توسط : هوش مصنوعی گوگل: درخشش در اوج، اما ناتوان در برابر خطاهای ساده
هوش مصنوعی پیشرفته گوگل، مانند مدل جمنای، با وجود دستاوردهای چشمگیر، همچنان در مسائل ساده‌ای که حتی دانش‌آموزان دبیرستانی می‌توانند حل کنند، دچار خطا میشود. دمیس هاسابیس، مدیرعامل گوگل دیپ‌مایند، در پادکست Google for Developers به این نقطه ضعف اشاره کرد و آن را «هوش نامتوازن» یا «هوش دندانه‌دار» نامید.
هاسابیس توضیح داد که جمنای با تکنیک DeepThink، که توانایی استدلال را تقویت می‌کند، موفق به کسب مدال طلای المپیاد جهانی ریاضی شده است. با این حال، این مدل ممکن است در حل مسائل ریاضی ساده دبیرستانی اشتباه کند. او تأکید کرد که این ناسازگاری در عملکرد به دلیل فقدان یکپارچگی در توانایی‌های هوش مصنوعی است، جایی که مدل‌ها در برخی حوزه‌ها فوق‌العاده عمل می‌کنند، اما در موارد دیگر به‌راحتی شکست می‌خورند.
این دیدگاه با نظر سوندار پیچای، مدیرعامل گوگل، هم‌راستا است. پیچای پیش‌تر در پادکست لکس فریدمن از اصطلاح «هوش مصنوعی دندانه‌دار» (AJI) برای توصیف سیستم‌هایی استفاده کرد که در برخی مهارت‌ها درخشان و در برخی دیگر ضعیف هستند. به گفته هاسابیس، رفع این مشکل فراتر از افزایش داده یا قدرت پردازشی است و نیاز به پیشرفت‌های اساسی در استدلال، برنامه‌ریزی و حافظه دارد. او همچنین خواستار طراحی آزمون‌های پیچیده‌تر برای ارزیابی دقیق‌تر نقاط قوت و ضعف مدل‌های هوش مصنوعی شد.
تلاش برای رسیدن به هوش مصنوعی انسان‌گونه (AGI)، که بتواند مانند انسان فکر و استدلال کند، هدف مشترک شرکت‌هایی مانند گوگل و OpenAI است. هاسابیس پیش‌بینی کرده که AGI ممکن است طی ۵ تا ۱۰ سال آینده محقق شود، اما چالش‌هایی مانند توهم‌زایی، انتشار اطلاعات نادرست و خطاهای ابتدایی همچنان مانع بزرگی هستند. سم آلتمن، مدیرعامل OpenAI، نیز پیش از معرفی GPT-5 به این موضوع اشاره کرد و گفت که مدل‌های فعلی فاقد توانایی یادگیری مداوم از داده‌های جدید هستند، قابلیتی که برای AGI ضروری است.
این اظهارات نشان می‌دهد که با وجود پیشرفت‌های چشمگیر، مسیر رسیدن به AGI طولانی‌تر خواهد بود. گوگل و OpenAI در حال کار روی بهبود استدلال و کاهش خطاها هستند، اما دستیابی به هوشی یکپارچه و شبیه انسان همچنان یک چالش بزرگ فناوری است.
