شماره ۳۲۳۰ | ۱۴۰۳ سه شنبه ۱۳ آذر
صفحه را ببند
آیا پیشرفت هوش مصنوعی به بن‌بست خورده است؟

برخی کارشناسان معتقدند سرعت پیشرفت هوش مصنوعی کاهش یافته و توانایی‌های این فناوری در آینده با توانایی‌های کنونی آن تفاوتی نخواهد داشت. آیا واقعاً چنین خواهد شد.
تاکنون، چرخه هیجان هوش مصنوعی (AI hype cycle) بر این نظریه استوار بوده که با استفاده از داده‌ها و محاسبات بیشتر برای آموزش مدل‌های جدید هوش مصنوعی، می‌توان به نتایج به‌مراتب بهتری دست یافت، اما گوگل و سایر غول‌های فناوری اکنون با مشکل بازده کاهشی در آموزش مدل‌های جدید خود مواجه شده‌اند. فرضیه موانع مختلف بر سر راه پیشرفت هوش مصنوعی که ازاین‌پس به‌عنوان فرضیه «دیوار» از آن یاد می‌کنیم، این احتمال را که آن نسل بعدی مدل‌های اصلی هوش مصنوعی به‌طور قابل‌توجهی باهوش‌تر از مدل‌های موجود خواهند بود، به چالش می‌کشد.
«الکساندر وانگ» (Alexandr Wang)، مدیرعامل «اسکیل آپ» (Scale AI)، شرکتی که به OpenAI، متا و دیگران در آموزش مدل‌هایشان کمک می‌کند، در اولین جلسه نشست به «اریک نیوکامر» (Eric Newcomer)، میزبان آن، گفت:آیا ما به دیوار خورده‌ایم؟ هم بله هم نه.
شاید این‌طور به نظر برسد که مدل‌های هوش مصنوعی متعلق به آنتروپیک، OpenAI و دیگر شرکت‌ها چندان باهوش‌تر از مدل‌های فعلی نباشند، اما افرادی که با AI کار می‌کنند، بر این باورند که مدل‌های AI هنوز جای زیادی برای بهتر شدن و متفاوت شدن با مدل‌های کنونی دارند. بااینکه قابلیت «استدلال» که OpenAI در o۱، مدل جدید خود، ارائه داده است، درحال‌حاضر قابلیت پرهزینه‌ای محسوب می‌شود و بسیار کند عمل می‌کند، این قابلیت نشان‌دهنده تغییری در آینده حوزه AI است که به نظر می‌رسد همه با آن موافق باشند؛ پیشرفت بعدی هوشمندترکردن مدل‌های زبانی بزرگ امروزی خواهد بود (همه کارشناسان هوش مصنوعی بر سر این موضوع اتفاق‌نظر دارند.)
الکساندر به این موضوع اشاره کرد که بخش بزرگی از سرمایه‌گذاری‌های انجام‌شده در هوش مصنوعی بر این باور استوار بود که «قانون مقیاس» همچنان پابرجا خواهد بود، اما اینکه این قانون واقعاً پابرجا می‌ماند یا خیر بزرگ‌ترین سؤال کنونی حوزه هوش مصنوعی است. قانون مقیاس در هوش مصنوعی به این موضوع اشاره می‌کند که عملکرد مدل‌های یادگیری ماشین، به‌ویژه مدل‌های بزرگ زبانی، با افزایش منابع مختلف مانند داده‌های آموزشی، توان محاسباتی و اندازه مدل پیوسته و قابل‌پیش‌بینی بهبود می‌یابد.
کند شدن سرعت پیشرفت هوش مصنوعی ممکن است باتوجه‌به شتاب این حوزه در سال گذشته، اتفاق بدی نباشد. هنگام برگزاری رویداد سربرال ولی اِی‌آی سامیت در مارس ۲۰۲۳، هنوز سام آلتمن اخراج و دوباره استخدام نشده بود؛ مارک زاکربرگ هنوز تصمیم نگرفته بود مدل لاما را به‌صورت عمومی عرضه کند و ایلان ماسک که برای راه‌اندازی xAI اعضای تیمش را جمع می‌کرد، تقاضای توقف توسعه هوش مصنوعی را مطرح کرد. همان زمان، «عماد مستقی» (Emad Mostaque)، بنیان‌گذار Stability AI، مدعی بود می‌خواهد «یکی از بزرگ‌ترین و بهترین شرکت‌های جهان» را بسازد، اما این شرکت اکنون تقریباً سقوط کرده و مستقی هم دیگر مدیرعامل آن نیست!


تعداد بازدید :  66