مدیر عامل شرکت Nvidia، جنسن هوانگ، در یک همایش اقتصادی اخیر، اظهارات جسورانه‌ای درباره آینده هوش مصنوعی کلی جنرال (AGI) داشت. در حین بحث در مورد زمان بندی برای دستیابی به AGI، هوانگ اشاره کرد که اگرچه به وابستگی به این که چگونه هدف تعریف شود است، ممکن است در طی پنج سال آینده، آن یک واقعیت شود.
هوانگ تاکید کرد که تعریف AGI بسیار حیاتی است در درک زمان بندی برای توسعه آن. اگر قبول شدن در آزمون‌های انسانی معیار باشد، آنگاه AGI ممکن است زودتر از انتظارات ظاهر شود. او اظهار داشت که اگر به تبیین جامعیتی از آزمون‌ها داده شود، باور دارد که هوش مصنوعی قادر خواهد بود در طی پنج سال، عملکرد بی‌نظیری در هر کدام از آزمون‌ها ارائه دهد.
در حال حاضر، هوش مصنوعی توانایی خود را در قبول آزمون‌های خاصی نشان داده است، مانند آزمون‌های حقوقی. با این حال، هنوز چالش‌هایی در آزمون‌های پزشکی تخصصی وجود دارد. هوانگ ابراز اطمینان کرد که تا پنج سال آینده، هوش مصنوعی قادر خواهد بود تا هر آزمونی را برآورده کند حتی آن‌هایی که در حوزه‌های پزشکی پیچیده نیز باشند.
با این حال، هوانگ به اقرار کرد که ورود AGI ممکن است تاخیر بیفتد هنگام استفاده از تعریف‌های جایگزین. جوامع علمی هنوز درگیر پیچیدگی‌های شناخت انسانی هستند که باعث مشکل در مهندسی AGI با اهداف خاص می‌شود. هوانگ بیان کرد که مهندسان از اهداف خوب تعریف شده استقبال می‌کنند، که توسعه AGI را در این زمینه، چالش‌برانگیزتر می‌کند.
در زمان همایش، هوانگ نیز به نیاز به کارخانه‌های بیشتری از تراشه اشاره کرد تا پشتیبانی از گسترش سریع صنعت هوش مصنوعی انجام شود. در حالی که گزارش‌ها نشان می‌دهند که مدیر عامل OpenAI، سام التمن، باور دارد که چندین کارخانه لازم است، هوانگ دیدگاهی بهینه‌تر ارائه کرد. او اهمیت کارخانه‌های تراشه اضافی را به اقرار رساند اما تاکید کرد که بهبود‌های در الگوریتم‌ها و قدرت پردازش محدوده تراشه‌های مورد نیاز را کاهش خواهد داد. به نظر هوانگ، به اعتقاد او، کارایی محاسباتی در طی دهه آینده به صورت نمایی افزایش خواهد یافت و شاید به اندازه یک میلیون بار نیز افزایش یابد.
در نتیجه، آینده AGI به نظر می‌رسد در دسترس باشد، با پیش‌بینی هوانگ برای ورود پتانسیلی در طی پنج سال آینده. با این حال، تعریف AGI و چالش‌های مرتبط با درک شناخت انسانی، همچنان زمان‌بندی و پیچیدگی توسعه آن را شکل می‌دهند. همزمان با گسترش صنعت هوش مصنوعی، نیاز به کارخانه‌های تراشه بیشتر آشکار می‌شود، اما پیشرفت‌های در فناوری انتظار می‌رود که کارایی محاسباتی را بهینه‌سازی کرده و تقاضای کلی برای تراشه‌ها را کاهش دهد.
بخش سوالات متداول:
پ: جنسن هوانگ، مدیر عامل شرکت Nvidia، در مورد آینده هوش مصنوعی کلی جنرال (AGI) چه پیشنهادی مطرح کرد؟
ج: هوانگ اشاره کرد که AGI ممکن است در طی پنج سال آینده یک واقعیت شود، به وابستگی به این که هدف چگونه تعریف شود.
پ: چرا تعریف AGI مهم است؟
ج: تعریف AGI بسیار حیاتی است در درک زمان‌بندی برای توسعه آن. اگر قبول شدن در آزمون‌های انسانی معیار باشد، AGI ممکن است زودتر از انتظارات ظاهر شود.
پ: هوانگ درباره قابلیت هوش مصنوعی برای قبول آزمون‌ها تا سال‌های آینده چه گفت؟
ج: هوانگ باور دارد که تا پنج سال آینده، هوش مصنوعی قادر خواهد بود تا عملکرد بسیار خوبی در هر آزمون ارائه دهد، حتی آن‌هایی در حوزه‌های پزشکی پیچیده.
پ: چالش‌های توسعه AGI چیست؟
ج: هوانگ تاکید کرد که توسعه AGI، به دلیل پیچیدگی‌های شناخت انسانی، چالش‌بر است. مهندسان از اهداف خوب تعریف شده استقبال می‌کنند که وقتی سر و کار با AGI دارند، این امر مشکل است.
پ: دیدگاه هوانگ در مورد نیاز به کارخانه‌های تراشه چیست؟
ج: هوانگ به اقرار رساند که اهمیت کارخانه‌های تراشه اضافی را به اقرار می‌کند اما تاکید کرد که بهبود‌ها در الگوریتم‌ها و قدرت پردازش، تعداد تراشه‌های مورد نیاز را محدود خواهد کرد. او اعتقاد دارد که کارایی محاسباتی در طی دهه آینده به صورت نمایی بهبود خواهد یافت.
واژه‌های کلیدی:
– هوش مصنوعی کلی جنرال (AGI): به سیستم‌های بسیار خودمختار اشاره دارد که قادرند در بیشتر کارهای اقتصادی ارزشمند، از انسان‌ها عملکرد بهتری داشته باشند.
– هوش مصنوعی (AI): به شبیه‌سازی هوش انسانی در ماشین‌ها که برنامه‌ریزی شده‌اند تا مثل انسان‌ها فکر کرده و یاد بگیرند، اشاره دارد.
پیوندهای پیشنهادی ذیل:
– وب‌سایت رسمی Nvidia: وب‌سایت رسمی شرکت Nvidia که در متن مورد اشاره قرار گرفته است.
– وب‌سایت رسمی OpenAI: وب‌سایت رسمی OpenAI که در ارتباط با کارخانه‌های تراشه در متن ذکر شده است.
The source of the article is from the blog maltemoney.com.br