر از بهترین مدل‌های امروزی تقویت کند.
با این حال، سایر دانشمندان در این حوزه معتقدند که پیش از رسیدن به AGI، به پیشرفتهای بیشتری نیاز است.
مثلا یان لکون، دانشمند ارشد هوش مصنوعی در فیسبوک، در اکتبر ۲۰۲۴ اظهار داشت که معماری مبتنی بر ترانسفورمر و رویکردهای فعلی به هوش مصنوعی با هوش در سطح انسانی سازگار نیستند. او همچنین از دانشمندان خواسته است که به‌طور کلی از مفهوم AGI فاصله بگیرند. او پیشنهاد می‌کند که یک تساوی نادرست بین تعریف گسترده آن و آنچه یک انسان منفرد می‌تواند در واقعیت انجام دهد وجود دارد _ که در عمل، زیرمجموعه محدودی از وظایف تخصصی است، نه داشتن قابلیت یادگیری هر وظیفه‌ای(یعنی نباید بین تعریف نظری و جامع هوش عمومی مصنوعی (AGI) و توانایی‌های واقعی یک انسان اشتباه برداشت کرد. در حالی که تعریف گسترده AGI به سیستمی اشاره دارد که می‌تواند تقریباً هر وظیفه‌ای را یاد بگیرد و انجام دهد، یک انسان در واقع تنها در برخی وظایف تخصصی و محدود مهارت دارد. بنابراین، انتظار اینکه یک انسان تمام قابلیت‌های AGI را داشته باشد نادرست است.).
🚀 @ofoghroydadd
گزارش از کیومرث عفیفی ثابت ؛ لایوساینس