هوش مصنوعی عمومی AGI
Artificial General Intelligence — AGIهوش مصنوعی عمومی (AGI) به سیستمی فرضی گفته میشود که بتواند هر کار فکریای را که انسان از پس آن برمیآید یاد بگیرد و انجام دهد — نه فقط یک کار خاص. چنین سیستمی امروز وجود ندارد و هیچ اجماعی دربارهٔ زمان یا حتی امکان ساخت آن نیست.
تعریف و مرز روشن آن
واژهٔ کلیدی در AGI حرف G است: General به معنی «عمومی» یا «همهمنظوره». تمام سیستمهای هوش مصنوعی امروزی — بدون استثنا — محدود هستند: در یک قلمرو مشخص عمل میکنند و بیرون از آن قلمرو کاراییشان بهسرعت فرو میریزد.
یک سیستم AGI باید بتواند:
- مهارتی را در یک حوزه بیاموزد و آن را به حوزهای کاملاً متفاوت منتقل کند.
- با تعداد کمی نمونه یاد بگیرد، همانطور که کودک با دیدن دو زرافه، مفهوم زرافه را میسازد.
- در موقعیتهای کاملاً تازه و پیشبینینشده، هدفگذاری و برنامهریزی کند.
- بفهمد چه چیزی را نمیداند و بداند کِی باید بپرسد.
هیچ محصول تجاریای که امروز خریداری میکنید AGI نیست. اگر تبلیغی چنین ادعایی داشت، ادعای بازاریابی است نه واقعیت فنی.
چرا مدلهای زبانی امروزی AGI نیستند؟
این پرسش امروز محل مناقشه است، چون مدلهای زبانی بزرگ دربارهٔ طیف حیرتآوری از موضوعات حرف میزنند و این «عمومی بودن» را تداعی میکند. اما چند شکاف جدی باقی است:
- یادگیری پیوسته ندارند. مدل پس از آموزش «منجمد» میشود. از گفتوگوی امروز چیزی نمیآموزد که فردا به کارش بیاید.
- مدل درونی پایداری از جهان ندارند. در استدلالهای چندمرحلهای، بهویژه در فضا، زمان و علیت، دچار خطاهای عجیبی میشوند که هیچ انسانی مرتکب نمیشود.
- عدم قطعیت را نمیشناسند. با همان لحن مطمئنی که واقعیت میگویند، توهم هم تولید میکنند.
- وابستگی شدید به داده. عملکردشان روی زبانها و حوزههای کمداده بهشدت افت میکند — چیزی که در «هوش عمومی» انتظار نمیرود.
در مقابل، گروهی استدلال میکنند که این شکافها مهندسیاند نه بنیادی، و با مقیاس بیشتر و معماریهای ترکیبی پر خواهند شد. هیچکدام از دو طرف شواهد قطعی ندارند.
چطور میفهمیم AGI ساخته شده؟
مشکل بزرگ این حوزه، نبودِ معیار پذیرفتهشده است. چند معیار پیشنهاد شده که هرکدام نقدهای جدی دارند:
| معیار | ایده | ایراد اصلی |
|---|---|---|
| آزمون تورینگ | اگر داور نتواند ماشین را از انسان تشخیص دهد | فریبدادن انسان با تقلید سطحی هم ممکن است |
| آزمون قهوه | ورود به خانهای ناآشنا و درستکردن یک فنجان قهوه | بیشتر آزمون رباتیک است تا شناخت |
| آزمون دانشجو | گذراندن یک دورهٔ دانشگاهی کامل و گرفتن مدرک | حفظِ حجم عظیم داده میتواند نتیجه را جعل کند |
| معیار اقتصادی | توان انجام اکثر کارهای اقتصادیِ انسانی | مرز «اکثر» مبهم و بحثبرانگیز است |
نبودِ تعریف عملیاتی باعث شده بحث AGI اغلب به مناقشهٔ لفظی تبدیل شود: دو نفر با دادههای یکسان، یکی میگوید «تقریباً رسیدهایم» و دیگری «اصلاً در مسیرش نیستیم».
چرا این بحث اهمیت عملی دارد؟
ممکن است AGI یک بحث نظری و دور به نظر برسد، اما سه پیامد ملموس دارد:
۱. جهتگیری سرمایه. باور به نزدیکبودن AGI میلیاردها دلار سرمایه را به سمت مقیاسبخشی مدلها هدایت کرده است. اگر این باور نادرست باشد، منابع عظیمی هدر رفته است.
۲. قانونگذاری. بسیاری از پیشنویسهای قانونی هوش مصنوعی بر پایهٔ سناریوهای AGI نوشته شدهاند، در حالی که آسیبهای امروزی — سوگیری، نظارت، انتشار اطلاعات نادرست — از سیستمهای محدود میآید. تمرکز بر خطر آینده میتواند خطر حاضر را از دید پنهان کند.
۳. انتظارات کاربر. کسی که فکر میکند با یک هوش عمومی طرف است، خروجی مدل را بازبینی نمیکند. همین سوءبرداشت، منشأ بیشتر خطاهای پرهزینه در استفادهٔ سازمانی است.
پرسشهای متداول دربارهٔ هوش مصنوعی عمومی AGI
چند سال تا AGI فاصله داریم؟
پاسخ صادقانه: کسی نمیداند. نظرسنجیهای انجامشده میان پژوهشگران، پاسخهایی از «کمتر از ده سال» تا «هرگز» را نشان میدهد و این پراکندگی خودش گویاست. تاریخ این حوزه پر از پیشبینیهای خوشبینانهای است که محقق نشدند. با هر عدد قطعیای که میشنوید، با احتیاط برخورد کنید.
تفاوت AGI با ASI چیست؟
AGI یعنی همسطح انسان در کارهای فکری. ابرهوش مصنوعی (ASI) یعنی فراتر از بهترین انسانها در تقریباً همهچیز، از جمله خلاقیت علمی و مهارت اجتماعی. ASI معمولاً بهعنوان مرحلهٔ بعد از AGI تصور میشود.
آیا AGI برای انسان خطرناک است؟
این پرسش موضوع حوزهای به نام «همراستاسازی» است: چطور مطمئن شویم اهداف یک سیستم بسیار توانمند با ارزشهای انسانی همجهت میماند. نگرانی اصلی، بدخواهی ماشین نیست؛ این است که سیستمی با هدفی بد تعریفشده، آن هدف را با کارآمدی زیاد و به شیوهای پیش ببرد که ما نمیخواستیم. چون AGI وجود ندارد، این بحث فعلاً پیشگیرانه و نظری است.
آیا AGI شغل من را میگیرد؟
اگر روزی ساخته شود، بله — تأثیرش بر بازار کار بیسابقه خواهد بود. اما تغییری که امروز در حال رخدادن است از سیستمهای محدود میآید و وظیفهمحور است، نه شغلمحور. تمرکز عملیتر این است که ببینید کدام وظایف روزانهتان تکراری و قابل خودکارسازی است.
اصطلاحات همخانوادهٔ مفاهیم پایه هوش مصنوعی
مشاهدهٔ همه ←- هوش مصنوعیهوش مصنوعی شاخهای از علوم کامپیوتر است که سیستمهایی میسازد تا کارهایی را انجام دهند که تا پیش از این به هوش انسانی نیاز داشت: دیدن، شنیدن، فهمیدن زبان، تصمیمگیری و پیشبینی. نکتهٔ کلیدی این است که این سیستمها بهجای اینکه قدمبهقدم برنامهریزی شوند، از داده «یاد میگیرند».
- هوش مصنوعی مولدهوش مصنوعی مولد دستهای از مدلهاست که بهجای دستهبندی یا پیشبینی، محتوای تازه میسازد: متن، تصویر، صدا، ویدیو یا کد. تفاوت بنیادیاش با نسل قبلی این است که خروجیاش انتخاب از میان گزینههای موجود نیست، بلکه چیزی است که پیش از این وجود نداشته.
- هوش مصنوعی محدود ANIهوش مصنوعی محدود (ANI) به سیستمی گفته میشود که فقط در یک قلمرو مشخص عمل میکند و بیرون از آن قلمرو هیچ تواناییای ندارد. این تنها نوع هوش مصنوعی است که تا امروز ساخته شده — از فیلتر هرزنامه و مسیریاب تا پیشرفتهترین مدلهای زبانی.
- ابرهوش مصنوعی ASIابرهوش مصنوعی (ASI) به سیستمی فرضی گفته میشود که در تقریباً همهٔ حوزههای فکری — از پژوهش علمی و خلاقیت تا مهارت اجتماعی — از توانمندترین انسانها پیشی بگیرد. این مفهوم کاملاً نظری است؛ نه چنین سیستمی وجود دارد و نه مسیر روشنی برای ساخت آن.
- مدل هوش مصنوعیمدل هوش مصنوعی حاصل نهایی فرایند آموزش است: یک فایل حاوی میلیونها یا میلیاردها عدد (پارامتر) که الگوهای استخراجشده از دادههای آموزشی را در خود نگه داشتهاند. مدل، خودِ برنامه نیست؛ «دانشی» است که برنامه از آن استفاده میکند.
- الگوریتم هوش مصنوعیالگوریتم هوش مصنوعی دستورالعملی گامبهگام است که تعیین میکند سیستم چطور از داده یاد بگیرد و چطور پارامترهای خود را اصلاح کند. الگوریتم، «روش یادگیری» است؛ مدل ، حاصل بهکارگیری آن روش روی دادهای مشخص.
برای درک کاملتر، اینها را هم بخوانید
- هوش مصنوعی محدود ANIهوش مصنوعی محدود (ANI) به سیستمی گفته میشود که فقط در یک قلمرو مشخص عمل میکند و بیرون از آن قلمرو هیچ تواناییای ندارد. این تنها نوع هوش مصنوعی است که تا امروز ساخته شده — از فیلتر هرزنامه و مسیریاب تا پیشرفتهترین مدلهای زبانی.
- ابرهوش مصنوعی ASIابرهوش مصنوعی (ASI) به سیستمی فرضی گفته میشود که در تقریباً همهٔ حوزههای فکری — از پژوهش علمی و خلاقیت تا مهارت اجتماعی — از توانمندترین انسانها پیشی بگیرد. این مفهوم کاملاً نظری است؛ نه چنین سیستمی وجود دارد و نه مسیر روشنی برای ساخت آن.
- هوش مصنوعیهوش مصنوعی شاخهای از علوم کامپیوتر است که سیستمهایی میسازد تا کارهایی را انجام دهند که تا پیش از این به هوش انسانی نیاز داشت: دیدن، شنیدن، فهمیدن زبان، تصمیمگیری و پیشبینی. نکتهٔ کلیدی این است که این سیستمها بهجای اینکه قدمبهقدم برنامهریزی شوند، از داده «یاد میگیرند».
- هوش مصنوعی مولدهوش مصنوعی مولد دستهای از مدلهاست که بهجای دستهبندی یا پیشبینی، محتوای تازه میسازد: متن، تصویر، صدا، ویدیو یا کد. تفاوت بنیادیاش با نسل قبلی این است که خروجیاش انتخاب از میان گزینههای موجود نیست، بلکه چیزی است که پیش از این وجود نداشته.