تفاوت مهم بین هوش مصنوعی مولد و AGI

در جهانی که  هوش مصنوعی به سرعت در حال تکامل است، دو مفهوم اغلب بحث های شدیدی را در بین علاقه مندان به فناوری ایجاد می کند: هوش مصنوعی مولد(Generative AI)و هوش عمومی مصنوعی   (AGI : Artificial General Intelligence) ،در حالی که هر دو وعده انقلابی در تعامل ما با ماشین‌ها را می‌دهند، عملکردهای اساسی متفاوتی دارند و آینده‌های بالقوه متمایز را در بر می‌گیرند. بیایید به این تفاوت‌ها بپردازیم و بررسی کنیم که هر شکل از هوش مصنوعی برای فردا چه معنایی دارد.

هوش مصنوعی مولد :

به هوش مصنوعی مولد  همچون  یک طوطی بسیار ماهر فکر کنید. می تواند الگوهای پیچیده را تقلید کند، محتوای متنوعی تولید کند و گهگاه ما را با خروجی هایی شگفت زده کند که به طور خلاقانه ای درخشان به نظر می رسند. با این حال، مانند یک طوطی، Generative AI واقعاً محتوایی را که ایجاد می کند، “درک” نمی کند. با هضم مجموعه داده‌های بزرگ و پیش‌بینی آنچه بعداً می‌آید عمل می‌کند، چه کلمه بعدی در یک جمله باشد یا خط بعدی در یک نقاشی دیجیتال.

برای مثال، زمانی که هوش مصنوعی مولد شعری درباره عشق می‌نویسد، از هیچ مخزن عمیق و احساسی استفاده نمی‌کند. در عوض، بر پایگاه داده وسیعی از کلمات و عبارات متکی است که معمولاً با عشق در نوشته‌های انسانی مرتبط است. این امر آن را برای کارهایی مانند تهیه پیش نویس مقالات در مورد اقتصاد جهانی یا تولید کپی بازاریابی عالی می کند، زیرا می تواند به طور متقاعد کننده ای نثری شبیه انسان را بر اساس اطلاعاتی که روی آن آموزش دیده است تقلید کند. با این حال، فاقد توانایی درک تجربیات پیچیده انسانی یا انجام وظایفی است که به طور خاص برای انجام آنها برنامه ریزی نشده است، مانند مدیریت مالیات یا استراتژی سیاست های اقتصادی.

هوش عمومی مصنوعی (AGI) :

AGI یا هوش عمومی مصنوعی نشان‌دهنده یک جهش نظری در زمینه هوش مصنوعی است که هدف آن ایجاد ماشین‌هایی است که کار هایی بسیار فرا تر از انجام وظایف انجام می‌دهند . آن‌ها می‌توانند درک کنند، نوآوری کنند و سازگار شوند. مفهوم AGI تقلید همه جانبه توانایی‌های شناختی انسان است و ماشین‌ها را قادر می‌سازد تا مجموعه وسیعی از وظایف، مثل رانندگی ماشین‌ها تا تشخیص‌های پزشکی را بیاموزند و اجرا کنند. برخلاف هر چیزی در فناوری فعلی، AGI نه تنها اعمال انسان را تکرار می کند، بلکه پیچیدگی ها و زمینه های آن اقدامات را نیز درک می کند.

با این حال، درک این نکته ضروری است که AGI هنوز وجود ندارد و موضوع بحث و گمانه زنی قابل توجهی در جامعه علمی باقی مانده است. برخی از کارشناسان بر این باورند که ایجاد AGI به لطف پیشرفت های سریع در فناوری می تواند در گوشه و کنار باشد، در حالی که برخی دیگر استدلال می کنند که AGI واقعی ممکن است هرگز به دلیل چالش های غیرقابل عبور اخلاقی، فنی و فلسفی به دست نیاید.

چالش های فنی پیش روی AGI

توسعه AGI با موانع فنی متعددی مواجه است که اساساً متفاوت و پیچیده تر از موانعی هستند که در ایجاد هوش مصنوعی مولد با آن مواجه می شوند. یکی از چالش های اصلی توسعه درک زمینه و تعمیم است. برخلاف هوش مصنوعی مولد، که در محدوده مجموعه داده‌های خاص عمل می‌کند، AGI باید به طور مستقیم درک کند که چگونه قطعات مختلف اطلاعات در حوزه‌های مختلف با یکدیگر مرتبط هستند. این نه تنها به قدرت پردازش نیاز دارد، بلکه به یک مدل پیچیده از شناخت مصنوعی نیاز دارد که می‌تواند توانایی انسان برای ارتباط ایده‌ها و تجربیات متفاوت را تقلید کند.

چالش مهم دیگر ادراک حسی و تعامل با دنیای فیزیکی است. برای اینکه AGI واقعاً مانند یک انسان عمل کند، باید محیط خود را به شیوه ای کل نگر درک کند. تفسیر بصری، شنیداری و سایر داده های حسی برای تصمیم گیری آگاهانه بر اساس ورودی های زمان واقعی. این نه تنها شامل تشخیص اشیا و صداها می شود، بلکه درک اهمیت آنها در یک زمینه گسترده تر است، وظیفه ای که سیستم های هوش مصنوعی فعلی با آن دست و پنجه نرم می کنند.

علاوه بر این، هوش عمومی مصنوعی  باید بتواند از اطلاعات محدود بیاموزد و این یادگیری را به صورت تطبیقی ​​در موقعیت های مختلف به کار گیرد. این مفهوم که به عنوان یادگیری انتقالی شناخته می شود، کاری است که انسان به طور طبیعی انجام می دهد، اما تکرار آن در ماشین ها فوق العاده دشوار است. مدل‌های هوش مصنوعی کنونی برای یادگیری مؤثر به حجم وسیعی از داده‌ها نیاز دارند و عموماً در به کار بردن آنچه در یک زمینه یاد گرفته‌اند، بدون بازآموزی گسترده، ضعیف هستند.

تمایزات کلیدی بین هوش مصنوعی مولد و AGI :

برای درک کامل پتانسیل تحول آفرین هوش مصنوعی، درک تفاوت های اساسی بین هوش مصنوعی مولد و AGI ضروری است. در اینجا تفاوت های اصلی وجود دارد:

(Capability) قابلیت : هوش مصنوعی مولد در تکرار برتری دارد و در تولید محتوا بر اساس الگوهای آموخته شده و مجموعه داده ماهر است. می تواند نتایج چشمگیری را در محدوده خاص خود ایجاد کند، اما از برنامه ریزی خود فراتر نمی رود. از سوی دیگر، هدف AGI این است که یک نیروگاه نوآوری باشد که قادر به درک و حل خلاقانه مشکلات در زمینه های مختلف است، بسیار شبیه به یک انسان.

(Understanding) درک : هوش مصنوعی مولد بدون هیچ درک واقعی از خروجی آن عمل می کند. از مدل ها و الگوریتم های آماری برای پیش بینی و تولید نتایج بر اساس داده های قبلی استفاده می کند. در مقابل، AGI باید یک درک واقعی از دنیای اطراف خود ایجاد کند، ارتباطاتی ایجاد کند و بینشی داشته باشد که در حال حاضر فراتر از دسترس هر سیستم هوش مصنوعی است.

(Application) کاربرد : امروزه هوش مصنوعی مولد به طور گسترده در صنایع برای افزایش بهره وری انسان و پرورش خلاقیت، انجام وظایفی از پردازش داده های ساده تا ایجاد محتوای پیچیده استفاده می شود. با این حال،  AGI یک هدف مفهومی باقی می ماند. در صورت تحقق، می تواند با انجام مستقل هر وظیفه فکری که یک انسان می تواند  انجام دهد و به طور بالقوه بازتعریف نقش ها در هر بخش، جامعه را متحول کند.

پیامدهای اخلاقی و اجتماعی

تمایز بین این فناوری‌ها فقط فنی نیست. اساساً اخلاقی است. هوش مصنوعی مولد، در حالی که متحول کننده است، سؤالاتی را در مورد اصالت و مالکیت معنوی ایجاد می کند. با این حال، AGI  تحقیقات عمیق‌تری را در مورد ماهیت آگاهی، حقوق ماشین‌های حساس، و پتانسیل تأثیرات بی‌سابقه‌ای بر اشتغال و ساختارهای اجتماعی ایجاد می‌کند.

هر دو شکل هوش مصنوعی نیازمند مقررات و آینده نگری دقیق هستند. توسعه مستمر و تحقق بالقوه AGI باید با چشم‌اندازی متعادل و با در نظر گرفتن مزایای بی‌شمار و خطرات قابل توجه مورد بررسی قرار گیرد.

سفر از هوش مصنوعی مولد به AGI صرفاً یکی از پیچیدگی‌های فزاینده نیست، بلکه یک تغییرالگو در نحوه تعامل ما با ماشین‌ها است. همانطور که پیشرفت می کنیم، درک این تمایزات برای استفاده مسئولانه از پتانسیل آنها بسیار مهم خواهد بود. با وجود هوش مصنوعی مولد که قابلیت‌های ما را افزایش می‌دهد و AGI به طور بالقوه آنها را بازتعریف می‌کند، رویکرد ما به آینده فناوری باید به اندازه هوشی که می‌خواهیم ایجاد کنیم، سازگار و نوآور باشد.