عدم ثبات، بزرگترین چالش هوش مصنوعی برای عمومی شدن است

به گفته دمیس حسابیس، مدیرعامل گوگل دیپ‌مایند، تنها یک نقص کلیدی مانع از دستیابی هوش مصنوعی به سطح هوش عمومی (AGI) شده است: عدم ثبات. او در یک پادکست توضیح داد که چگونه پیشرفته‌ترین مدل‌های هوش مصنوعی مانند Gemini، با وجود توانایی کسب مدال طلا در المپیاد جهانی ریاضی، همچنان ممکن است در حل مسائل ساده ریاضی دبیرستان دچار اشتباه شوند.

حسابیس این پدیده را «هوش ناهموار» یا هوش دندانه‌دار توصیف کرد و گفت: «در برخی ابعاد، آنها واقعاً خوب هستند؛ اما در ابعاد دیگر، ضعف‌هایشان به راحتی آشکار می‌شود.» این دیدگاه با نظرات ساندار پیچای، مدیرعامل گوگل، که پیش‌تر از اصطلاح «AJI» (هوش مصنوعی دندانه‌دار) استفاده کرده بود، همسو است. هر دو معتقدند که این سیستم‌ها در برخی زمینه‌ها عملکردی فراتر از انسان دارند، اما در زمینه‌های دیگر به طرز شگفت‌آوری ضعیف عمل می‌کنند.

به عقیده حسابیس، حل این مشکل صرفاً با افزایش حجم داده‌ها و قدرت محاسباتی ممکن نیست. او تأکید کرد که صنعت نیازمند دستیابی به «قابلیت‌های گمشده در استدلال، برنامه‌ریزی و حافظه» و همچنین طراحی معیار‌های سنجش جدید و دشوارتر برای ارزیابی دقیق‌تر توانایی‌های مدل‌ها است.

به گزارش بیزینس اینسایدر، این دیدگاه محتاطانه در میان دیگر رهبران فناوری نیز دیده می‌شود. سم آلتمن، مدیرعامل اوپن‌ای‌آی، نیز در آستانه عرضه GPT-۵ اظهارات مشابهی داشت. او با وجود اینکه این مدل را یک پیشرفت چشمگیر خواند، تأکید کرد که هنوز تا رسیدن به هوش مصنوعی عمومی واقعی فاصله دارد، زیرا فاقد قابلیت‌های کلیدی مانند یادگیری مستمر و مستقل است. با این حال، حسابیس پیش‌بینی کرده است که هوش مصنوعی عمومی احتمالاً «در پنج تا ده سال آینده» از راه خواهد رسید.