Apklausus 475 dirbtinio intelekto tyrėjus, apie 76 proc. respondentų teigė, kad „mažai tikėtina“ arba „labai mažai tikėtina“, jog padidinus dabartinius metodus pavyks pasiekti AGI. Šios išvados pateiktos Vašingtone įsikūrusios tarptautinės mokslinės draugijos „Association for the Advancement of Artificial Intelligence“ ataskaitoje.
Tai akivaizdus požiūrio pokytis – palyginti su optimizmu, kuris skatino technologijų įmones nuo pat generatyvinio dirbtinio intelekto bumo pradžios 2022 m. Dauguma pažangiausių pasiekimų nuo to laiko buvo grindžiami sistemomis, vadinamomis transformuojamaisiais modeliais, kurių našumas didėjo, nes jos buvo apmokomos vis didesniais duomenų kiekiais. Tačiau atrodo, kad naujausiose versijose, kuriose buvo pastebimi tik laipsniški kokybės pokyčiai, jie sustojo.
„Man visada atrodė, kad didžiulės investicijos į mastelio keitimą, kurių nelydėjo jokios panašios pastangos suprasti, kas vyksta, buvo netikslingos, – sako Kalifornijos universiteto (JAV) bei ataskaitą rengusios grupės narys Stuartas Russellas. – Manau, kad maždaug prieš metus visiems ėmė aiškėti, kad įprastine prasme mastelio didinimo nauda sumažėjo.“
Nepaisant to, technologijų bendrovės per ateinančius kelerius metus planuoja bendrai išleisti apie 1 trilijoną JAV dolerių duomenų centrams ir lustams, kad paremtų savo dirbtinio intelekto ambicijas.
Dėl dirbtinio intelekto technologijų keliamo triukšmo galima paaiškinti, kodėl 80 proc. apklausos respondentų taip pat teigė, kad dabartinis suvokimas apie dirbtinio intelekto galimybes neatitinka tikrovės.
„Skelbiama, kad sistemos, pavyzdžiui, sprendžiančios programavimo ar matematikos uždavinius, vis dar daro klaidų“, – sako prie ataskaitos rengimo prisidėjęs Oregono universiteto (JAV) atstovas Thomas Dietterichas. – Šios sistemos gali būti labai naudingos kaip pagalbinės priemonės, padedančios atlikti mokslinius tyrimus ir programuoti, tačiau jos nepakeis nė vieno žmogaus.“
Pastaruoju metu dirbtinio intelekto bendrovės daugiausia dėmesio skiria vadinamajam išvadų laiko masteliui, kai dirbtinio intelekto modeliai naudoja didesnę skaičiavimo galią ir prieš atsakydami į užklausas, užtrunka ilgiau, sako Prinstono universiteto (JAV) atstovas Arvindas Narayananas. Tačiau jis sako, kad šis metodas vargu ar bus „sidabrinė kulka“, padėsianti pasiekti AGI.
Nors technologijų bendrovės dažnai apibūdina AGI kaip savo galutinį tikslą, pati AGI apibrėžtis nėra aiški. Kompanija „Google DeepMind“ tai apibūdino kaip sistemą, kuri gali pranokti visus žmones atlikdama tam tikrus kognityvinius testus, o bendrovė „Huawei“ teigia, kad norint pasiekti šį etapą, reikia sukurti kūną, kuris leistų dirbtiniam intelektui sąveikauti su aplinka.
Kalbant apie „Microsoft“ ir „OpenAI“, vidinėje ataskaitoje teigiama, kad jos laikys AGI pasiektu tik tada, kai „OpenAI“ sukurs modelį, galintį generuoti 100 mlrd. dolerių pelną, rašo „New Scientist“.