بزرگنمايي:

پیام خوزستان - هوش مصنوعی عمومی می‌تواند به حل مشکلات پیچیده‌ای مانند تغییرات اقلیمی، بیماری‌های همه‌گیر و درمان سرطان کمک کند، اما این قدرت عظیم، عدم قطعیت و خطراتی برای بشریت به همراه دارد. برخی محققان بر این باورند که مدل‌های زبان بزرگ به تنهایی برای دستیابی به هوش مصنوعی عمومی کافی نیستند و هنوز قطعاتی از این پازل گم شده است.

مدل‌های زبان بزرگ مانند o1 از OpenAI بحث‌های جنجالی را در مورد دستیابی به هوش مصنوعی عمومی (AGI) ایجاد کرده‌اند. اما به نظر می‌رسد که این مدل‌ها به تنهایی قادر به رسیدن به این نقطه عطف نخواهند بود.
مدل o1 که در سپتامبر 2024 معرفی شد، وعده‌ای جسورانه را ارائه می‌دهد و ادعا می‌کند که رویکردی نزدیک‌تر به تفکر انسانی دارد. این موضوع بحثی را که برای دهه‌ها در حال جوشیدن بوده است، دوباره داغ کرده است: چه زمانی ماشین قادر خواهد بود تمام وظایف شناختی که مغز انسان می‌تواند انجام دهد، از جمله استدلال انتزاعی و برنامه‌ریزی، را انجام دهد؟
هوش مصنوعی عمومی می‌تواند به حل مشکلات پیچیده‌ای مانند تغییرات اقلیمی، بیماری‌های همه‌گیر و درمان سرطان کمک کند، اما این قدرت عظیم، عدم قطعیت و خطراتی برای بشریت به همراه دارد. برخی محققان بر این باورند که مدل‌های زبان بزرگ به تنهایی برای دستیابی به هوش مصنوعی عمومی کافی نیستند و هنوز قطعاتی از این پازل گم شده است.
عبارت "هوش مصنوعی عمومی" در حدود سال 2007 وارد گفتمان عمومی شد و به سیستمی اشاره دارد که دارای توانایی‌های استدلال و تعمیم انسانی است. با وجود پیشرفت‌های اخیر در مدل‌های زبان بزرگ، هنوز مشخص نیست که آیا ما به "هوش مصنوعی عمومی" نزدیک شده‌ایم یا خیر. AlphaGo، برنامه هوش مصنوعی گوگل دیپ‌مایند، بهترین بازیکنان انسانی را در بازی Go شکست می‌دهد اما توانایی‌های آن محدود به همین بازی است.
مدل‌های زبانی بزرگ (LLMs) با استفاده از معماری ترنسفورمر قابلیت‌های جدیدی را ارائه داده‌اند که برخی محققان را به فکر "هوش مصنوعی عمومی" انداخته است. این مدل‌ها قادرند زبان را به شیوه‌ای مشابه انسان‌ها تحلیل کنند و توانایی‌های جدیدی مانند حل مسائل ریاضی و تولید برنامه‌های کامپیوتری را نشان دهند.
با این حال، LLMها محدودیت‌هایی دارند. برای مثال، آنها نمی‌توانند به طور واقعی خود را با موقعیت‌های جدید تطبیق دهند زیرا توانایی ترکیب مجدد دانش خود را ندارند. همچنین، داده‌هایی که برای آموزش این مدل‌ها استفاده می‌شود رو به کاهش است و پژوهشگران هشدار می‌دهند که ممکن است تا سال 2032 منابع داده‌ای کافی برای آموزش LLMها وجود نداشته باشد.
به طور کلی، علی‌رغم پیشرفت‌ها، هنوز هم "هوش مصنوعی عمومی" دور از دسترس به نظر می‌رسد. محققان بر این باورند که برای رسیدن به "هوش مصنوعی عمومی" نیازمند توسعه مدل‌هایی هستیم که بتوانند راه‌حل‌ها را به صورت همزمان یا در بخش‌های بزرگ تولید کنند. همچنین، نیاز به ساخت مدل‌هایی وجود دارد که بتوانند نمایشی از جهان ایجاد کنند تا بتوانند اقداماتی را پیش‌بینی کرده و برنامه‌ریزی کنند.