هوش عمومی مصنوعی؛ آیا هوش مصنوعی از توانایی‌های شناختی انسان پیشی گرفته است؟
هوش عمومی مصنوعی؛ آیا هوش مصنوعی از توانایی‌های شناختی انسان پیشی گرفته است؟
هوش عمومی مصنوعی (AGI) به سامانه‌ای از هوش مصنوعی گفته می‌شود که در بیشتر فعالیت‌های اقتصادی ارزشمند، عملکردی بهتر از انسان داشته باشد.
گرگ براکمن، رئیس شرکت OpenAI، اخیراً مطرح کرده است که مدل پیشرفته این شرکت، موسوم به GPT-6 Astra، ممکن است نشانه ورود به دوره‌ای باشد که از آن با عنوان هوش عمومی مصنوعی یا AGI یاد می‌شود.
اگر هوش مصنوعی معمولاً توانایی شبیه‌سازی هوش انسان تعریف شود، OpenAI هوش عمومی مصنوعی را سامانه‌ای می‌داند که در بیشتر فعالیت‌های اقتصادی ارزشمند از انسان بهتر عمل کند؛ به بیان دیگر، بتواند در اکثریت وظایف دیجیتال و شناختی که انسان قادر به انجام آن‌هاست، عملکرد برتری داشته باشد.
این وظایف شامل برنامه‌نویسی رایانه، فعالیت‌های سازمانی و مدیریت پروژه می‌شود.
دست‌کم در حال حاضر، کارهایی که به فعالیت بدنی نیاز دارند، مانند کشاورزی و ساخت‌وساز، در این تعریف نمی‌گنجند؛ هرچند ادغام هوش مصنوعی با رباتیک به این معناست که ممکن است این حوزه‌های صنعتی برای همیشه در انحصار انسان باقی نمانند.
تعریف OpenAI بر گستردگی توانایی‌های یک سامانه هوش مصنوعی تمرکز دارد.
بااین‌حال، برخی کارشناسان معتقدند هوش عمومی مصنوعی باید با جهش‌های شناختی دیگری فراتر از توانایی‌های مدل‌های فعلی هوش مصنوعی همراه باشد. برای مثال، دمیس هاسابیس، بنیان‌گذار Google DeepMind، گفته است که یک سامانه AGI باید بتواند «تقریباً هر وظیفه شناختی‌ای را که انسان انجام می‌دهد» انجام دهد.
در این تعریف، هوش عمومی مصنوعی بیشتر به توانایی‌های برجسته و سطح بالای شناختی مربوط می‌شود و کمتر بر گستردگی مهارت‌ها به‌تنهایی تکیه دارد. یان لوکان، دانشمند ارشد پیشین هوش مصنوعی در شرکت متا، معتقد است که خود اصطلاح AGI دقیق نیست و باید با عبارت «هوش مصنوعی در سطح انسان» جایگزین شود.
این دیدگاه‌ها تنها نمونه‌هایی از بحثی گسترده و همچنان ادامه‌دار درباره زمان تحقق هوش عمومی مصنوعی و معیارهای تشخیص آن هستند.
مجله ونتوربیت گزارش داد که براکمن در یک نشست خبری غیرعلنی درباره GPT-6 Astra در ماه سپتامبر، به دشواری تعیین زمان مشخص برای تحقق AGI اذعان کرده است. او گفت: «وقتی OpenAI را راه‌اندازی کردیم، تا حدی تصور می‌کردیم لحظه‌ای مشخص فرا می‌رسد که همه آن را تشخیص می‌دهند... اما ماجرا به این شکل پیش نرفته است.»
او در ادامه افزود: «اما شخصاً فکر می‌کنم به آن نقطه رسیده‌ایم.»
تنها چند روز پس از اظهارات براکمن، داریو آمودی، مدیرعامل Anthropic، در مقاله‌ای با عنوان «باید سرعت پیشرفت در مرزهای فناوری را تنظیم کنیم» خواستار کاهش سرعت توسعه هوش مصنوعی شد.
چند ساعت پس از انتشار این مقاله، هم سم آلتمن و هم ایلان ماسک با این دیدگاه موافقت کردند.
اما آیا براکمن درست می‌گوید و هوش عمومی مصنوعی تحقق یافته است؟ شواهد همچنان به نتایج متفاوتی اشاره دارند و در حال حاضر نمی‌توان به نتیجه‌ای قطعی رسید.
مهم‌ترین تغییر GPT-6 Astra در نحوه استفاده مردم از آن دیده می‌شود. مدل‌های پیشین برای انجام هر مرحله به دستورالعمل‌های دقیق نیاز داشتند، اما Astra برای اجرای کارهای طولانی‌تر طراحی شده است؛ به این صورت که کاربر هدف و محدودیت‌های کلی را مشخص می‌کند و مدل خودش مراحل لازم برای رسیدن به نتیجه را تعیین می‌کند.
در نمایش‌های OpenAI، مدل پیشرفته این شرکت توانست چندین وظیفه نامرتبط را به‌طور هم‌زمان انجام دهد. این شرکت چنین قابلیتی را عبور از الگوی پیشین می‌داند؛ الگویی که در آن انسان باید هر بار دستور بعدی را ارائه می‌کرد.
این تغییر واقعی است و احتمالاً نخستین جنبه‌ای خواهد بود که بیشتر کاربران متوجه آن می‌شوند.
یکی از آزمون‌های ارزیابی نشان می‌دهد که Astra در آزمون ARC-AGI-3 امتیاز ۹۹٫۹ درصدی کسب کرده است. در این آزمون، یک عامل هوش مصنوعی در بازی‌های تعاملی ناآشنا قرار می‌گیرد، بدون آنکه دستورالعملی در اختیارش باشد، و میزان کارآمدی آن در کشف قواعد بازی سنجیده می‌شود.
OpenAI برآورد می‌کند که انسان‌های عادی هنگام تلاش برای کشف قواعد همین بازی‌های ناآشنا، به‌طور متوسط امتیاز ۴۸ درصد را کسب کرده‌اند.
درباره نویسنده
وقاص علی مدرس مدیریت کسب‌وکار و پژوهشگر در دانشکده هنر، کسب‌وکار و علوم اجتماعی دانشگاه ولورهمپتون است.
این مقاله با مجوز کریتیو کامنز از The Conversation بازنشر شده است. نسخه اصلی مقاله را بخوانید.
بااین‌حال، جزئیات آزمون اهمیت دارد. مؤسسه ARC Prize که این معیار ارزیابی را اجرا می‌کند، گزارش داده است که بالاترین امتیاز Astra با استفاده از محیط نرم‌افزاری مشترکی که برای ارزیابی همه مدل‌ها در اختیارشان قرار می‌دهد، ۶۲٫۷ درصد بوده است.
این محیط نرم‌افزاری که «هارنس» نامیده می‌شود، نوعی بستر اجرایی یا محیط عملیاتی است که سامانه هوش مصنوعی در آن فعالیت می‌کند. مؤسسه ARC Prize همین بستر را برای Astra فراهم می‌کند.
امتیاز ۹۹٫۹ درصدی در محیط نرم‌افزاری متفاوتی به دست آمده که OpenAI به‌طور اختصاصی برای Astra ساخته است. این محیط امکان حفظ روند استدلال مدل را میان درخواست‌های مختلف فراهم می‌کند. به بیان ساده، Astra زمانی عملکرد بهتری داشت که می‌توانست از کارهای قبلی خود دوباره استفاده کند و برای هر درخواست، استدلالش را از نقطه صفر آغاز نکند.
اختلاف نظر ارزیابان
ارزیابان مستقل درباره میزان پیشرفت GPT-6 Astra در مقایسه با مدل قبلی آن اتفاق نظر ندارند.
مؤسسه پژوهشی مستقل Epoch AI این مدل را در زمره پیشرفته‌ترین سامانه‌های هوش مصنوعی قرار می‌دهد؛ در کنار مدل‌هایی مانند Claude Fable 5.1، Kimi K3 و GPT-5.5 Pro.
در مقابل، شرکت تحلیل مستقل Artificial Analysis، Astra را به‌طور چشمگیری جلوتر از مدل قبلی آن، یعنی GPT-5.6 Sol، ارزیابی نکرده است.
توبی والش، پژوهشگر هوش مصنوعی در دانشگاه نیو ساوت ولز در سیدنی استرالیا، درباره هوش مدل‌های پیشرفته‌ای مانند GPT-6 Astra و دیگر سامانه‌های هم‌رده گفته است که توانایی‌های آن‌ها «حتی امروز هم بسیار ناهموار است». او در گفت‌وگو با الجزیره توضیح داد که مدل‌های هوش مصنوعی، حتی بهترین آن‌ها، در انجام برخی کارهای ساده نیز عملکرد ضعیفی دارند.
در ۸ سپتامبر ۲۰۲۶، OpenAI اعلام کرد راه‌حلی برای مسئله ناویه–استوکس ارائه کرده است؛ مسئله‌ای ریاضی که یکی از هفت مسئله جایزه هزاره به شمار می‌رود.
این دستاورد اغلب به Astra نسبت داده شده است، اما چنین برداشتی درست نیست. OpenAI می‌گوید اثبات ریاضی با استفاده از یک مدل داخلی و منتشرنشده انجام شده که توانایی‌های آن به‌مراتب از Astra بیشتر بوده است. در این فرایند، حدود ۱۰ هزار عامل هوش مصنوعی ــ مدل‌هایی که در پاسخ به دستورهای انسانی وظایف مشخصی انجام می‌دهند ــ به‌طور موازی و به مدت تقریباً ۸۸ ساعت فعالیت کرده‌اند.
نقش Astra در مرحله بعد، صورت‌بندی رسمی و راستی‌آزمایی اثبات بود؛ فرایندی که ۱۷ ساعت دیگر زمان برد. جامعه ریاضی‌دانان هنوز این اثبات را بررسی نکرده است.
مقاله آمودی در ماه سپتامبر که خواستار کاهش سرعت توسعه هوش مصنوعی بود، همچنان یکی از صریح‌ترین هشدارهای اخیر درباره خطرات مدل‌های پیشرفته محسوب می‌شود. او نوشت که طی شش تا ۱۲ ماه آینده، مجموعه‌ای گسترده از عامل‌های هوش مصنوعی ممکن است بتوانند با ایجاد یک شبکه بات ماندگار، کنترل اینترنت را به دست بگیرند.
چنین وضعیتی می‌تواند به ازکارافتادن فاجعه‌بار سامانه‌های حیاتی منجر شود و خسارت‌هایی به بار آورد که احتمالاً به صدها میلیارد دلار می‌رسد.
سوءاستفاده از کلود
هشدارهای آمودی ارزش بررسی دقیق دارند. گزارش تهدیدهای Anthropic در ماه سپتامبر نمونه‌هایی از کاربردهای نگران‌کننده هوش مصنوعی در دنیای واقعی را شرح می‌دهد.
بر اساس این گزارش، گروهی در شمال یمن اخیراً از Claude Code برای ساخت نرم‌افزاری جهت هدایت موشک‌ها و یک موشک دیگر استفاده کرده‌اند. همچنین، عوامل روسی و چینی فعالیت‌های جاسوسی را خودکارسازی کرده‌اند.
در نمونه‌ای دیگر، فردی فرانسوی‌زبان با کمک هوش مصنوعی یک بستر نرم‌افزاری ساخت که امکان جست‌وجوی آنلاین اطلاعات شخصی افراد وابسته به یک جنبش سیاسی هدف‌گرفته‌شده را فراهم می‌کرد. در همه این موارد، انسان‌ها اهداف را انتخاب کردند و مدل هوش مصنوعی کار اجرایی را بر عهده گرفت.
این نمونه‌ها نشان‌دهنده به‌کارگیری توانایی‌هایی محدود در مقیاس و سرعت بالا و تحت هدایت انسان هستند. چنین کاربردهایی جدی و نگران‌کننده‌اند، اما به‌خودی‌خود به معنای دستیابی به هوش عمومی نیستند.
توانایی انجام وظایف مشخص و برخورداری از هوش عمومی دو موضوع متفاوت‌اند و هرکدام به واکنشی جداگانه نیاز دارند. آمودی پیشنهاد می‌کند توسعه مدل‌های پیشرفته با سرعت کمتری ادامه یابد و هم‌زمان، ارزیابی‌های مستقل گسترش پیدا کند و کشورها برای هماهنگ‌سازی استانداردهای ایمنی با یکدیگر همکاری کنند.
اما تحقق سامانه‌ای واقعاً برخوردار از هوش عمومی، پرسش‌هایی را مطرح می‌کند که این اقدامات برای پاسخ‌گویی به آن‌ها طراحی نشده‌اند.
GPT-6 Astra مشخص نمی‌کند که آیا هوش عمومی مصنوعی تحقق یافته است یا نه؛ بلکه نشان می‌دهد چرا پاسخ‌دادن به این پرسش روزبه‌روز دشوارتر می‌شود.
هوش اکنون بیش از گذشته ویژگی یک سامانه کامل هوش مصنوعی است که از مدل، حافظه، ابزارها و عامل‌های مختلف تشکیل می‌شود، نه صرفاً ویژگی یک مدل که به‌تنهایی مورد آزمایش قرار می‌گیرد.
در مورد پرسش محدودترِ اینکه آیا این سامانه‌ها اکنون می‌توانند خسارت‌های جدی ایجاد کنند، مدیران شرکت‌های سازنده آن‌ها صریحاً گفته‌اند که چنین خطری قطعاً وجود دارد.