Ντέμης Χασάμπης: Το μεγαλύτερο εμπόδιο που κρατά την Τεχνητή Νοημοσύνη μακριά από το επόμενο βήμα

Η πορεία της τεχνητής νοημοσύνης προς την Γενική Τεχνητή Νοημοσύνη (AGI) έχει προσελκύσει πρωτόγνωρο ενδιαφέρον μεταξύ των επαγγελματιών του χώρου, καθώς και του ευρύτερου κοινού. Ο CEO της Google DeepMind, Ντέμης Χασάμπης, μιλώντας στο vidcast “Release Notes” στο κανάλι Google for Developers, ανέδειξε ένα θεμελιώδες εμπόδιο που κρατά την τεχνολογία μακριά από τον «ιερό δισκοπότηρο» της πραγματικής νοημοσύνης: την ασυνέπεια στην απόδοση των σημερινών συστημάτων.

Παρά τις εντυπωσιακές δυνατότητες μοντέλων όπως το Google Gemini, τα οποία διαπρέπουν σε απαιτητικά τεστ και επιστημονικές διακρίσεις, αδυνατούν να διατηρήσουν το επίπεδο τους σε πιο απλά, καθημερινά ζητήματα, όπως η επίλυση σχολικών μαθηματικών ασκήσεων. Αυτή η ετερογένεια ονομάζεται “Artificial Jagged Intelligence (AJI)”, όρος του CEO της Google, Σούνταρ Πιτσάι, που περιγράφει μια «ανώμαλη» νοημοσύνη με μέγιστες επιδόσεις σε ορισμένες αυστηρά εξειδικευμένες περιοχές, αλλά απογοητευτική αδυναμία σε άλλες, βασικές λειτουργίες.

Η DeepMind υπογραμμίζει πως η υπέρβαση αυτής της ασυνέπειας δεν είναι ζήτημα απλής αύξησης των δεδομένων ή της ισχύος των υπολογιστών. Το κρίσιμο βήμα απαιτεί πρόοδο σε τρεις καίριους τομείς: συνεπή και ευέλικτη λογική σκέψη, μακροπρόθεσμο σχεδιασμό και μνήμη που να επιτρέπει στα συστήματα όχι απλώς την αποστήθιση, αλλά τη δυναμική μάθηση από τα λάθη τους και την εμπειρία. Η ανάγκη για νέα, πιο απαιτητικά benchmarks στις δοκιμές των μοντέλων χαρακτηρίζεται ως απαραίτητη, ώστε να αποτυπώνεται η πραγματική τους ικανότητα και να μην περιορίζονται σε «φτιασιδωμένες» επιτυχίες εντός των ορίων της εκπαίδευσης.

Η συζήτηση περί ασυνέπειας δεν αφορά μόνο τη DeepMind. Ο Σαμ Άλτμαν της OpenAI και άλλα κορυφαία στελέχη επισημαίνουν πως, παρά την ακρίβεια και ταχύτητα των τωρινών μοντέλων, αυτά παραμένουν επιρρεπή σε παραπληροφόρηση, λάθος απαντήσεις και αδυναμία γενίκευσης εικόνας εκτός πεδίου εκπαίδευσης. Καθώς λείπει η συνεχής μάθηση και η έμφυτη ευελιξία της ανθρώπινης σκέψης, το AGI δείχνει ακόμη μακρινό.

Η προοπτική για το επόμενο βήμα της τεχνητής νοημοσύνης αφορά όχι μόνο την αναβάθμιση των υπαρχόντων μοντέλων, αλλά και την ενσωμάτωση υβριδικών προσεγγίσεων που θα συνδυάζουν στατιστική ανάλυση με συμβολική νοημοσύνη, αξιοποιώντας τη διεπιστημονική τεχνογνωσία από νευροεπιστήμονες, ψυχολόγους και μηχανικούς. Ο τελικός σκοπός παραμένει: μια ευρεία, συνεκτική νοητική λειτουργία συμβατή με την ανθρώπινη λογική, η οποία θα αποτελέσει το σημείο αναφοράς για την πραγματική AGI.

Η «ασυνέπεια» αποτυπώνεται ως το μεγάλο επιστημονικό και τεχνολογικό στοίχημα του κλάδου και το μεγάλο μέτρο αξιολόγησης για όλους τους επαγγελματίες του χώρου.