بنیانگذار OpenAI درباره هوش مصنوعی برتر افشاگری می‌کند

آندری کارپاتی، یکی از بنیانگذاران OpenAI. عکس: Dwarkesh Patel .

در حالی که بسیاری در صنعت فناوری معتقدند که هوش مصنوعی عمومی (AGI) در آستانه تبدیل شدن به واقعیت است، آندره کارپاتی، دانشمند مشهوری که به عنوان مدیر ارشد هوش مصنوعی تسلا و یکی از بنیانگذاران OpenAI خدمت کرده است، دیدگاه متفاوتی اتخاذ کرده است. او معتقد است که راه رسیدن به AGI هنوز طولانی است و جهان حداقل به یک دهه دیگر نیاز دارد تا بر چالش‌های اساسی غلبه کند.

کارپاتی اخیراً در گفتگویی گفت: «مشکلات قابل حل هستند، اگرچه در حال حاضر دشوار هستند. فکر می‌کنم حدود ده سال طول بکشد تا بر همه محدودیت‌های فعلی غلبه کنیم.»

درس ارزشمند

به گفته آقای کارپاتی، توسعه سریع مدل‌های زبان بزرگ (LLM) در چند سال گذشته باعث شده است که بسیاری باور کنند که دوران «عامل‌های هوش مصنوعی»، سیستم‌هایی با قابلیت‌های خودمختار، فرا رسیده است. با این حال، رئیس سابق هوش مصنوعی در تسلا با این دیدگاه مخالف است. او معتقد است که سال 2025 «سال عامل هوش مصنوعی» نیست.

او توضیح می‌دهد که ابزارهایی مانند Claude و Codex پتانسیل کمک به انسان‌ها را در بسیاری از وظایف نشان می‌دهند، اما هنوز تا تبدیل شدن به «همکاران دیجیتال» فاصله زیادی دارند.

کارپاتی گفت: «در حال حاضر، عوامل هوش مصنوعی به اندازه کافی هوشمند نیستند، آنها به طور طبیعی از کامپیوتر استفاده نمی‌کنند و توانایی یادگیری مداوم را ندارند. شما نمی‌توانید چیزی را به آنها بگویید و انتظار داشته باشید که آن را به خاطر بسپارند. آنها فاقد شناخت هستند، و این همان چیزی است که مانع از عملکرد واقعی مدل‌ها می‌شود.»

کارپاتی به عنوان مدیر هوش مصنوعی تسلا خدمت می‌کرد. عکس: تسلاراتی .

کارپاتی می‌گوید در طول ۱۵ سال فعالیت حرفه‌ای خود در حوزه هوش مصنوعی، شاهد نقاط عطف بسیاری بوده است که کل صنعت را تغییر داده‌اند. او در دانشگاه تورنتو، زمانی که یادگیری عمیق هنوز یک حوزه مطالعاتی نسبتاً ناشناخته بود، با جفری هینتون، پدر شبکه‌های عصبی، تحصیل و همکاری کرد. موفقیت AlexNet در سال ۲۰۱۲، دوران جدیدی را برای هوش مصنوعی آغاز کرد و شبکه‌های عصبی را به پایه و اساس بسیاری از کاربردهای آینده تبدیل کرد.

پس از موج یادگیری عمیق، صنعت هوش مصنوعی به تدریج به سمت ساخت عواملی تغییر جهت داد که می‌توانستند محیط خود را مشاهده، عمل و از آن یاد بگیرند. یکی از اولین آزمایش‌ها، یادگیری تقویتی عمیق روی یک بازی آتاری در حدود سال ۲۰۱۳ بود. اگرچه در آن زمان پیشگامانه تلقی می‌شد، اما او معتقد است که این مسیر «اشتباه در زمان‌بندی» بوده است.

او گفت: «قابل درک است که مردم می‌خواهند در یک محیط بازی، جایی که شبیه‌سازی و اندازه‌گیری آسان است، آزمایش کنند. اما این منعکس‌کننده دنیای واقعی نیست. اگر فقط به هوش مصنوعی اجازه دهید روی صفحه کلید تایپ کند، روی ماوس کلیک کند و منتظر پاداش باشد، چیز قابل توجهی یاد نخواهد گرفت.»

زمان مناسبی نیست

کارپاتی در زمان حضورش در OpenAI، روی پروژه Universe کار می‌کرد، تلاشی برای ساخت یک عامل کنترل‌شونده با ماوس و کیبورد که بتواند وظایف دنیای واقعی را انجام دهد. با این حال، او اذعان می‌کند که این پروژه «خیلی زود» بود.

کارپاتی گفت: «ما هنوز قدرت شبکه‌های عصبی را نداریم و پلتفرم مدل‌سازی زبانی بزرگی که امروزه داریم را در اختیار نداریم.»

کارپاتی معتقد است که توسعه هوش مصنوعی عمومی (AGI) یک دهه طول خواهد کشید. عکس: ویدیا .

این دانشمند افزود که برای توسعه یک عامل واقعاً هوشمند، مدل‌ها باید پایه محکمی در بازنمایی زبان و شناخت داشته باشند. کارپاتی فرآیند پیش‌آموزش با داده‌های اینترنتی را به نوعی «تکامل بد» تشبیه کرد. با این حال، این فرآیند به هوش مصنوعی کمک می‌کند تا حجم عظیمی از دانش و توانایی‌های استدلال اولیه را جمع‌آوری کند.

با این حال، او هشدار می‌دهد که تکیه بیش از حد بر دانش موجود می‌تواند خلاقیت هوش مصنوعی را کاهش دهد. کارپاتی گفت: «شاید باید راهی برای حذف بخشی از دانش پیدا کنیم و چیزی را که هسته شناختی می‌نامیم، یعنی بخشی که نشان‌دهنده توانایی تفکر، حل مسئله و تدوین استراتژی است، باقی بگذاریم.»

بر این اساس، هوش مصنوعی در حال ورود به مرحله گذار است. ترکیب قدرت مدل‌های زبانی و توانایی عامل‌ها برای عمل، فصل جدیدی را برای فناوری باز خواهد کرد. با این حال، به گفته کارپاتی، این مسیر را نمی‌توان تنها در چند سال طی کرد.

منبع: https://znews.vn/dong-sang-lap-openai-agi-van-con-cach-xa-mot-thap-ky-post1595617.html