SG.hu
Miért van még biztosan messze az általános mesterséges intelligencia?

Az informatikai ágazat titánjai szerint a mesterséges intelligencia hamarosan eléri az emberi agy erejét. Ennyire alábecsülik az embereket?
Sok más hanghoz hasonlóan a Szilícium-völgyben és azon túl is a vezetők is azt jósolják, hogy a mesterséges általános intelligencia, vagyis az AGI érkezése küszöbön áll. Sam Altman, az OpenAI vezérigazgatója nemrég azt mondta Trump elnöknek, hogy még a kormányzása vége előtt megérkezik. Dario Amodei, az OpenAI fő riválisának, az Anthropicnak a vezérigazgatója többször is kijelentette nyilvánosan, hogy ez még hamarabb bekövetkezhet. A technológiai milliárdos Elon Musk szerint még az év vége előtt itt lehet.
Az AGI a 2000-es évek eleje óta ismert fogalom, egy kutatócsoport akkoriban jellemezte így az általuk remélt autonóm számítógépes rendszereket. Az AGI egy olyan jövőbeli technológia rövidítéseként szolgál, amely emberi szintű intelligenciát ér el. Nincs elfogadott definíciója, csak egy magával ragadó elképzelés: egy olyan mesterséges intelligencia, amely az emberi elme számos képességével felveszi a versenyt. Altman, Amodei és Musk már régóta ezt a célt hajszolják, akárcsak az olyan vállalatok vezetői és kutatói, mint a Google és a Microsoft. És részben ennek az ambiciózus elképzelés lelkes megvalósításának köszönhetően olyan technológiákat hoztak létre, amelyek emberek százmillióinak életét változtatják meg a kutatásban, a művészetben és a számítógépek programozásában.
De mióta megérkeztek az olyan chatbotok, mint az OpenAI ChatGPT-je, és az elmúlt két évben ezek a furcsa és nagy teljesítményű rendszerek rohamosan fejlődtek, sok szakértő egyre merészebben állítja, hogy milyen hamarosan érkezik az AGI. Egyesek még azt is mondják, hogy amint azt kifejlesztik, egy még erősebb, „szuperintelligenciának” nevezett alkotás fogja követni. Ahogy ezek az örökké magabiztos hangok megjósolják a közeljövőt, spekulációik megelőzik a valóságot. És bár cégeik figyelemre méltó ütemben hajtják előre a technológiát, a józanabb hangok serege gyorsan eloszlat minden olyan állítást, amely szerint a gépek hamarosan felérnek az emberi értelemmel.
"A technológia, amelyet ma fejlesztünk, nem képes eljutni oda” - mondta Nick Frosst, a Cohere nevű MI startup lapítója, aki korábban a Google kutatójaként dolgozott, és az elmúlt 50 év legelismertebb MI-kutatójától tanult. "Most olyan dolgokat építünk, amelyek befogadnak szavakat, és megjósolják a következő legvalószínűbb szót, vagy pixeleket, és megjósolják a következő legvalószínűbb pixelt. Ez nagyon különbözik attól, ahogy az emberek működnek." Az Association for the Advancement of Artificial Intelligence egy 40 éves tudományos társaság, amely a terület legelismertebb kutatóit tömöríti. Nemrégiben végzett felmérésükben a válaszadók több mint háromnegyede szerint a mai technológia megalkotásához használt módszerek nem valószínű, hogy az AGI-hez vezetnek.
A vélemények részben azért térnek el, mert a tudósok még az emberi intelligencia meghatározásában sem tudnak megegyezni, és végtelenül sokat vitatkoznak az IQ-tesztek és más mérőszámok előnyeiről és hibáiról. A saját agyunk és a gépek összehasonlítása még szubjektívebb. Ez azt jelenti, hogy az AGI azonosítása alapvetően vélemény kérdése. (Tavaly egy per részeként Musk ügyvédei azt mondták, hogy az már itt van, mert az OpenAI - Musk egyik fő riválisa - szerződést írt alá a fő finanszírozójával, amely szerint nem fog AGI-technológián alapuló termékeket értékesíteni.) A tudósoknak pedig nincs szilárd bizonyítékuk arra, hogy a mai technológiák képesek lennének még az agy által végzett egyszerűbb dolgok közül is elvégezni néhányat, mint például az irónia felismerése vagy az empátia érzése. Az AGI közelgő érkezéséről szóló állítások statisztikai extrapolációkon - és vágyálmokon - alapulnak.
A különböző összehasonlító tesztek szerint a mai technológiák néhány jelentős területen, mint például a matematika és a számítógépes programozás, folyamatosan fejlődnek. Ezek a tesztek azonban csak egy kis részét írják le annak, amire az emberek képesek. Az emberek tudják, hogyan kell megbirkózni a kaotikus és folyamatosan változó világgal. A gépek a váratlan dolgokkal küzdenek - a kisebb és nagyobb kihívásokkal, amelyek nem hasonlítanak a múltban történtekre. Az emberek képesek olyan ötleteket megálmodni, amelyeket a világ még soha nem látott. A gépek jellemzően megismétlik vagy továbbfejlesztik azt, amit már láttak. Ezért mondják Frosst és más szkeptikusok azt, hogy ahhoz, hogy a gépek emberi szintű intelligenciát érjenek el, legalább egy olyan nagy ötletre lesz szükség, amelyet a világ technológusai még nem álmodtak meg. Nem lehet tudni, hogy ez mennyi ideig fog tartani.
"Egy rendszer, amely egy bizonyos szempontból jobb, mint az ember, nem feltétlenül lesz jobb más szempontból” - mondta Steven Pinker, a Harvard kognitív tudósa. "Egyszerűen nem létezik olyan, hogy minden problémának automatikus, mindentudó, mindenható megoldója legyen, beleértve azokat is, amelyekre még nem is gondoltunk. Nagy a kísértés, hogy egyfajta mágikus gondolkodásba kezdjünk. De ezek a rendszerek nem csodák. Ezek nagyon is lenyűgöző szerkentyűk."
Az olyan chatbotokat, mint a ChatGPT, a tudósok által neurális hálózatoknak nevezett matematikai rendszerek vezérlik, amelyek képesek a szövegben, képekben és hangokban lévő minták azonosítására. A Wikipédia-cikkek, hírek és chatnaplók hatalmas halmazában található minták felismerésével ezek a rendszerek képesek maguktól megtanulni, hogyan lehet a versekhez és számítógépes programokhoz hasonló szövegeket hozzanak létre. Ez azt jelenti, hogy ezek a rendszerek sokkal gyorsabban fejlődnek, mint a múltbeli számítógépes technológiák. A korábbi évtizedekben a szoftvermérnökök kódsoronként építették fel az alkalmazásokat, ami egy lépésről - lépésre történő folyamat volt, és soha nem tudott olyan nagy teljesítményű dolgot létrehozni, mint a ChatGPT. Mivel a neurális hálózatok képesek adatokból tanulni, új magasságokat érhetnek el, méghozzá gyorsan.
Miután az elmúlt évtizedben látták e rendszerek fejlődését, egyes szakértők úgy vélik, hogy a fejlődés nagyjából ugyanilyen ütemben fog folytatódni - az AGI-ig és azon túl. "Vannak ezek a trendek, ahol az összes korlátozás eltűnik” - mondta Jared Kaplan, az Anthropic tudományos vezetője. "A gépi intelligencia teljesen különbözik az emberi intelligenciától. Az emberek sokkal könnyebben tanulnak meg új feladatokat, nem kell annyit gyakorolniuk, mint az MI-nek. De idővel, több gyakorlással a gépek is eljuthatnak odáig." Az MI-kutatók körében Dr. Kaplan egy úttörő tudományos publikációról ismert, amelyben leírta a ma már „skálázási törvényeknek” nevezett dolgokat. Ezek a törvények lényegében azt mondják, hogy minél több adatot elemez egy MI rendszer, annál jobban teljesít. Ahogyan egy diák is többet tanul, ha több könyvet olvas el, egy mesterséges intelligencia rendszer is több mintát talál a szövegben, és megtanulja pontosabban utánozni azt, ahogyan az emberek a szavakat egymás mellé rakják.
Az elmúlt hónapokban az olyan cégek, mint az OpenAI és az Anthropic szinte az összes angol nyelvű szöveget elhasználták az interneten, ami azt jelenti, hogy új módszerre volt szükségük a chatbotjaik fejlesztéséhez. Ezért egyre inkább egy olyan technikára támaszkodnak, amelyet a tudósok megerősítő tanulásnak neveznek. Ezzel a folyamattal, amely hetekig vagy hónapokig is eltarthat, a rendszer próbálgatással és hiba útján tanulja meg a viselkedést. Például több ezer matematikai probléma feldolgozásával megtanulhatja, hogy mely technikák vezetnek a helyes válaszhoz, és melyek nem. Ennek a technikának köszönhetően a Kaplanhoz hasonló kutatók úgy vélik, hogy a skálázási törvények (vagy valami hasonló) folytatódni fog. Ahogy a technológia tovább tanul próbálkozások és hibák útján számtalan területen, a kutatók szerint követni fogja a Google kutatócsoportja által 2016-ban megalkotott AlphaGo nevű gép útját.
Az AlphaGo a megerősítéses tanulás révén, több millió partit játszva saját maga ellen megtanulta elsajátítani a Go játékot, egy összetett kínai társasjátékot, amelyet a sakkhoz hasonlítanak. Néhány éve legyőzte a világ egyik legjobb játékosát, megdöbbentve az MI-közösséget és a világot. A legtöbb kutató azt feltételezte, hogy az MI-nek még 10 évre van szüksége ahhoz, hogy ilyen teljesítményt érjen el. Az AlphaGo úgy játszott, ahogy ember még soha, és új stratégiai megközelítéseket tanított a legjobb játékosoknak ebben az ősi játékban. Egyesek úgy vélik, hogy a ChatGPT-hez hasonló rendszerek ugyanezt az ugrást fogják megtenni, és elérik az AGI-t, majd a szuperintelligenciát. Az AlphaGo-hoz hasonló játékok azonban egy szűk, korlátozott szabályrendszert követnek. Ezzel szemben a valós világot csak a fizika törvényei korlátozzák. A valós világ egészének modellezése jóval meghaladja a mai gépek képességeit, így hogyan lehet bárki is biztos abban, hogy az AGI - nem is beszélve a szuperintelligenciáról - már a sarkon van?
Vitathatatlan, hogy a mai gépek bizonyos szempontból már most is háttérbe szorították az emberi agyat, de ez már régóta így van. Egy számológép gyorsabban elvégzi az alapvető matematikai feladatokat, mint egy ember. Az olyan chatbotok, mint a ChatGPT gyorsabban tudnak írni, mint amennyit egy emberi agy valaha is el tudna olvasni vagy megjegyezni. Ezek a rendszerek meghaladják az emberi teljesítményt néhány magas szintű matematikát és kódolást tartalmazó tesztben. Az embereket azonban nem lehet ezekre a mércékre redukálni. "A természetben sokféle intelligencia létezik” - mondta Josh Tenenbaum, a Massachusetts Institute of Technology számítógépes kognitív tudományok professzora. Az egyik nyilvánvaló különbség az, hogy az emberi intelligencia a fizikai világhoz kötődik. Túlmutat a szavakon, számokon, hangokon és képeken, és kiterjed az asztalok, székek, tűzhelyek, serpenyők, épületek, autók és bármi más birodalmára, amivel nap mint nap találkozunk. Az intelligencia része az is, hogy tudjuk, mikor kell megfordítani egy palacsintát a serpenyőben.
Egyes vállalatok már most is ugyanúgy képzik a humanoid robotokat, mint mások a chatbotokat. Ez azonban sokkal nehezebb és időigényesebb, mint a ChatGPT megépítése, mivel kiterjedt tanítást igényel fizikai laboratóriumokban, raktárakban és otthonokban. A robotkutatás évekkel van lemaradva a chatbot-kutatáshoz képest. Az ember és a gép közötti szakadék még nagyobb. Mind a fizikai, mind a digitális térben a gépek még mindig nehezen érik el az emberi intelligencia nehezebben meghatározható részeit. A chatbotok építésének új módja, a megerősítő tanulás jól működik olyan területeken, mint a matematika és a számítógépes programozás, ahol a vállalatok egyértelműen meg tudják határozni a jó és a rossz viselkedést. A matematikai problémákra tagadhatatlanul vannak válaszok. A számítógépes programokat le kell fordítani és futniuk kell. De a technika nem működik olyan jól a kreatív írás, a filozófia vagy az etika területén.
Altman nemrég azt írta az X-en, hogy az OpenAI egy új rendszert képzett ki, amely „jó a kreatív írásban”. Hozzátette, ez volt az első alkalom, hogy „tényleg lenyűgözött valami, amit az MI írt”. Az írás az, amihez ezek a rendszerek a legjobban értenek, de a „kreatív írást” nehéz mérni. Különböző helyzetekben különböző formákat ölt, és olyan tulajdonságokat mutat, amelyeket nem könnyű megmagyarázni, még kevésbé számszerűsíteni: őszinteség, humor, becsületesség. Amikor ezeket a rendszereket a világba telepítik, az emberek megmondják nekik, hogy mit tegyenek, és átvezetik őket az újdonság, a változás és a bizonytalanság pillanatain. "Az MI-nek szüksége van ránk: élő lényekre, akik folyamatosan termelnek, táplálják a gépet” - mondta Matteo Pasquinelli, a velencei Ca' Foscari Egyetem tudományfilozófia professzora. „Szüksége van az ötleteink és az életünk eredetiségére”.
A technológiai iparban és azon kívül dolgozók számára egyaránt izgalmasak lehetnek a közelgő AGI-ről szóló állítások. Az emberek már 12. század óta ismert gólem mítoszáig visszamenőleg álmodtak a mesterséges intelligencia létrehozásáról. Ez az a fantázia, amely olyan műveket indukált, mint Mary Shelley „Frankenstein” és Stanley Kubrick „2001: Űrodüsszeia” című filmje. Most, hogy sokan közülünk olyan számítógépes rendszereket használnak, amelyek úgy tudnak írni, sőt beszélni is, mint mi, természetes, hogy feltételezzük, hogy az intelligens gépek már majdnem itt vannak. Ez az, amit évszázadok óta várunk.
Amikor akadémikusok egy csoportja az 1950-es évek végén megalapította az MI-ágazatot, biztosak voltak benne, hogy nem fog sokáig tartani, amíg olyan számítógépeket építenek, amelyek újraalkotják az agyat. Egyesek azt állították, hogy egy gép egy évtizeden belül legyőzi a sakkvilágbajnokot és felfedezi saját matematikai tételét. De egyik sem történt meg ebben az időkeretben, egy része pedig még azóta sem. A ma ezen a területen dolgozó emberek közül sokan úgy látják, hogy egyfajta technológiai végzetet teljesítenek be, egy elkerülhetetlen tudományos pillanat felé nyomulnak, mint a tűz vagy az atombomba megalkotása. De nem tudnak rámutatni arra a tudományos okra, ami miatt ez hamarosan bekövetkezik. Ezért sok tudós azt mondja, hogy senki sem fogja elérni az AGI-t új ötlet nélkül - valami olyasmi nélkül, ami túlmutat a nagy teljesítményű neurális hálózatokon, amelyek csupán mintákat találnak az adatokban. Ez az új ötlet akár már holnap megérkezhet, de még akkor is évekre lenne szüksége az iparnak a kifejlesztéséhez.
Yann LeCun, a Meta vezető MI-kutatója azóta álmodik arról, hogy megépíti azt, amit ma AGI-nek nevezünk, mióta 9 éves korában egy párizsi moziban 70 milliméteres Cinerama tekercsen levetítették neki a „2001: Űrodüsszeia” című filmet. És egyike volt annak a három úttörőnek, akik 2018-ban elnyerték a Turing-díjat - amelyet a számítástechnika Nobel-díjának tekintenek - a neurális hálózatokkal kapcsolatos korai munkájukért. De nem hisz abban, hogy az AGI közel van. A Metában működő kutatólaboratóriuma a technológiai ipart elvarázsoló neurális hálózatokon túlra tekint. LeCun és kollégái a hiányzó ötletet keresik. "Nagyon sok múlik azon, hogy a következő generációs architektúra képes lesz-e emberi szintű MI-t létrehozni a következő 10 évben” - mondta. "Lehet, hogy nem. Jelenleg ezt nem tudjuk megmondani".
Sok más hanghoz hasonlóan a Szilícium-völgyben és azon túl is a vezetők is azt jósolják, hogy a mesterséges általános intelligencia, vagyis az AGI érkezése küszöbön áll. Sam Altman, az OpenAI vezérigazgatója nemrég azt mondta Trump elnöknek, hogy még a kormányzása vége előtt megérkezik. Dario Amodei, az OpenAI fő riválisának, az Anthropicnak a vezérigazgatója többször is kijelentette nyilvánosan, hogy ez még hamarabb bekövetkezhet. A technológiai milliárdos Elon Musk szerint még az év vége előtt itt lehet.
Az AGI a 2000-es évek eleje óta ismert fogalom, egy kutatócsoport akkoriban jellemezte így az általuk remélt autonóm számítógépes rendszereket. Az AGI egy olyan jövőbeli technológia rövidítéseként szolgál, amely emberi szintű intelligenciát ér el. Nincs elfogadott definíciója, csak egy magával ragadó elképzelés: egy olyan mesterséges intelligencia, amely az emberi elme számos képességével felveszi a versenyt. Altman, Amodei és Musk már régóta ezt a célt hajszolják, akárcsak az olyan vállalatok vezetői és kutatói, mint a Google és a Microsoft. És részben ennek az ambiciózus elképzelés lelkes megvalósításának köszönhetően olyan technológiákat hoztak létre, amelyek emberek százmillióinak életét változtatják meg a kutatásban, a művészetben és a számítógépek programozásában.
De mióta megérkeztek az olyan chatbotok, mint az OpenAI ChatGPT-je, és az elmúlt két évben ezek a furcsa és nagy teljesítményű rendszerek rohamosan fejlődtek, sok szakértő egyre merészebben állítja, hogy milyen hamarosan érkezik az AGI. Egyesek még azt is mondják, hogy amint azt kifejlesztik, egy még erősebb, „szuperintelligenciának” nevezett alkotás fogja követni. Ahogy ezek az örökké magabiztos hangok megjósolják a közeljövőt, spekulációik megelőzik a valóságot. És bár cégeik figyelemre méltó ütemben hajtják előre a technológiát, a józanabb hangok serege gyorsan eloszlat minden olyan állítást, amely szerint a gépek hamarosan felérnek az emberi értelemmel.
"A technológia, amelyet ma fejlesztünk, nem képes eljutni oda” - mondta Nick Frosst, a Cohere nevű MI startup lapítója, aki korábban a Google kutatójaként dolgozott, és az elmúlt 50 év legelismertebb MI-kutatójától tanult. "Most olyan dolgokat építünk, amelyek befogadnak szavakat, és megjósolják a következő legvalószínűbb szót, vagy pixeleket, és megjósolják a következő legvalószínűbb pixelt. Ez nagyon különbözik attól, ahogy az emberek működnek." Az Association for the Advancement of Artificial Intelligence egy 40 éves tudományos társaság, amely a terület legelismertebb kutatóit tömöríti. Nemrégiben végzett felmérésükben a válaszadók több mint háromnegyede szerint a mai technológia megalkotásához használt módszerek nem valószínű, hogy az AGI-hez vezetnek.

A vélemények részben azért térnek el, mert a tudósok még az emberi intelligencia meghatározásában sem tudnak megegyezni, és végtelenül sokat vitatkoznak az IQ-tesztek és más mérőszámok előnyeiről és hibáiról. A saját agyunk és a gépek összehasonlítása még szubjektívebb. Ez azt jelenti, hogy az AGI azonosítása alapvetően vélemény kérdése. (Tavaly egy per részeként Musk ügyvédei azt mondták, hogy az már itt van, mert az OpenAI - Musk egyik fő riválisa - szerződést írt alá a fő finanszírozójával, amely szerint nem fog AGI-technológián alapuló termékeket értékesíteni.) A tudósoknak pedig nincs szilárd bizonyítékuk arra, hogy a mai technológiák képesek lennének még az agy által végzett egyszerűbb dolgok közül is elvégezni néhányat, mint például az irónia felismerése vagy az empátia érzése. Az AGI közelgő érkezéséről szóló állítások statisztikai extrapolációkon - és vágyálmokon - alapulnak.
A különböző összehasonlító tesztek szerint a mai technológiák néhány jelentős területen, mint például a matematika és a számítógépes programozás, folyamatosan fejlődnek. Ezek a tesztek azonban csak egy kis részét írják le annak, amire az emberek képesek. Az emberek tudják, hogyan kell megbirkózni a kaotikus és folyamatosan változó világgal. A gépek a váratlan dolgokkal küzdenek - a kisebb és nagyobb kihívásokkal, amelyek nem hasonlítanak a múltban történtekre. Az emberek képesek olyan ötleteket megálmodni, amelyeket a világ még soha nem látott. A gépek jellemzően megismétlik vagy továbbfejlesztik azt, amit már láttak. Ezért mondják Frosst és más szkeptikusok azt, hogy ahhoz, hogy a gépek emberi szintű intelligenciát érjenek el, legalább egy olyan nagy ötletre lesz szükség, amelyet a világ technológusai még nem álmodtak meg. Nem lehet tudni, hogy ez mennyi ideig fog tartani.
"Egy rendszer, amely egy bizonyos szempontból jobb, mint az ember, nem feltétlenül lesz jobb más szempontból” - mondta Steven Pinker, a Harvard kognitív tudósa. "Egyszerűen nem létezik olyan, hogy minden problémának automatikus, mindentudó, mindenható megoldója legyen, beleértve azokat is, amelyekre még nem is gondoltunk. Nagy a kísértés, hogy egyfajta mágikus gondolkodásba kezdjünk. De ezek a rendszerek nem csodák. Ezek nagyon is lenyűgöző szerkentyűk."

Az olyan chatbotokat, mint a ChatGPT, a tudósok által neurális hálózatoknak nevezett matematikai rendszerek vezérlik, amelyek képesek a szövegben, képekben és hangokban lévő minták azonosítására. A Wikipédia-cikkek, hírek és chatnaplók hatalmas halmazában található minták felismerésével ezek a rendszerek képesek maguktól megtanulni, hogyan lehet a versekhez és számítógépes programokhoz hasonló szövegeket hozzanak létre. Ez azt jelenti, hogy ezek a rendszerek sokkal gyorsabban fejlődnek, mint a múltbeli számítógépes technológiák. A korábbi évtizedekben a szoftvermérnökök kódsoronként építették fel az alkalmazásokat, ami egy lépésről - lépésre történő folyamat volt, és soha nem tudott olyan nagy teljesítményű dolgot létrehozni, mint a ChatGPT. Mivel a neurális hálózatok képesek adatokból tanulni, új magasságokat érhetnek el, méghozzá gyorsan.
Miután az elmúlt évtizedben látták e rendszerek fejlődését, egyes szakértők úgy vélik, hogy a fejlődés nagyjából ugyanilyen ütemben fog folytatódni - az AGI-ig és azon túl. "Vannak ezek a trendek, ahol az összes korlátozás eltűnik” - mondta Jared Kaplan, az Anthropic tudományos vezetője. "A gépi intelligencia teljesen különbözik az emberi intelligenciától. Az emberek sokkal könnyebben tanulnak meg új feladatokat, nem kell annyit gyakorolniuk, mint az MI-nek. De idővel, több gyakorlással a gépek is eljuthatnak odáig." Az MI-kutatók körében Dr. Kaplan egy úttörő tudományos publikációról ismert, amelyben leírta a ma már „skálázási törvényeknek” nevezett dolgokat. Ezek a törvények lényegében azt mondják, hogy minél több adatot elemez egy MI rendszer, annál jobban teljesít. Ahogyan egy diák is többet tanul, ha több könyvet olvas el, egy mesterséges intelligencia rendszer is több mintát talál a szövegben, és megtanulja pontosabban utánozni azt, ahogyan az emberek a szavakat egymás mellé rakják.
Az elmúlt hónapokban az olyan cégek, mint az OpenAI és az Anthropic szinte az összes angol nyelvű szöveget elhasználták az interneten, ami azt jelenti, hogy új módszerre volt szükségük a chatbotjaik fejlesztéséhez. Ezért egyre inkább egy olyan technikára támaszkodnak, amelyet a tudósok megerősítő tanulásnak neveznek. Ezzel a folyamattal, amely hetekig vagy hónapokig is eltarthat, a rendszer próbálgatással és hiba útján tanulja meg a viselkedést. Például több ezer matematikai probléma feldolgozásával megtanulhatja, hogy mely technikák vezetnek a helyes válaszhoz, és melyek nem. Ennek a technikának köszönhetően a Kaplanhoz hasonló kutatók úgy vélik, hogy a skálázási törvények (vagy valami hasonló) folytatódni fog. Ahogy a technológia tovább tanul próbálkozások és hibák útján számtalan területen, a kutatók szerint követni fogja a Google kutatócsoportja által 2016-ban megalkotott AlphaGo nevű gép útját.

Az AlphaGo a megerősítéses tanulás révén, több millió partit játszva saját maga ellen megtanulta elsajátítani a Go játékot, egy összetett kínai társasjátékot, amelyet a sakkhoz hasonlítanak. Néhány éve legyőzte a világ egyik legjobb játékosát, megdöbbentve az MI-közösséget és a világot. A legtöbb kutató azt feltételezte, hogy az MI-nek még 10 évre van szüksége ahhoz, hogy ilyen teljesítményt érjen el. Az AlphaGo úgy játszott, ahogy ember még soha, és új stratégiai megközelítéseket tanított a legjobb játékosoknak ebben az ősi játékban. Egyesek úgy vélik, hogy a ChatGPT-hez hasonló rendszerek ugyanezt az ugrást fogják megtenni, és elérik az AGI-t, majd a szuperintelligenciát. Az AlphaGo-hoz hasonló játékok azonban egy szűk, korlátozott szabályrendszert követnek. Ezzel szemben a valós világot csak a fizika törvényei korlátozzák. A valós világ egészének modellezése jóval meghaladja a mai gépek képességeit, így hogyan lehet bárki is biztos abban, hogy az AGI - nem is beszélve a szuperintelligenciáról - már a sarkon van?
Vitathatatlan, hogy a mai gépek bizonyos szempontból már most is háttérbe szorították az emberi agyat, de ez már régóta így van. Egy számológép gyorsabban elvégzi az alapvető matematikai feladatokat, mint egy ember. Az olyan chatbotok, mint a ChatGPT gyorsabban tudnak írni, mint amennyit egy emberi agy valaha is el tudna olvasni vagy megjegyezni. Ezek a rendszerek meghaladják az emberi teljesítményt néhány magas szintű matematikát és kódolást tartalmazó tesztben. Az embereket azonban nem lehet ezekre a mércékre redukálni. "A természetben sokféle intelligencia létezik” - mondta Josh Tenenbaum, a Massachusetts Institute of Technology számítógépes kognitív tudományok professzora. Az egyik nyilvánvaló különbség az, hogy az emberi intelligencia a fizikai világhoz kötődik. Túlmutat a szavakon, számokon, hangokon és képeken, és kiterjed az asztalok, székek, tűzhelyek, serpenyők, épületek, autók és bármi más birodalmára, amivel nap mint nap találkozunk. Az intelligencia része az is, hogy tudjuk, mikor kell megfordítani egy palacsintát a serpenyőben.
Egyes vállalatok már most is ugyanúgy képzik a humanoid robotokat, mint mások a chatbotokat. Ez azonban sokkal nehezebb és időigényesebb, mint a ChatGPT megépítése, mivel kiterjedt tanítást igényel fizikai laboratóriumokban, raktárakban és otthonokban. A robotkutatás évekkel van lemaradva a chatbot-kutatáshoz képest. Az ember és a gép közötti szakadék még nagyobb. Mind a fizikai, mind a digitális térben a gépek még mindig nehezen érik el az emberi intelligencia nehezebben meghatározható részeit. A chatbotok építésének új módja, a megerősítő tanulás jól működik olyan területeken, mint a matematika és a számítógépes programozás, ahol a vállalatok egyértelműen meg tudják határozni a jó és a rossz viselkedést. A matematikai problémákra tagadhatatlanul vannak válaszok. A számítógépes programokat le kell fordítani és futniuk kell. De a technika nem működik olyan jól a kreatív írás, a filozófia vagy az etika területén.
Altman nemrég azt írta az X-en, hogy az OpenAI egy új rendszert képzett ki, amely „jó a kreatív írásban”. Hozzátette, ez volt az első alkalom, hogy „tényleg lenyűgözött valami, amit az MI írt”. Az írás az, amihez ezek a rendszerek a legjobban értenek, de a „kreatív írást” nehéz mérni. Különböző helyzetekben különböző formákat ölt, és olyan tulajdonságokat mutat, amelyeket nem könnyű megmagyarázni, még kevésbé számszerűsíteni: őszinteség, humor, becsületesség. Amikor ezeket a rendszereket a világba telepítik, az emberek megmondják nekik, hogy mit tegyenek, és átvezetik őket az újdonság, a változás és a bizonytalanság pillanatain. "Az MI-nek szüksége van ránk: élő lényekre, akik folyamatosan termelnek, táplálják a gépet” - mondta Matteo Pasquinelli, a velencei Ca' Foscari Egyetem tudományfilozófia professzora. „Szüksége van az ötleteink és az életünk eredetiségére”.
A technológiai iparban és azon kívül dolgozók számára egyaránt izgalmasak lehetnek a közelgő AGI-ről szóló állítások. Az emberek már 12. század óta ismert gólem mítoszáig visszamenőleg álmodtak a mesterséges intelligencia létrehozásáról. Ez az a fantázia, amely olyan műveket indukált, mint Mary Shelley „Frankenstein” és Stanley Kubrick „2001: Űrodüsszeia” című filmje. Most, hogy sokan közülünk olyan számítógépes rendszereket használnak, amelyek úgy tudnak írni, sőt beszélni is, mint mi, természetes, hogy feltételezzük, hogy az intelligens gépek már majdnem itt vannak. Ez az, amit évszázadok óta várunk.
Amikor akadémikusok egy csoportja az 1950-es évek végén megalapította az MI-ágazatot, biztosak voltak benne, hogy nem fog sokáig tartani, amíg olyan számítógépeket építenek, amelyek újraalkotják az agyat. Egyesek azt állították, hogy egy gép egy évtizeden belül legyőzi a sakkvilágbajnokot és felfedezi saját matematikai tételét. De egyik sem történt meg ebben az időkeretben, egy része pedig még azóta sem. A ma ezen a területen dolgozó emberek közül sokan úgy látják, hogy egyfajta technológiai végzetet teljesítenek be, egy elkerülhetetlen tudományos pillanat felé nyomulnak, mint a tűz vagy az atombomba megalkotása. De nem tudnak rámutatni arra a tudományos okra, ami miatt ez hamarosan bekövetkezik. Ezért sok tudós azt mondja, hogy senki sem fogja elérni az AGI-t új ötlet nélkül - valami olyasmi nélkül, ami túlmutat a nagy teljesítményű neurális hálózatokon, amelyek csupán mintákat találnak az adatokban. Ez az új ötlet akár már holnap megérkezhet, de még akkor is évekre lenne szüksége az iparnak a kifejlesztéséhez.
Yann LeCun, a Meta vezető MI-kutatója azóta álmodik arról, hogy megépíti azt, amit ma AGI-nek nevezünk, mióta 9 éves korában egy párizsi moziban 70 milliméteres Cinerama tekercsen levetítették neki a „2001: Űrodüsszeia” című filmet. És egyike volt annak a három úttörőnek, akik 2018-ban elnyerték a Turing-díjat - amelyet a számítástechnika Nobel-díjának tekintenek - a neurális hálózatokkal kapcsolatos korai munkájukért. De nem hisz abban, hogy az AGI közel van. A Metában működő kutatólaboratóriuma a technológiai ipart elvarázsoló neurális hálózatokon túlra tekint. LeCun és kollégái a hiányzó ötletet keresik. "Nagyon sok múlik azon, hogy a következő generációs architektúra képes lesz-e emberi szintű MI-t létrehozni a következő 10 évben” - mondta. "Lehet, hogy nem. Jelenleg ezt nem tudjuk megmondani".