[vc_row][vc_column][vc_column_text]هیچ راه فراری از هیاهو در مورد هوش عمومی مصنوعی وجود ندارد. به سختی یک روز بدون سرفصل جدید در مورد این مفهوم می‌گذرد که سیستم‌های کامپیوتری را در انجام وظایف مختلف شناختی از انسان‌ها بهتر عمل می‌کنند. اما آیا آنها به هوش انسانی خواهند رسید؟
تنها در ماه گذشته، سه نفر از افراد برجسته فناوری اعلامیه‌های جدیدی را اضافه کرده‌اند. جنسن هوانگ، مدیرعامل انویدیا، پیشنهاد داد که AGI ظرف پنج سال آینده وارد بازار شود. ایلان ماسک معمولاً جسورانه‌ترین پیش‌بینی را برای نقطه اوج انجام می‌دهد: پایان سال 2025.[/vc_column_text][vc_btn title=”اولین دستیار هوش مصنوعی فارسی” style=”3d” color=”primary” align=”center” link=”url:https%3A%2F%2Fzigap.ir%2F|target:_blank”][/vc_column][/vc_row]
با این حال، همه آنقدر خوش‌بین نیستند. یکی از شکاکان قابل توجه، Yann LeCun، دانشمند ارشد هوش مصنوعی متا و برنده جایزه معتبر تورینگ است. LeCun که اغلب به عنوان یکی از سه «پدرخوانده هوش مصنوعی» شناخته می‌شود، تا آنجا پیش می‌رود که استدلال می‌کند که «چیزی به نام AGI وجود ندارد» زیرا «هوش انسانی به هیچ وجه عمومیت ندارد». این مرد فرانسوی ترجیح می‌دهد مسیری را به سمت «هوش مصنوعی در سطح انسانی» ترسیم کند.
LLMها هرگز به هوش انسانی نمی‌رسند
در رویدادی در لندن، قطب مهندسی متا در خارج از ایالات متحده، LeCun گفت که حتی رسیدن به هوش انسانی یک مقصد دور است. او به چهار چالش شناختی اشاره کرد: استدلال، برنامه ریزی، حافظه پایدار و درک دنیای فیزیکی.
او گفت: «اینها چهار ویژگی اساسی هوش انسانی،همچنین هوش حیوانات هستند که سیستم‌های هوش مصنوعی فعلی نمی‌توانند انجام دهند.
بدون این قابلیت‌ها، برنامه‌های کاربردی هوش مصنوعی محدود و مستعد خطا باقی می‌مانند. وسایل نقلیه خودران هنوز برای جاده‌های عمومی ایمن نیستند. ربات‌های خانگی با کارهای اولیه خانه دست و پنجه نرم می‌کنند. دستیاران هوشمند ما فقط می‌توانند کارهای اولیه را انجام دهند.
این کاستی‌های فکری به ویژه در مدل‌های زبان بزرگ (LLM) برجسته است. از نظر LeCun، آنها به شدت به دلیل تکیه بر یک شکل از دانش بشری محدود شده‌اند: متن. او گفت: «ما به راحتی فریب می‌خوریم که فکر کنیم آنها به دلیل تسلط به زبان باهوش هستند، اما واقعاً درک آنها از واقعیت بسیار سطحی است.
آنها مفید هستند، هیچ سوالی در مورد آن وجود ندارد. اما در مسیر رسیدن به هوش در سطح انسانی، LLM اساساً یک راه‌پیمایی، حواس پرتی، بن‌بست است.
چرا LLMها آنقدر که به نظر می‌رسد باهوش نیستند
افرادی مانند LLaMA متا، GPT-3 OpenAI و جمینی گوگل بر روی مقادیر عظیمی از داده‌ها آموزش دیده‌اند. طبق گفته LeCun، حدود 100000 سال طول می‌کشد تا یک انسان تمام متنی را که توسط یک LLM پیشرو دریافت کرده است بخواند. اما این روش اصلی یادگیری ما نیست.
ما اطلاعات بسیار بیشتری را از طریق تعامل با جهان مصرف می‌کنیم. LeCun تخمین می‌زند که یک کودک چهار ساله معمولی 50 برابر بیشتر از بزرگترین LLMهای جهان داده دیده است. او گفت: “بیشتر دانش بشر در واقع زبان نیست، بنابراین آن سیستم‌ها هرگز نمی‌توانند به هوش سطح انسانی دست یابند – مگر اینکه معماری را تغییر دهید.”
اهداف هوش
سیستم‌های هوش مصنوعی هدف‌محور برای تحقق اهداف خاص تعیین‌شده توسط انسان ساخته شده‌اند. آنها به جای اینکه با یک رژیم غذایی حاوی متن خالص بزرگ شوند، از طریق حسگرها و آموزش روی داده‌های ویدئویی، دنیای فیزیکی را یاد می‌گیرند.
نتیجه یک “مدل جهانی” است که تأثیر اقدامات را نشان می‌دهد. سپس تمام تغییرات احتمالی در حافظه سیستم به روز می‌شود. به عنوان مثال، اگر یک صندلی به سمت چپ یا راست یک اتاق فشار داده شود، چه تفاوتی خواهد داشت؟ با یادگیری از طریق تجربه، حالت‌های پایانی شروع به پیش بینی شدن می‌کنند. در نتیجه، ماشین‌ها می‌توانند مراحل مورد نیاز برای تکمیل وظایف مختلف را برنامه‌ریزی کنند.
او گفت: «در نهایت، ماشین‌ها از هوش انسانی پیشی می‌گیرند… هرچند مدتی طول می‌کشد.» “این فقط در اطراف نیست – و مطمئناً سال آینده مانند نظر دوست ما ایلان نیست.”
شما هم همین حالا می‌توانید از هوش مصنوعی مولد با زبان فارسی استفاده کنید. زیگپ اولین دستیار هوش مصنوعی مولد ایرانی است. پس تا دیر شده نشده شما هم اپلیکیشن زیگپ را دانلود کنید و وارد دنیای هوش مصنوعی شوید. در ضمن با زیگپ می‌توانید به آسانی و با زبان فارسی از ChatGPT و سرویس تبدیل متن به تصویر لئوناردو استفاده کنید.
