هاسابیس ادعای دستیابی به هوش مصنوعی سطح دکترا را رد کرد؛ AGI واقعی ۵ تا ۱۰ سال دیگر میرسد, دمیس هاسابیس، مدیرعامل گوگل دیپمایند، برچسبگذاری مدلهای فعلی بهعنوان هوش مصنوعی در سطح دکترا را بیاساس و گمراهکننده خواند. او در سخنرانی اخیر خود تأکید کرد که سیستمهای موجود فاقد قابلیتهای بنیادین نظیر یادگیری مستمر هستند و پیشبینی کرد که دستیابی به هوش جامع مصنوعی (AGI) واقعی حداقل ۵ تا ۱۰ سال دیگر طول خواهد کشید.
نقد هواسابیس بر تعریفهای رایج AGI بر اساس گزارش Windows، هاسابیس به طور غیرمستقیم به ادعاهای رقبا — بهویژه OpenAI — اشاره کرد و بیان داشت شما بیشتر از برخی رقبای ما میشنوید که از سیستمهای امروز به عنوان هوش سطح دکترا یاد میکنند.
من فکر میکنم این بیمعنی است. او توضیح داد که هوش واقعی باید در تمام حوزهها و به طور پیوسته در سطح دکترا عمل کند، در حالی که مدلهای کنونی تنها در لحظاتی خاص در وظایف پیچیده بدرخشند و بلافاصله در مسائل سادهای که یک دانشآموز دبیرستانی میتواند حل کند، دچار خطا میشوند.
مهندسی پرامپت؛ نشانه ضعف، نه هوش پیشرفته مدیرعامل دیپمایند به حساسیت شدید خروجی مدلها در برابر نحوه پرسش اشاره کرد و آن را نشانهای از ناکارآمدی عمیق، نه پیشرفت هوشمندانه، توصیف کرد. این دیدگاه با تجربیات کاربران از ابزارهایی مانند کوپایلوت مایکروسافت همراستا است که باعث راهاندازی آکادمی کوپایلوت برای آموزش استفاده بهینه از هوش مصنوعی شده است.
یادگیری مستمر؛ قطعه گمشده در معماری فعلی هاسابیس یکی از مهمترین خلأهای سیستمهای کننده را عدم قابلیت یادگیری مستمر عنوان کرد. این ویژگی به هوش مصنوعی اجازه میدهد تا با مطالعه محتوای تازه آنلاین، دانش خود را بهروز نگه دارد، رفتار را اصلاح کند و بدون نیاز به بازآموزی کامل، هوشمندتر شود. در غیاب این مکانیزم، چتباتها در محدوده دادههای آموزش اولیه خود محبوس میمانند و از کسب دانش جدید ناتوان هستند.
تعریفهای متضاد AGI و معیار سودآوری تضاد در تعریفهای AGI باعث شده نظرات متخصصان دچار تضاد شود. دارد.
این اختلاف تعریف، ارزیابی واقعی پیشرفت را دشوار کرده است.
