ในการสัมภาษณ์ครั้งล่าสุด Demis Hassabis ซีอีโอของ Google Deepmind กล่าวว่าหน่วยข่าวกรองทั่วไป (AGI) คาดว่าจะนำในรูปแบบแรกในอีกห้าถึงสิบปีข้างหน้า อย่างไรก็ตามเขายังชี้ให้เห็นว่ายังมีความท้าทายที่สำคัญมากมายในด้านเทคโนโลยี
Hassabis ถูกสัมภาษณ์โดยสื่อที่สำนักงานในลอนดอนของ Deepmind เขาเน้นว่าแม้ว่าระบบ AI ของวันนี้ทำงานได้ดีในงานที่เฉพาะเจาะจง แต่พวกเขาก็ยังขาดความสามารถพื้นฐานมากมาย เขากำหนด AGI เป็น“ ระบบที่สามารถแสดงให้เห็นถึงความสามารถที่ซับซ้อนทั้งหมดของมนุษย์” ในความเห็นของเขากุญแจสำคัญในการใช้ AGI คือการทำให้ระบบ AI เข้าใจโลกทางกายภาพอย่างแท้จริง
Hassabis กล่าวว่าแม้จะมีความคืบหน้าของนักวิจัยในการสร้างความสามารถสำหรับการวางแผนอิสระและการแก้ปัญหาการย้ายความสามารถเหล่านี้ไปสู่สถานการณ์จริงยังคงเป็นความท้าทายที่ยาก “ กุญแจสำคัญคือเราสามารถสรุปแนวคิดการวางแผนและพฤติกรรมพร็อกซีได้เร็วแค่ไหนและนำไปใช้กับโลกแห่งความเป็นจริงในขณะที่ยังสร้างแบบจำลองของโลกรอบตัวเรา” เขากล่าว
เมื่อพูดถึงโมเดลโลก Hassabis เชื่อว่าแม้ว่านักวิจัยจะก้าวหน้าในสาขานี้เมื่อเร็ว ๆ นี้การค้นหาวิธีที่ดีที่สุดในการรวมโมเดลโลกเข้ากับอัลกอริทึมการวางแผนยังคงเป็นปัญหาสำคัญ ทัศนคติที่รอบคอบในทำนองเดียวกันกับ Hassabis คือ Yann Lecun หัวหน้านักวิจัย AI ของ Meta ซึ่งกำลังสำรวจแนวคิดการพัฒนาของตัวเองอย่างแข็งขัน
มุมมองล่าสุดของ Hassabis สอดคล้องกับสิ่งที่เขาพูดในเดือนสิงหาคม 2567 เมื่อเขาเชื่อว่าความสามารถของ AI ในปัจจุบันมักจะประเมินค่าสูงเกินไปในขณะที่ศักยภาพระยะยาวของเทคโนโลยีประเมินต่ำเกินไป ตามความคาดหวังเฉลี่ยของผู้ใช้แพลตฟอร์มการพยากรณ์ Metaculus AGI จะวางจำหน่ายประมาณปี 2030
ในปัจจุบันมีข้อสงสัยมากขึ้นเกี่ยวกับวิธีการที่ AGI กำลังมาในอุตสาหกรรม AI จากการสำรวจใหม่นักวิจัย AI ส่วนใหญ่เชื่อว่าแบบจำลองภาษาขนาดใหญ่ (LLM) เพียงอย่างเดียวไม่สามารถบรรลุ AGI ได้ เมื่อเร็ว ๆ นี้ Openai ได้เปลี่ยนมุมมองก่อนหน้านี้โดยเชื่อว่าความสามารถในการระเบิดของโมเดล AI จะไม่นำไปสู่การพัฒนาอย่างรวดเร็วใน AGI โดยตรง แต่เป็นการพัฒนา AGI ว่าเป็นกระบวนการวิวัฒนาการอย่างต่อเนื่อง Satya Nadella ซีอีโอของ Microsoft ถามการคาดการณ์ของ AGI เรียกมุมมองนี้ว่า "แฮ็กเกอร์มาตรฐานที่ไม่มีความหมาย" และหวังว่าการพัฒนา AI จะมุ่งเน้นไปที่การให้ประโยชน์ทางเศรษฐกิจที่แท้จริง
ประเด็นสำคัญ:
AGI คาดว่าจะประสบความสำเร็จในอีกห้าถึงสิบปีข้างหน้า แต่ความท้าทายทางเทคนิคยังคงอยู่
ระบบ AI ปัจจุบันทำงานได้ดีในงานที่เฉพาะเจาะจง แต่ขาดความสามารถที่ซับซ้อนของมนุษย์
มุมมองของอุตสาหกรรมเกี่ยวกับวิธีการดำเนินการ AGI นั้นค่อยๆระมัดระวังโดยเชื่อว่าแบบจำลองภาษาขนาดใหญ่ไม่สามารถพึ่งพาได้