اظهارات جدید دمِیس هاسابیس درباره مسیر تحقق AGI

دمیس هاسابیس، مدیرعامل Google DeepMind، در سخنرانی تازه‌ای که امروز منتشر شد، تأکید کرد که مقیاس‌بندی مدل‌های هوش مصنوعی همچنان «اصلی‌ترین و مؤثرترین مسیر» برای دستیابی به هوش مصنوعی عمومی (AGI) است. او در این سخنان که توسط The Times of India بازتاب داده شد، خاطرنشان کرد که اگرچه عوامل متعددی در پیشرفت AI نقش دارند، اما افزایش ظرفیت، داده و توان محاسباتی همچنان تعیین‌کننده‌ترین عامل در جهش‌های بعدی خواهد بود.

AGI طی ۵ تا ۱۰ سال آینده؟

زمان‌بندی احتمالی از نگاه مدیرعامل DeepMind

هاسابیس اعلام کرد که بر اساس روند فعلی توسعه مدل‌ها، AGI ممکن است بین ۵ تا ۱۰ سال آینده به واقعیت تبدیل شود. او البته هشدار داد که این بازه زمانی قطعی نیست، اما سرعت پیشرفت مدل‌های بزرگ زبانی در دو سال اخیر نشان می‌دهد که مقیاس‌پذیری یک شتاب‌دهندهٔ قدرتمند است که هر مرحله آن قابلیت‌های کیفی جدیدی ایجاد می‌کند.

چرا «بزرگ‌تر کردن» مدل‌ها هنوز بهترین مسیر است؟

به گفته او، هرچند مسیرهایی مانند معماری‌های جدید، یادگیری چندوجهی، عامل‌های خودمختار و هوش ترکیبی در حال گسترش‌اند، اما «اثر مقیاس» همچنان قوی‌ترین اهرم پیشرفت است. آزمایش‌های Google DeepMind نشان داده‌اند که با افزایش پارامترها و داده‌های آموزشی، مدل‌ها:

• توان استدلال بهتری پیدا می‌کنند

• خطاهای کمتر نشان می‌دهند

• در وظایف جدید بدون آموزش مستقیم عملکرد قوی‌تری دارند

هاسابیس افزود که ترکیب بهینهٔ مهندسی مدل‌ها با زیرساخت‌های غول‌آسای محاسباتی، همان کلیدی است که می‌تواند شکاف میان هوش فعلی و AGI واقعی را پر کند.

پیامدهای این رویکرد برای آینده صنعت

فشار بر منابع محاسباتی و انرژی

ادامه این رویکرد نیازمند ابررایانه‌های بزرگ‌تر، GPUهای بیشتر و انرژی بالاتر است و این موضوع بحث‌های عمیقی درباره پایداری، مقررات و دسترسی ایجاد کرده است.

رقابت جهانی شدیدتر می‌شود

با این موضع‌گیری جدید، انتظار می‌رود شرکت‌هایی مثل OpenAI، Anthropic و Meta نیز رقابت برای ساخت مدل‌های عظیم‌تر را شدت دهند.


برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.