Waarom ik denk dat AGI niet aanstaande is

Hier is de volledige blogpost – alleen de HTML-tekstinhoud:

---

Waarom ik niet denk dat AGI op handen is

Ondanks de ademloze krantenkoppen en de miljardenweddenschappen komt de kunstmatige algemene intelligentie niet volgend jaar, of waarschijnlijk zelfs dit decennium, niet van de grond. De kloof tussen de huidige indrukwekkende maar beperkte AI-systemen en echte algemene intelligentie blijft enorm, onbegrepen en consequent onderschat door degenen met de meeste financiële prikkels om de vooruitgang te overschatten.

Als oprichter van Mewayz, een platform waarop ruim 138.000 gebruikers vertrouwen om hun bedrijf te runnen met 207 geïntegreerde modules, breng ik mijn dagen door met nadenken over wat technologie daadwerkelijk kan doen en wat we zouden willen dat het zou kunnen doen. Die praktische lens vormt mijn scepsis over de AGI-tijdlijnen, en ik geloof dat dit ook de jouwe zou moeten vormen.

Wat bedoelen mensen precies als ze zeggen dat AGI binnenkort beschikbaar is?

De term 'kunstmatige algemene intelligentie' verwijst naar een systeem dat elke intellectuele taak kan uitvoeren die een mens ook kan, met het vermogen om te redeneren, te leren, zich aan te passen en kennis over te dragen naar geheel nieuwe domeinen zonder specifieke training. Het is geen chatbot die fatsoenlijke e-mails schrijft. Het is geen beeldgenerator die fotorealistische kunst produceert. Het is niet eens een codeerassistent die een applicatie kan ondersteunen.

Wat we vandaag de dag hebben zijn grote taalmodellen en multimodale systemen die uitblinken in het matchen van patronen in enorme datasets. Het zijn buitengewone hulpmiddelen. Ze verschillen ook fundamenteel van de algemene intelligentie. Wanneer Sam Altman of Demis Hassabis suggereren dat AGI voor de deur staat, combineren ze capaciteiten binnen gedefinieerde parameters met het open aanpassingsvermogen dat algemene intelligentie definieert. Dit is niet hetzelfde, en geen enkele schaalvergroting heeft aangetoond dat deze kloof kan worden overbrugd.

Waarom levert schaalvergroting alleen geen algemene informatie op?

De heersende theorie in Silicon Valley is bedrieglijk eenvoudig: maak modellen groter, geef ze meer data en er zal algemene intelligentie ontstaan. Deze ‘schaalhypothese’ heeft geleid tot miljarden aan GPU-aankopen en de bouw van datacenters. Maar het empirische bewijsmateriaal vertelt een ingewikkelder verhaal.

Afnemende rendementen op benchmarks: elke orde van grootte toename van de rekenkracht levert steeds kleinere verbeteringen op bij redeneertaken, wat erop wijst dat we eerder een plafond bereiken dan een doorbraak naderen.

Broosheid onder nieuwe omstandigheden: de huidige modellen falen op onvoorspelbare wijze als ze worden geconfronteerd met problemen die zelfs maar een klein beetje afwijken van hun trainingsverdeling, een fundamentele beperking die niet door meer parameters wordt opgelost.

Ontbreken van causaal redeneren: LLM's werken op basis van statistische correlatie, niet op causaal begrip. Ze kunnen niet modelleren waarom dingen gebeuren, ze kunnen alleen voorspellen welke tekst waarschijnlijk andere tekst zal volgen.

Geen blijvend leren: de huidige systemen kunnen niet leren van een enkele interactie en die kennis niet overbrengen zoals een menselijk kind dat doet nadat het eenmaal een hete kachel heeft aangeraakt.

Belichaming en aarding: Menselijke intelligentie is diep verbonden met fysieke ervaringen en zintuiglijke feedback. Geen enkele hoeveelheid tekstgegevens repliceert het gegronde begrip dat voortkomt uit het bestaan ​​in de wereld.

Schaalvergroting heeft ons opmerkelijke hulpmiddelen gegeven, maar het heeft geen enkel systeem voortgebracht dat echt begrip demonstreert, en er is geen theoretisch raamwerk dat suggereert dat dit wel het geval zal zijn.

Wie heeft er baat bij als de AGI-tijdlijnen te veel beloven?

Volg het geld. Elk groot AI-laboratorium is momenteel bezig met fondsenwerving tegen waarderingen die uitgaan van transformatieve doorbraken op korte termijn. De miljardenverhogingen van OpenAI, de interne positionering van Google DeepMind en de op veiligheid gebaseerde urgentie van Anthropic hangen allemaal af van het verhaal dat AGI dichtbij genoeg is om ongekende investeringen te rechtvaardigen.

"De meest betrouwbare voorspeller van een agressieve AGI-tijdlijn is geen technisch bewijs, maar een financiële prikkel. Degenen die het meeste uit het verhaal kunnen halen, zijn de luidste stemmen die het promoten."

Dit wil niet zeggen dat deze bedrijven te kwader trouw handelen. Veel onderzoekers echt

Related Posts

• CXMT biedt DDR4-chips aan tegen ongeveer de helft van de geldende marktprijs
• Goede en praktische point-to-analyse voor onvolledige C-programma's [pdf]
• De weinig bekende opdrachtregel-sandboxtool van macOS (2025)
• Hoe lang blijven vacatures openstaan?