در حالیکه رقابت در دنیای هوش مصنوعی هر روز داغتر میشود، حالا یکی از مهمترین چهرههای این صنعت ادعایی مطرح کرده که میتواند تعریف ما از آینده فناوری را بهکلی تغییر دهد. جنسن هوانگ، مدیرعامل انویدیا معتقد است که رسیدن به AGI به عنوان نقطهای که سالها بهعنوان هدف نهایی توسعه هوش مصنوعی شناخته میشد، دیگر یک چشمانداز دور نیست؛ بلکه به باور او، همین حالا به آن رسیدهایم!
جنسن هوانگ که یکی از الهامبخشترین افراد حوزه فناوری و هوش مصنوعی است، به تازگی در جریان حضور خود در یک پادکست اعلام کرده که به اعتقاد او، «هوش مصنوعی عمومی» (AGI) محقق شده است.
این اصطلاح که تعریف دقیقی از آن وجود ندارد، معمولاً به نوعی از هوش مصنوعی اشاره دارد که میتواند همسطح یا حتی فراتر از تواناییهای شناختی انسان عمل کند. هوانگ همچنین مطرح میکند که در چنین شرایطی، حتی اداره کامل یک شرکت توسط سیستمهای هوش مصنوعی نیز دور از ذهن نیست.
به AGI رسیدهایم؛ اما دقیقاً با چه تعریفی؟
هوانگ در گفتوگو با لکس فریدمن، دانشمند علوم کامپیوتر و میزبان پادکست مورد اشاره، در پاسخ به این پرسش که رسیدن به AGI چه زمانی رخ خواهد داد، گفت:
فکر میکنم همین حالاست. به نظرم ما به AGI رسیدهایم.
اما نکته کلیدی در این ادعا، به تعریف ضمنی او از AGI بازمیگردد. در این بحث، AGI نه بهعنوان یک «ذهن پایدار و همتراز انسان»، بلکه بیشتر بهعنوان یک آستانه عملکردی تفسیر میشود. برای مثال میتوانیم به سیستمی اشاره کنیم که میتواند یک کسبوکار موفق (حتی در مقیاس میلیارد دلاری) را راهاندازی و مدیریت کند، ولو نه بهصورت پایدار یا بلندمدت.
این برداشت، AGI را از یک مفهوم فلسفی و شناختی به یک معیار «کاربردی-تجاری» تقلیل میدهد؛ تغییری که میتواند پیامدهای جدی برای ارزیابی پیشرفتهای این حوزه داشته باشد.
در همین رابطه بخوانید:
- هوش مصنوعی عمومی (AGI) چیست؟
تناقض در روایت: از «تحقق AGI» تا «وابستگی شدید به انسان»
با وجود این ادعای جسورانه، هوانگ در مواضع دیگر خود لحن متفاوتی اتخاذ میکند. او ضمن اشاره به ابزارهای مبتنی بر عاملهای هوش مصنوعی (مانند OpenClaw که در مسیر تملک توسط OpenAI قرار دارد) به محدودیتهای عملی آنها اذعان میکند:
خیلیها برای یکی دو ماه از این ابزارها استفاده میکنند و بعد بهتدریج کنار گذاشته میشوند.
او حتی صریحتر اضافه میکند:
احتمال اینکه چنین عاملهایی بتوانند شرکتی مثل انویدیا را بسازند، صفر درصد است.
این دوگانه یعنی ادعای دستیابی به AGI در کنار تأکید بر ناتوانی آن در انجام مأموریتهای پیچیده و پایدار، نشان میدهد که آنچه امروز «AGI» نامیده میشود، هنوز فاصله قابلتوجهی با تعریف کلاسیک آن دارد.
در همین رابطه بخوانید:
- معایب، مضرات و خطرات هوش مصنوعی برای بشریت
فشار برای استفاده واقعی از AI: معیار جدید بهرهوری
بُعد مهم دیگری از دیدگاه هوانگ، نه به خود AGI بلکه به نحوه استفاده از آن بازمیگردد. او در حضور دیگری، مهندسانی را که بهطور کامل از ظرفیت ابزارهای هوش مصنوعی استفاده نمیکنند، مورد انتقاد قرار داده و هشدار داده است:
اگر یک مهندس با حقوق ۵۰۰ هزار دلار، حداقل ۲۵۰ هزار دلار توکن مصرف نکند، برای من بسیار نگرانکننده است.
در اینجا، «توکن» بهعنوان واحد پردازش و تولید متن در مدلهای هوش مصنوعی، عملاً به شاخصی برای سنجش میزان بهرهبرداری از AI تبدیل میشود. هوانگ حتی این موضوع را با کنار گذاشتن ابزارهای طراحی مهندسی (CAD) و بازگشت به «کاغذ و قلم» مقایسه میکند؛ یعنی استفاده نکردن از AI، معادل عقبماندن از استانداردهای پایه صنعت.
گزارشها حاکی از آن است که انویدیا در حال برنامهریزی برای تخصیص میلیاردها دلار بودجه جهت دسترسی تیمهای مهندسی به توکنهای پردازشی است؛ حتی تا جایی که این توکنها میتوانند به بخشی از بسته جبران خدمات کارکنان تبدیل شوند تا بهرهوری آنها تا ۱۰ برابر افزایش یابد.
AGI یک مفهوم است، نه واقعیت قطعی
مجموع این اظهارات، یک واقعیت کلیدی را برجسته میکند: AGI هنوز بیش از آنکه یک دستاورد فنی مشخص باشد، یک «مفهوم سیال و قابل تفسیر» است. همین ابهام باعث شده بازیگران بزرگ صنعت هوش مصنوعی، از OpenAI گرفته تا مایکروسافت، برداشتهای متفاوتی از زمانبندی و حتی تعریف آن داشته باشند.
در چنین شرایطی، اظهارات هوانگ را میتوان نه یک اعلام رسمی «تحقق AGI»، بلکه تلاشی برای بازتعریف مرزهای آن در چارچوبی عملیتر دانست؛ چارچوبی که در آن، ارزش واقعی AI نه در شباهت کامل به انسان، بلکه در توانایی آن برای «تقویت» انسان و افزایش بهرهوری معنا پیدا میکند.
در همین رابطه بخوانید:
- مدل زبانی بزرگ (LLM) در هوش مصنوعی چیست؟
آیا نیازمند بازتعریف اصول هوش مصنوعی هستیم؟
برآیند دو روایت ارائهشده از سوی هوانگ، تصویری چندلایه از وضعیت فعلی هوش مصنوعی ترسیم میکند؛ از یک سو، پیشرفتها آنقدر سریع و چشمگیر بودهاند که میتوان از «عبور از یک آستانه مهم» سخن گفت. از سوی دیگر، این سیستمها هنوز بهشدت به هدایت، تداوم و چارچوبدهی انسانی وابستهاند.
در نتیجه، آنچه امروز «AGI» خوانده میشود، احتمالاً نه یک مقصد نهایی، بلکه یک نقطه عطف میانمرحلهای است—جایی میان هوش مصنوعی تخصصی (Narrow AI) و هوش عمومی واقعی. این همان شکافی است که همزمان باعث هیجان و تردید در سراسر صنعت شده است.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت