آیا در مورد هوش عمومی مصنوعی یا AGI گیج شده اید؟ این چیزی است که OpenAI وسواس دارد که در نهایت به روشی ایجاد کند که «به نفع همه بشریت باشد». ممکن است بخواهید آنها را جدی بگیرید زیرا آنها فقط 6.6 میلیارد دلار برای نزدیک شدن به این هدف جمع آوری کرده اند.

اما اگر هنوز در تعجب هستید که AGI چیست، شما تنها نیستید.

در یک بحث گسترده در روز پنجشنبه در نشست مسئول رهبری هوش مصنوعی Credo AI، فی فی لی، محقق مشهور جهانی که اغلب "مادرخوانده هوش مصنوعی" نامیده می شود، بيان کرد که او نیز نمی داند AGI چیست. در موارد دیگر، لی درباره نقش خود در تولد هوش مصنوعی مدرن صحبت کرد، اینکه چگونه جامعه باید از خود در برابر مدل‌های پیشرفته هوش مصنوعی محافظت کند و چرا فکر می‌کند استارت‌آپ جدید تک‌شاخ World Labs همه چیز را تغییر خواهد داد.

اما وقتی از او پرسیده شد که او در مورد «تکینگی هوش مصنوعی» چه فکر می‌کند، لی به اندازه بقیه ما گم شده بود.

لی به اتاقی شلوغ در سانفرانسیسکو، در کنار یک پنجره بزرگ که مشرف به سانفرانسیسکو بود، گفت: «من از هوش مصنوعی آکادمیک آمده‌ام و در روش‌های دقیق‌تر و مبتنی بر شواهد آموزش دیده‌ام، پس واقعاً نمی‌دانم معنی همه این کلمات چیست. پل گلدن گیت. صراحتاً من حتی نمی دانم AGI یعنی چه. همانطور که مردم می گویند وقتی آن را می بینید آن را می شناسید، حدس می زنم من آن را ندیده ام. حقیقت این است که من زمان زیادی را صرف فکر کردن به این کلمات نمی‌کنم، زیرا فکر می‌کنم کارهای مهم‌تری برای انجام دادن وجود دارد…”

اگر کسی بداند AGI چیست، احتمالاً Fei-Fei Li است. در سال 2006، او ImageNet را ایجاد کرد، اولین مجموعه داده بزرگ آموزش هوش مصنوعی و محک زدن در جهان که برای تسریع شکوفایی هوش مصنوعی فعلی ما حیاتی بود. از سال 2017 تا 2018، او به عنوان دانشمند ارشد AI/ML در Google Cloud خدمت کرد. امروز، لی مؤسسه هوش مصنوعی انسان محور استنفورد (HAI) را رهبری می کند و آزمایشگاه های جهانی استارتاپ او در حال ساخت «مدل های بزرگ جهان» هستند. (اگر از من بپرسید این اصطلاح تقریباً به اندازه AGI گیج کننده است. )

سام آلتمن، مدیر عامل OpenAI، در تعریف AGI در پروفایلی با The New Yorker در سال گذشته تلاش کرد. آلتمن AGI را به عنوان "معادل یک انسان متوسط ​​که می توانید به عنوان یک همکار استخدام کنید" توصیف کرد.

در همین حال، منشور OpenAI AGI را به عنوان «سیستم‌های بسیار خودمختار که از انسان‌ها در کارهای با ارزش اقتصادی بهتر عمل می‌کنند» تعریف می‌کند.

بدیهی است که این تعاریف برای یک شرکت 157 میلیارد دلاری به اندازه کافی خوب نبودند که بتواند روی آن کار کند. پس OpenAI پنج سطح را ایجاد کرد که به صورت داخلی برای سنجش پیشرفت خود به سمت AGI استفاده می کند. اولین سطح ربات‌های گفتگو (مانند ChatGPT)، سپس استدلال‌ها (ظاهراً OpenAI o1 این سطح بود)، نمایندگان (ظاهراً در مرحله بعدی قرار دارد)، نوآوران (AI که می‌تواند به اختراع چیزها کمک کند)، و آخرین سطح، سازمانی (AI که AI است. می تواند کار کل یک سازمان را انجام دهد).

هنوز گیج هستید؟ من هم همینطور لی هم همینطور. همچنین، همه اینها بسیار بیشتر از آن چیزی است که یک همکار انسانی متوسط ​​می تواند انجام دهد.

در اوایل صحبت، لی بيان کرد که از زمانی که دختر جوانی بود مجذوب ایده هوش بوده است. این باعث شد که او مدتها قبل از اینکه انجام آن سودآور باشد، هوش مصنوعی را مطالعه کند. در اوایل دهه 2000، لی می گوید که او و چند نفر دیگر بی سر و صدا پایه و اساس این رشته را می گذاشتند.

"در سال 2012، ImageNet من با AlexNet و GPU ترکیب شد - بسیاری از مردم آن را تولد هوش مصنوعی مدرن می نامند. این توسط سه عنصر کلیدی هدایت می شد: داده های بزرگ، شبکه های عصبی و محاسبات GPU مدرن. و به محض رسیدن آن لحظه، فکر می‌کنم زندگی برای کل حوزه هوش مصنوعی و همچنین جهان ما هرگز یکسان نبود.

وقتی از لی درباره لایحه بحث‌برانگیز هوش مصنوعی کالیفرنیا، SB 1047 سؤال شد، لی با دقت صحبت کرد تا بحثی را که فرماندار نیوسام با وتو کردن لایحه هفته گذشته به رختخواب کشید، دوباره مطرح نشود. (ما اخیراً با نویسنده SB 1047 صحبت کردیم و او بیشتر مشتاق بود بحث خود را با لی باز کند.)

لی گفت: «برخی از شما ممکن است بدانید که من در مورد این لایحه [SB 1047] که وتو شد، صریح صحبت کرده ام، اما در حال حاضر عمیقاً و با هیجان زیادی فکر می کنم که به آینده نگاه کنم. از اینکه فرماندار نیوسام از من دعوت کرد تا در مراحل بعدی پس از SB 1047 شرکت کنم، بسیار متملق یا مفتخر شدم.»

فرماندار کالیفرنیا اخیراً از لی به همراه سایر کارشناسان هوش مصنوعی برای تشکیل یک کارگروه برای کمک به ایالت در توسعه نرده‌های محافظ برای استقرار هوش مصنوعی استفاده کرده است. لی بيان کرد که او از یک رویکرد مبتنی بر شواهد در این نقش استفاده می کند و تمام تلاش خود را برای حمایت از تحقیقات دانشگاهی و تامین مالی انجام خواهد داد. با این حال، او همچنین می‌خواهد اطمینان حاصل کند که کالیفرنیا فن‌آوران را مجازات نمی‌کند.

ما باید واقعاً به تأثیر بالقوه بر انسان‌ها و جوامع خود نگاه کنیم، نه اینکه بار خود را بر دوش فناوری بگذاریم... اگر یک مهندس خودرو را جریمه کنیم، مثلاً فورد یا جنرال موتورز، اگر از یک خودرو به طور عمدی یا ناخواسته استفاده شود، منطقی نیست. و به انسان آسیب می رساند. فقط جریمه کردن مهندس خودرو باعث ایمن تر شدن خودروها نمی شود. کاری که ما باید انجام دهیم این است که به نوآوری برای اقدامات ایمن‌تر ادامه دهیم، اما همچنین چارچوب نظارتی را بهتر کنیم - چه کمربند ایمنی و چه محدودیت سرعت - و همین امر در مورد هوش مصنوعی نیز صادق است.

این یکی از استدلال‌های بهتری است که من علیه SB 1047 شنیده‌ام، که شرکت‌های فناوری را برای مدل‌های خطرناک هوش مصنوعی مجازات می‌ کرد.

اگرچه لی به کالیفرنیا در مورد مقررات هوش مصنوعی مشاوره می دهد، او همچنین استارتاپ خود، World Labs را در سانفرانسیسکو راه اندازی می کند. این اولین بار است که لی یک استارت‌آپ تأسیس می‌کند و او یکی از معدود زنانی است که یک آزمایشگاه هوش مصنوعی را در لبه‌های پیشرفته رهبری می‌کند.

لی گفت: «ما با اکوسیستم هوش مصنوعی بسیار متنوع فاصله داریم. "من معتقدم که هوش انسانی متنوع منجر به هوش مصنوعی متنوع خواهد شد و فقط فناوری بهتری به ما خواهد داد."

در چند سال آینده، او هیجان‌زده است تا «هوش فضایی» را به واقعیت نزدیک‌تر کند. لی او میگوید زبان انسانی، که مدل‌های زبانی بزرگ امروزی مبتنی بر آن است، احتمالاً یک میلیون سال طول کشیده تا توسعه یابد، در حالی که بینایی و ادراک احتمالاً 540 میلیون سال طول کشیده است. این بدان معناست که ایجاد مدل های بزرگ جهانی کار بسیار پیچیده تری است.

لی او میگوید : «این نه تنها باعث می‌شود رایانه‌ها ببینند، بلکه واقعاً باعث می‌شود رایانه تمام دنیای سه‌بعدی را که من آن را هوش فضایی می‌نامم، درک کند». ما فقط دیدن برای نامگذاری چیزها نیستیم... ما واقعاً می‌بینیم که کارها را انجام دهیم، در جهان حرکت کنیم، با یکدیگر تعامل کنیم، و از بین بردن این شکاف بین دیدن و انجام دادن نیاز به دانش فضایی دارد. به‌عنوان یک فن‌شناس، از این بابت بسیار هیجان‌زده هستم.»

خبرکاو