دمیس هسابیس از گوگل دیپ‌مایند: هوش مصنوعی عمومی ممکن است تا سال ۲۰۲۸ محقق شود
رقابت برای ساخت هوش مصنوعی‌ای که بتواند مانند انسان فکر کند، شاید سریع‌تر از آنچه انتظار می‌رفت پیش برود.
دمیس هسابیس، هم‌بنیان‌گذار گوگل دیپ‌مایند، اکنون معتقد است هوش مصنوعی عمومی (AGI) ممکن است تنها طی دو تا سه سال آینده محقق شود؛ پیش‌بینی‌ای که دستیابی به هوش مصنوعی هم‌سطح انسان را تا سال ۲۰۲۸ محتمل می‌داند.
هسابیس، پژوهشگر برجسته هوش مصنوعی و برنده جایزه نوبل، در گفت‌وگو با مجله وال‌استریت ژورنال که روز چهارشنبه منتشر شد، برآورد قبلی خود را تغییر داد. او پیش‌تر بازه زمانی سه تا پنج سال را برای دستیابی به این فناوری مطرح کرده بود.
هسابیس در این مصاحبه گفت: «خیلی نزدیک است» و افزود: «دارم زمان‌بندی را مدام به زمان حال نزدیک‌تر می‌کنم.»
این اظهارنظر از سوی یکی از پژوهشگرانی که در توسعه مدل‌های جمینای گوگل نقش داشته‌اند، قابل‌توجه است. بااین‌حال، پرسش مهم‌تری را هم مطرح می‌کند: اگر هوش مصنوعی تنها دو سال با رسیدن به سطح هوش انسان فاصله داشته باشد، چرا فناوری‌های امروزی هنوز در انجام برخی کارهای به‌ظاهر ساده مشکل دارند؟
چرا رئیس بخش هوش مصنوعی گوگل پیش‌بینی خود را جلو انداخته است؟
هسابیس سال‌هاست درباره زمان ظهور هوش مصنوعی عمومی پیش‌بینی می‌کند، اما برآوردهای او به‌تدریج خوش‌بینانه‌تر شده‌اند.
او در دسامبر ۲۰۲۵ به آکسیوس گفت که دستیابی به هوش مصنوعی عمومی ممکن است همچنان پنج تا ۱۰ سال زمان ببرد. تا مه ۲۰۲۶، او احتمال می‌داد این فناوری حوالی سال ۲۰۳۰ یا حتی زودتر محقق شود.
اکنون او سال‌های ۲۰۲۸ یا ۲۰۲۹ را برای تحقق این هدف مطرح می‌کند.
بخشی از افزایش اطمینان او به پیشرفت شرکت‌های هوش مصنوعی در توسعه عامل‌های خودمختار هوش مصنوعی مربوط می‌شود. برخلاف چت‌بات‌های سنتی که منتظر دریافت دستور می‌مانند، این سامانه‌ها می‌توانند وظایف چندمرحله‌ای را انجام دهند، از ابزارهای مختلف استفاده کنند و در طول فرایند تصمیم بگیرند.
هسابیس پس از رویداد گوگل آی‌او در ماه مه، به آکسیوس گفت که عامل‌های هوش مصنوعی امروزی در واقع تمرینی برای رسیدن به هوش مصنوعی عمومی هستند.
او همچنین پذیرفت که بخشی از لحن هشدارآمیز و تأکیدش بر نزدیک بودن این فناوری، با هدف ترغیب دولت‌ها، اقتصاددانان و عموم مردم به جدی گرفتن پیامدهای فناوری پیش رو بوده است.
هوش مصنوعی برای رسیدن به توانایی تفکر انسانی هنوز چه کمبودهایی دارد؟
با وجود توانایی‌های چشمگیر چت‌جی‌پی‌تی، جمینای و کلود، سامانه‌های هوش مصنوعی امروزی هنوز از نظر انعطاف‌پذیری و قابلیت اطمینان با هوش انسانی فاصله زیادی دارند.
هسابیس در مصاحبه‌ای با وای کامبینیتور در ماه آوریل، چند مسئله را مطرح کرد که پژوهشگران هنوز باید برای حل آن‌ها راهکار پیدا کنند.
یکی از این مسائل، یادگیری مداوم است. انسان‌ها می‌توانند از تجربه‌های تازه بیاموزند و آموخته‌های خود را در موقعیت‌های بعدی به کار بگیرند. در مقابل، مدل‌های هوش مصنوعی با هر تجربه جدید، دانش زیربنایی خود را به‌طور خودکار به‌روزرسانی نمی‌کنند.
حافظه نیز چالش دیگری است. حتی با وجود بزرگ‌تر شدن پنجره‌های زمینه، دستیارهای هوش مصنوعی ممکن است اطلاعات مهم را از دست بدهند یا در پیوند دادن جزئیات در گفت‌وگوها و وظایف طولانی‌مدت با مشکل روبه‌رو شوند.
مسئله بعدی توانایی استدلال است. هوش مصنوعی می‌تواند مسائل دشوار ریاضی را حل کند و کدهای پیچیده بنویسد، اما همچنان ممکن است مرتکب اشتباه‌های منطقی ابتدایی شود یا پاسخ‌های نادرست را با اطمینان ارائه دهد.
هسابیس معتقد است حل این مشکلات و افزایش ثبات عملکرد سامانه‌ها، از پیش‌نیازهای اساسی تحقق هوش مصنوعی عمومی است.
این موضوع همچنین توضیح می‌دهد که چرا عملکرد درخشان یک چت‌بات در آزمون‌ها لزوماً به معنای دستیابی به هوشی واقعاً هم‌سطح انسان نیست.
هوش مصنوعی عمومی در عمل چه معنایی برای شما خواهد داشت؟
مهم‌ترین تفاوت میان دستیارهای هوش مصنوعی امروزی و هوش مصنوعی عمومی، انعطاف‌پذیری خواهد بود.
در حال حاضر، ممکن است از چت‌جی‌پی‌تی برای برنامه‌ریزی سفر، از جمینای برای خلاصه کردن ایمیل‌ها یا از کلود برای نوشتن یک سند کمک بگیرید. این ابزارها توانمندند، اما همچنان به نظارت انسان نیاز دارند و ممکن است اشتباه کنند.
یک سامانه هوش مصنوعی عمومی بالقوه می‌تواند طیف بسیار گسترده‌تری از وظایف فکری را انجام دهد و به‌جای تکیه صرف بر توانایی‌هایی که در زمان آموزش آموخته است، خود را با مسائل ناآشنا سازگار کند.
تصور کنید هدفی پیچیده، مانند برنامه‌ریزی یک سفر خانوادگی، مقایسه قیمت‌ها، هماهنگ کردن برنامه‌های زمانی و انجام رزروها را به یک دستیار هوش مصنوعی بسپارید و این سامانه بتواند تقریباً تمام مراحل را با حداقل راهنمایی مدیریت کند.
در محیط کار، هوش مصنوعی توانمندتر می‌تواند وظایف پیچیده‌تری را در زمینه پژوهش، تحلیل و امور اداری بر عهده بگیرد. در حوزه سلامت نیز ممکن است به دانشمندان کمک کند روند کشف دارو را سرعت ببخشند یا درمان‌های جدید امیدوارکننده‌ای شناسایی کنند.
ظرفیت علمی این فناوری پیش‌تر نیز نمونه‌هایی داشته است. هسابیس در سال ۲۰۲۴ جایزه نوبل شیمی را به‌دلیل فعالیت‌هایش روی آلفافولد، سامانه هوش مصنوعی‌ای که توانایی دانشمندان برای پیش‌بینی ساختار پروتئین‌ها را متحول کرد، به‌طور مشترک دریافت کرد.
بااین‌حال، نگرانی‌های معتبری نیز درباره آینده مشاغل، حریم خصوصی، امنیت و پیامدهای تصمیم‌گیری اشتباه سامانه‌های هوش مصنوعی هرچه خودمختارتر وجود دارد.
گوگل دیپ‌مایند چارچوبی برای سنجش پیشرفت به‌سوی هوش مصنوعی عمومی منتشر کرده است که می‌پذیرد هوش از سطوح مختلف توانایی، گستره عملکرد و میزان خودمختاری تشکیل می‌شود. بااین‌حال، هنوز آزمونی وجود ندارد که به‌طور عمومی پذیرفته شده باشد و زمان دستیابی رسمی به هوش مصنوعی عمومی را مشخص کند.
جمع‌بندی
هسابیس تنها رهبر صنعت هوش مصنوعی نیست که از تحولی بزرگ طی چند سال آینده سخن می‌گوید، اما تازه‌ترین پیش‌بینی او اهمیت ویژه‌ای دارد؛ زیرا او در توسعه برخی از پیشرفته‌ترین سامانه‌های هوش مصنوعی جهان نقش داشته است.
برای کاربران عادی، پیام اصلی این است که ابزارهای هوش مصنوعی مورد استفاده امروز ممکن است طی چند سال آینده بسیار توانمندتر و خودمختارتر شوند و حضور عمیق‌تری در زندگی روزمره پیدا کنند.
اینکه چنین تحولی مطابق زمان‌بندی هسابیس رخ دهد یا نه، هنوز مشخص نیست. اما اگر پیش‌بینی او درست باشد، دو سال آینده ممکن است تفاوت چشمگیری با دو سال گذشته داشته باشد.