دره سیلیکون میدان نبرد دو دیدگاه متفاوت درباره آینده هوش مصنوعی شده است. در یک سمت، گوگل و «دمیس هاسابیس» ایستادهاند که معتقدند راه رسیدن به هوش فراانسانی، تزریق داده و قدرت محاسباتی بیشتر است. در سمت دیگر، منتقدانی مانند «یان لکان» از متا قرار دارند که میگویند این روش به بنبست میخورد. هاسابیس، مدیرعامل گوگل دیپمایند، در سخنرانی اخیر خود اعلام کرد که باید قانون مقیاسدهی را تا آخرین حد ممکن پیش برد.
به گزارش بیزینساینسایدر، هاسابیس بر این باور است که قانون مقیاسدهی مهمترین جزء پیشرفت هوش مصنوعی فعلی است. طبق این قانون، هرچه داده و قدرت پردازشی بیشتری به مدل بدهیم، هوشمندتر میشود. او پس از موفقیت مدل جمینای ۳ گفت: «ما باید مقیاسدهی سیستمهای فعلی را به حداکثر برسانیم، زیرا این حداقل یکی از اجزای مهم (و شاید تمام) سیستم نهایی هوش جامع مصنوعی (AGI) خواهد بود.» از نظر او، حتی اگر بزرگترکردن مدلها به تنهایی کافی نباشد، چارهای نداریم جز اینکه این مسیر را تا انتها برویم تا ببینیم سقف توانایی مدلهای زبانی کجاست.
هدف نهایی تمام این تلاشها، رسیدن به AGI است؛ نسخهای از هوش مصنوعی که بهلحاظ نظری میتواند مانند انسان (یا بهتر از او) استدلال کند و هر کار ذهنی را انجام دهد. هاسابیس معتقد است که افزایش مقیاس احتمالاً ما را به AGI میرساند، اما شاید به «یک یا دو نوآوری» دیگر هم در کنار آن نیاز داشته باشیم. این رقابت باعث شده شرکتها میلیاردها دلار صرف زیرساختهای دیتاسنتری کنند.
در جبهه مقابل، محققانی مثل یان لکان، دانشمند ارشد متا، معتقدند که بزرگکردن مدلهای زبانی راه به جایی نمیبرد. استدلال مخالفان بر دو پایه استوار است: دادههای عمومی اینترنت محدود است و نمیتوان تا ابد مدلها را با داده بیشتر تغذیه کرد. همچنین گزارشها نشان میدهد که اخیراً تزریق سرمایههای هنگفت، جهش هوشی کمتری نسبت به قبل در مدلها ایجاد کرده است.
لکان میگوید: «نمیتوانید فرض کنید که داده و محاسبات بیشتر، لزوماً به معنای هوش بیشتر است.» او معتقد است آینده در «مدلهای جهانی» (World Models) است؛ سیستمهایی که فیزیک جهان و روابط علت و معلولی را درک میکنند، نه اینکه فقط کلمه بعدی را حدس بزنند.
