پژوهشگران «گوگل دیپ‌مایند» (Google DeepMind) هشدار داده‌اند که هوش مصنوعی ممکن است به‌زودی به یک آستانه بحرانی نزدیک شود.

باشگاه خبرنگاران جوان؛ جواد فراهانی - سال‌هاست که پژوهشگران بر مفهوم «هوش مصنوعی عمومی» (AGI) تمرکز کرده‌اند؛ ماشین‌هایی که قادرند در اکثر وظایف شناختی، عملکردی هم‌تراز با انسان داشته باشند. به گفته «تیم گنوواین»، پژوهشگر گوگل دیپ‌مایند، دستیابی به این هدف اکنون بسیار نزدیک‌تر شده است و ممکن است به‌سرعت با پدیده‌ای موسوم به «ابر هوش مصنوعی» (ASI) دنبال شود.

این بدان معناست که ماشین‌ها می‌توانند در طیف گسترده‌ای از فعالیت‌ها، عملکردی بهتر از بسیاری از انسان‌ها داشته باشند؛ از شتاب بخشیدن به پیشرفت‌های علمی در حوزه‌های گوناگون گرفته تا دستیابی به دستاورد‌های عملی بزرگ، نظیر طراحی ریزتراشه‌های الکترونیکی. گنوواین تأکید می‌کند که رسیدن به مرحله «ابر هوش مصنوعی» صرفاً به معنای برتری در چند وظیفه خاص نیست، بلکه به معنای پیشی گرفتن از انسان در اکثر حوزه‌هایی است که برای او اهمیت بنیادین دارند.

با این حال، برخی کارشناسان همچنان نسبت به امکان‌پذیر بودنِ دستیابی به «هوش مصنوعی عمومی» (AGI) تردید دارند و استدلال می‌کنند که سیستم‌های هوش مصنوعی کنونی بیش از حد به زبان متکی هستند؛ امری که درک آنها از جهان واقعی را محدود می‌سازد.

اما گنوواین معتقد است آنچه او «صنعتی‌سازی شناختی» می‌نامد، به پیدایش سیستم‌هایی به‌مراتب قدرتمندتر منجر خواهد شد؛ تحولی که حاصلِ پیشرفت در طراحی تراشه‌ها، افزایش کارایی نرم‌افزار‌ها و سرمایه‌گذاری‌های کلان در زیرساخت‌های محاسباتی است.

در چنین سناریویی، توان محاسباتیِ در دسترسِ هوش مصنوعی می‌تواند هر سال ده برابر شود که نشان‌دهنده جهشی عظیم در طول تنها یک دهه است. اگرچه این روند ممکن است هوش مصنوعی را به سطحی شبیه به انسان نزدیک‌تر کند، اما تضمین‌کننده عبور از موانعی نیست که دستیابی به «ابر هوش مصنوعی» (ASI) را دشوار می‌سازند؛ درست همان‌طور که اینشتین توانست نظریه نسبیت عام را کشف کند، در حالی که دانشمندان بی‌شماری در دوران باستان از انجام چنین کاری ناتوان بودند.

این پژوهشگر به چندین تحول اشاره می‌کند که می‌توانند چشم‌انداز موجود را دگرگون سازند، از جمله:

- ایجاد داده‌های آموزشی جدید که جهان واقعی را شبیه‌سازی می‌کنند.

- به‌کارگیری روش‌هایی که به سیستم‌ها امکان می‌دهد ایده‌هایی نو و بدیع خلق کنند.

- تقویت تواناییِ عامل‌های هوش مصنوعی برای همکاری با یکدیگر.

- یادگیری خودکارِ تکرارشونده؛ یعنی ظرفیت سیستم‌ها برای آموزش دادن به خودشان.

ژنوین معتقد است که این عوامل می‌توانند به تدریج ما را از قابلیت‌های فعلی هوش مصنوعی به هوش عمومی مصنوعی (AGI) در سطح متخصصان و متعاقباً به مرحله ابرهوش منتقل کنند. این امر پیشرفت علمی را تسریع کرده و راه را برای پیشرفت در زمینه‌هایی مانند پزشکی، علوم مواد و انرژی پاک هموار می‌کند.

او تأکید می‌کند که جهان باید از طریق تلاش‌های گسترده و مشترک شامل آزمایشگاه‌های تحقیقاتی پیشرفته و همچنین مؤسسات ملی و بین‌المللی، چگونگی دستیابی به هوش عمومی مصنوعی - و آنچه ممکن است در پی آن بیاید - را بررسی کند. این امر باید با توسعه ابزار‌های دقیق برای اندازه‌گیری سرعت چنین پیشرفتی همراه باشد.

او در پایان خاطرنشان می‌کند که هوش عمومی در سطح انسان دیگر حد نهایی نیست و می‌افزاید که درک آنچه ممکن است فراتر از آن باشد - و پیامد‌های آن برای علم، صنعت و جامعه - چالش بزرگ بعدی را نشان می‌دهد.

منبع: ایندیپندنت