در سالهای اخیر غولهای فناوری میلیاردها دلار برای افزایش قدرت محاسباتی هوش مصنوعی هزینه کردهاند، با این امید که این مسیر به توسعه هوش مصنوعی کامل (AGI)؛ سیستمی که قادر به تفکر در سطح انسانی یا فراتر از آن باشد منتهی شود. اما یک نظرسنجی جدید نشان میدهد که این رویکرد در میان محققان هوش مصنوعی با شک و تردید فزایندهای روبهرو شده است و پول بیشتر لزوماً هوش بیشتری نمیآورد.
بر اساس این نظرسنجی که توسط انجمن پیشبرد هوش مصنوعی (AAAI) انجام شده، ۷۶ درصد از ۴۷۵ محقق هوش مصنوعی معتقدند که بالابردن توان محاسباتی و افزودن دادههای بیشتر به مدلهای کنونی، به احتمال زیاد منجر به دستیابی به AGI نخواهد شد.
AGI که به آن هوش مصنوعی جامع یا کامل هم گفته میشود، به سیستمی اشاره دارد که میتواند مانند یک انسان، درک، استدلال، یادگیری و حل مسئله را در طیف وسیعی از وظایف، بدون نیاز به آموزش جداگانه برای همان منظور، انجام دهد. برخلاف هوش مصنوعی محدود (مانند چتباتها و مدلهای زبانی کنونی) که فقط در حوزههای خاصی کارآمد هستند، AGI قادر خواهد بود بهصورت تطبیقی و مستقل در موقعیتهای جدید عمل کند. با این حال، دستیابی به چنین سطحی از هوش، هنوز محقق نشده است و بر سر مسیر دستیابی به آن اختلاف نظر جدی میان کارشناسان وجود دارد.
سرمایهگذاریهای میلیاردی بدون خروجی بزرگ
در سال گذشته، تنها سرمایهگذاریهای خطرپذیر در حوزه هوش مصنوعی مولد از ۵۶ میلیارد دلار فراتر رفت. همچنین، افزایش تقاضا برای سختافزارهای پردازشی، صنعت نیمهرساناها را در سال ۲۰۲۴ به بازاری ۶۲۶ میلیارد دلاری تبدیل کرد.
این سرمایهگذاریهای هنگفت باعث افزایش نیاز به انرژی نیز شدهاند. به همین دلیل شرکتهایی مانند مایکروسافت، گوگل و آمازون برای تأمین برق مراکز داده عظیم خود، حتی به سمت قراردادهای انرژی هستهای حرکت کردهاند. با این حال، خروجی مدلهای پیشرفته اخیر نشان میدهد که بهبودهای ایجادشده در مقایسه با نسلهای قبلی تنها جزئی بودهاند.
استوارت راسل، استاد علوم کامپیوتر در دانشگاه برکلی، در گفتگو با New Scientist در این باره اظهار داشت:
«سرمایهگذاریهای عظیم در گسترش منابع، بدون تلاش همزمان برای درک واقعی از آنچه در حال وقوع است، همیشه به نظر من اشتباه بوده است.»
علاوه بر تردیدها درباره رویکرد کنونی، این نظرسنجی تغییر در اولویتهای پژوهشی را نیز نشان میدهد. از بین شرکت کنندگان در این نظرسنجی ۸۲ درصد معتقدند که در صورت توسعه AGI توسط شرکتهای خصوصی، این فناوری باید مالکیت عمومی داشته باشد تا از خطرات جهانی جلوگیری شود.
در همین رابطه بخوانید:
- هوش مصنوعی جامع (AGI) چیست و چرا باید نگران آن باشیم؟
در عین حال ۷۰ درصد مشارکت کنندگان برخلاف برخی هشدارها، مخالف توقف تلاشها برای دستیابی به AGI تا زمان اطمینان از ایمنی کامل آن هستند، اما در عین حال رویکردی محتاطانه و تدریجی را ترجیح میدهند.
راهکارهای جایگزین برای عبور از بنبست AI
با توجه به کاهش بازدهی رویکرد فعلی در حوزه هوش مصنوعی، برخی محققان در جستجوی روشهای کمهزینهتر و کارآمدتر هستند. برای مثال، OpenAI در حال آزمایش روشی به نام محاسبات در زمان اجرا است که در آن مدلهای هوش مصنوعی قبل از تولید پاسخ، زمان بیشتری را صرف پردازش و تفکر میکنند. این روش بدون نیاز به افزایش ابعاد مدل هوش مصنوعی، بهبود عملکرد را نشان داده است.
با این حال، آرویند نارایانان، دانشمند علوم کامپیوتر در دانشگاه پرینستون، این تکنیک را راهحلی قطعی نمیداند و میگوید این روش احتمالاً یک راهحل جادویی نخواهد بود.
با وجود این چالشها، برخی از مدیران ارشد دنیای فناوری همچنان بر استراتژی افزایش منابع تأکید دارند. ساندار پیچای، مدیرعامل گوگل، اخیراً اعلام کرد که این صنعت میتواند به رشد از طریق بیشتر کردن منابع ادامه دهد، هرچند که دوران دستاوردهای سریع و آسان به پایان رسیده است.
در نهایت، گرچه میلیاردها دلار سرمایهگذاری در سختافزار و دادهها، هوش مصنوعی را به سطح بالایی رسانده، اما محققان هشدار میدهند که مسیر رسیدن به هوش مصنوعی کامل، پیچیدهتر از صرفاً افزایش قدرت پردازشی است.