نقل قول روز توسط فرانسوا شولت، یکی از بنیانگذاران جایزه ARC: "OpenAI اساسا پیشرفت را به AGI بین 5 تا 10 سال بازگرداند."

بسیاری از توسعه‌دهندگان هوش مصنوعی و آزمایشگاه‌های مرزی آشکارا هوش عمومی مصنوعی (AGI) را دنبال می‌کنند، که دانشمندان آن را هوشی شبیه انسان توصیف می‌کنند که در آن یک مدل می‌تواند مانند انسان استدلال کند و توانایی‌های جدیدی را خارج از داده‌های آموزشی خود بیاموزد. اما آیا این بدان معناست که همه آنها در مسیر درستی هستند؟

تعقیب اژدها

اگر ما به AGI دست پیدا کنیم، از کجا می‌دانیم؟ معیارهای هوش مصنوعی بسیاری وجود دارد، اما فرانسوا شولت، تنها چند ماه قبل از صحبت با پادکست Dwarkesh، جایزه ARC را بنیانگذاری کرد تا به این موضوع بپردازد.

نقل قول روز

این مقاله بخشی از پروژه QOTD TechRadar Pro است تا بینشی از ذهن درخشان‌ترین و شناخته‌شده‌ترین چهره‌های صنعت فناوری امروز و سال‌های گذشته ارائه دهد. سریال کامل را اینجا بخوانید.

در نظرات پادکست، او توضیح داد که مدل‌های زبان بزرگ (LLM) که مبتنی بر شبکه‌های عصبی هستند، برای دستیابی به AGI یک بن‌بست است. این بدان معنا نیست که جایی برای بهبود LLM وجود ندارد، بنابراین آنها قدرتمندتر، مستقل‌تر و برای کسب‌وکارها مفید بودند. اما این همان AGI نیست.

Chollet توضیح داد که با ریختن بودجه به LLM ها به هزینه راه ها یا معماری های دیگر، راه رسیدن به AGI واقعی نادیده گرفته می شود. نتیجه؟ پیشرفت تا یک دهه عقب افتاده است.

سیستم های هوشمند

علی‌رغم اعتقاد راسخ Chollet مبنی بر اینکه LLM ما را به AGI نزدیک‌تر نمی‌کند، بسیاری از مدیران فناوری در چند هفته گذشته درباره تهدید احتمالی که برای بشریت ایجاد می‌کنند اظهار نظر کرده‌اند.

قبل از عرضه اولیه اولیه سهام OpenAI و Anthropic که هنوز مشخص نشده است، هر دو شرکت به نوبت حوادث نگران کننده فزاینده ای از جمله نقض امنیت سایبری را افشا کرده اند. این داستان‌ها، از نظر بسیاری از مردم، صرفا برای تبلیغ قابلیت‌های فناوری‌های موجود برای اهداف بازاریابی مفید بوده است.

در مورد Chollet، کل هدف معیار ARC-AGI تعیین پیشرفت واقعی به سمت AGI است. در حالی که LLM ها در این معیار به خصوص سخت عملکرد بهتری دارند، هیچ کدام به رسیدن به این معیار نزدیک نشده اند.