چرا دستیابی به هوش مصنوعی همسطح انسان ä سالها دور است؛ تحلیل یان لیکان, مجله فرنگی گزارش میدهد که یان لیکان، رئیس بخش هوش مصنوعی متا، در سخنرانی اخیرش در انجمن هادسون، دیدگاههای خوشبینانه نسبت به رسیدن سریع به هوش مصنوعی جامع (AGI) را رد کرد. برخلاف ادعاهای برخی شرکتها درباره نزدیک بودن ماشینهای هوشمند به سطح انسانی، لیکان تأکید کرد که مدلهای فعلی قادر به درک جهان، حافظه، شهود، عقل سلیم و برنامهریزی پیچیده نیستند.
محدودیتهای بنیادین مدلهای زبان بزرگ فعلی لیکان توضیح داد که معماری مدلهای زبانی بزرگ (LLM) مانند ChatGPT و AI بر پایه پیشبینی توکن بعدی (معمولاً چند کاراکتر یا یک کلمه) بنا شده است. همچنین مدلهای تولید تصویر و ویدیو تنها پیکسلهای بعدی را پیشبینی میکنند.
تفاوت یادگیری ماشین و انسان در مهارتهای روزمره برای تشریح این شکاف، لیکان به مثالهای ملموس اشاره کرد انسان در سیزده سالگی یاد میگیرد میز شام را تمیز کند و در هفده سالگی رانندگی ل را فرا میگیرد؛ هر دو مهارت در عرض چند ساعت و با دادههای بسیار کمی آموزش دیده میشوند.
در تضاد، پیشرفتهترین رباتهای هوش مصنوعی امروزی با وجود آموزش بر روی هزاران یا میلیونها ساعت داده، هنوز نتوانستهاند بهطور قابل اعتماد در محیط فیزیکی کار کنند و تسکهای سادهOAR_MEDIA_1 روزمره را انجام دهند. مدلهای جهانی راهکار پیشنهادی برای آینده رئیس هوش مصنوعی متا معتقد است که رسیدن به سطح هوش انسانی نیازمند تغییر پارادایم به سمت مدلهای جهانی است.
این معماری جدید باید بتواند جهان را شبیهسازی کند، پیامدهای اقدامات را پیشبینی نماید و استدلالهای برنامهریزیمحور انجام دهد.
این تحلیل نشان میدهد که اگرچه ویژگیهایی مانند حافظه در ChatGPT یا نمایش تفکر در مدل گامهای قابل توجهی هستند، اما همچنان در چارچوب پیشبینی توکن باقی ماندهاند و نمادینسازی واقعی جهان را حل نمیکنند. بنابراین، انتظارهای کوتاهمدت از AGI باید با واقعبینی تنظیم گردد.
