لماذا لا أعتقد أن الذكاء الاصطناعي العام وشيك

إليك مشاركة المدونة الكاملة — محتوى HTML الأساسي فقط:

---

لماذا لا أعتقد أن الذكاء الاصطناعي العام وشيك

على الرغم من العناوين الرئيسية المثيرة والرهانات بمليارات الدولارات، فإن الذكاء العام الاصطناعي لن يصل في العام المقبل، أو حتى في هذا العقد على الأرجح. إن الفجوة بين أنظمة الذكاء الاصطناعي المثيرة للإعجاب والضيقة اليوم والذكاء العام الحقيقي لا تزال واسعة، ويساء فهمها، ويستهان بها باستمرار من قبل أولئك الذين لديهم الحافز المالي الأكبر للمبالغة في تقدير التقدم.

باعتباري مؤسس Mewayz، وهي منصة يثق بها أكثر من 138000 مستخدم لإدارة أعمالهم من خلال 207 وحدات متكاملة، أقضي أيامي أفكر في ما يمكن أن تفعله التكنولوجيا بالفعل مقابل ما نتمنى أن تفعله. تشكل هذه العدسة العملية شكوكي حول الجداول الزمنية للذكاء الاصطناعي العام، وأعتقد أنها يجب أن تشكل شكوكك أيضًا.

ماذا يقصد الناس بالضبط عندما يقولون أن الذكاء الاصطناعي العام (AGI) سيأتي قريبًا؟

يشير مصطلح "الذكاء العام الاصطناعي" إلى نظام يمكنه أداء أي مهمة فكرية يستطيع الإنسان القيام بها، مع القدرة على التفكير والتعلم والتكيف ونقل المعرفة عبر مجالات جديدة تمامًا دون تدريب محدد. إنه ليس برنامج chatbot الذي يكتب رسائل بريد إلكتروني لائقة. إنه ليس مولد صور ينتج فنًا واقعيًا. إنه ليس حتى مساعد ترميز يمكنه دعم التطبيق.

ما لدينا اليوم هو نماذج لغوية كبيرة وأنظمة متعددة الوسائط تتفوق في مطابقة الأنماط عبر مجموعات بيانات هائلة. إنها أدوات غير عادية. كما أنها تختلف جوهريًا عن الذكاء العام. عندما يقترح سام ألتمان أو ديميس هاسابيس أن الذكاء الاصطناعي العام أصبح قاب قوسين أو أدنى، فإنهم يدمجون القدرة ضمن معايير محددة مع القدرة على التكيف المفتوحة التي تحدد الذكاء العام. هذه ليست نفس الشيء، ولم يُظهر أي قدر من التوسع دليلاً على سد هذه الفجوة.

لماذا يفشل التوسع وحده في إنتاج معلومات عامة؟

إن النظرية السائدة في وادي السليكون بسيطة بشكل خادع: قم بجعل النماذج أكبر حجما، وقم بتزويدها بالمزيد من البيانات، وسوف يظهر الذكاء العام. لقد أدت "فرضية التوسع" هذه إلى دفع المليارات إلى شراء وحدات معالجة الرسومات وبناء مراكز البيانات. لكن الأدلة التجريبية تحكي قصة أكثر تعقيدا.

تناقص العائدات على المعايير: تؤدي كل زيادة كبيرة في الحوسبة إلى تحسينات أصغر تدريجيًا في المهام المنطقية، مما يشير إلى أننا نصل إلى الحد الأقصى بدلاً من الاقتراب من تحقيق اختراق.

الهشاشة في ظل ظروف جديدة: تفشل النماذج الحالية بشكل غير متوقع عندما تواجه مشاكل تنحرف ولو قليلاً عن توزيع التدريب الخاص بها، وهو قيد أساسي لا يمكن حله بواسطة المزيد من المعلمات.

غياب المنطق السببي: تعمل LLMs على الارتباط الإحصائي، وليس الفهم السببي. لا يمكنهم وضع نموذج لسبب حدوث الأشياء، بل يتنبأون فقط بالنص الذي من المرجح أن يتبع النص الآخر.

غياب التعلم المستمر: لا تستطيع أنظمة اليوم أن تتعلم من تفاعل واحد وتحمل هذه المعرفة إلى الأمام كما يفعل الطفل البشري بعد لمس موقد ساخن مرة واحدة.

التجسيد والتأريض: يرتبط الذكاء البشري ارتباطًا وثيقًا بالتجربة الجسدية والتغذية الراجعة الحسية. لا يوجد أي قدر من البيانات النصية يكرر الفهم الأساسي الذي يأتي من الموجود في العالم.

لقد منحنا التوسع أدوات رائعة، ولكنه لم ينتج نظاماً واحداً يُظهِر فهماً حقيقياً، ولا يوجد إطار نظري يشير إلى أنه سيفعل ذلك.

من يستفيد من المبالغة في الجداول الزمنية للذكاء الاصطناعي العام؟

اتبع المال. يقوم كل مختبر رئيسي للذكاء الاصطناعي حاليًا بجمع الأموال بتقييمات تفترض حدوث اختراقات تحويلية على المدى القريب. إن زيادات شركة OpenAI التي تبلغ عدة مليارات من الدولارات، والوضع الداخلي لشركة Google DeepMind، والحاجة الملحة في إطار السلامة لشركة Anthropic، كلها تعتمد على السرد القائل بأن الذكاء الاصطناعي العام قريب بما يكفي لتبرير استثمار غير مسبوق.

"إن المتنبئ الأكثر موثوقية للجدول الزمني العدواني للذكاء الاصطناعي العام ليس دليلًا تقنيًا بل حافزًا ماليًا. وأولئك الذين سيحققون أقصى استفادة من السرد هم أعلى الأصوات التي تروج له."

هذا لا يعني أن هذه الشركات تتصرف بسوء نية. العديد من الباحثين حقيقيون

Related Posts

• أداة العزل في سطر الأوامر في macOS غير المعروفة (2025)
• لماذا أشعر بالقلق بشأن فقدان الوظيفة والأفكار حول الميزة النسبية
• طريقة وآلة حاسبة لبناء منظمات الأدراج الرغوية
• ملحقات Chrome تتجسس على بيانات تصفح المستخدمين