متا هفته گذشته از سرمایه‌گذاری ۱۴ میلیارد و ۳۰۰ میلیون دلاری در استارتاپ هوش مصنوعی Scale AI خبر داد که هسته اصلی یک آزمایشگاه تحقیقاتی جدید در حوزه هوش مصنوعی خواهد بود. این آزمایشگاه ظاهراً قرار است با هدف دستیابی به ابرهوش مصنوعی راه‌اندازی شود.
به گزارش نیویورک تایمز، رهبری این آزمایشگاه جدید بر عهده «الکساندر وانگ»، هم‌بنیان‌گذار و مدیرعامل Scale AI، خواهد بود. متا در چارچوب توافقی برای آوردن وانگ به شرکت، در استارتاپ او نیز سرمایه‌گذاری کرده است.
به گفته منابع آگاه، متا برای جذب استعدادهای برتر هوش مصنوعی و افرادی که قرار است در این آزمایشگاه‌ها مشغول به کار شوند بسته‌های تشویقی تا ۱۰۰ میلیون دلار در نظر گرفته است.
اما انتشار خبر راه‌اندازی این آزمایشگاه توسط متا باعث شده بسیاری از مردم این پرسش را مطرح کنند که دقیقاً هدف یک آزمایشگاه ابرهوش مصنوعی چیست و قرار است چه کاری انجام دهد. در ادامه به این سؤالات خواهیم پرداخت.
درحال‌حاضر شرکت‌هایی مانند OpenAI و گوگل قصد دارند به هوش جامع مصنوعی (AGI) دست پیدا کنند. این مفهوم به ماشینی اشاره دارد که می‌تواند هر کاری را که مغز انسان می‌تواند انجام دهد.
دستیابی به هوش جامع مصنوعی هدفی بسیار بلندپروازانه است و هنوز مسیر مشخصی برای رسیدن به آن وجود ندارد. بسیاری از رهبران فناوری معتقدند این نقطه عطف چندان دور نیست اما چون تعریف هوش جامع مصنوعی بسیار مبهم و گسترده است، مشخص نیست دقیقاً چه زمانی بتوان گفت به آن دست یافته‌ایم.
حالا بسیاری از رهبران سیلیکون‌ولی از هدف دستیابی به ابرهوش مصنوعی صحبت می‌کنند. این اصطلاح نیز تعریف دقیقی ندارد اما درکل می‌توان گفت ابرهوش مصنوعی به ماشینی اشاره دارد که از نظر توانایی‌های شناختی از مغز انسان قدرتمندتر است.
بله. «ایلیا سوتسکِوِر»، دانشمند ارشد سابق شرکت OpenAI، شرکتی با نام Safe Superintelligence تأسیس کرده است. مأموریت این شرکت خصوصی دستیابی به ابرهوش مصنوعی است و گفته زمانی این فناوری را منتشر خواهد کرد که مطمئن شود کاملاً ایمن است.
ایلیا سوتسکِوِر ازجمله کسانی است که باور دارد هوش مصنوعی قدرتمند می‌تواند تهدیدی برای بشریت باشد.
واقعیت این است که هیچ‌کس با قطعیت نمی‌داند هوش جامع مصنوعی چه زمانی تحقق خواهد یافت و اصلاً دستیابی به آن ممکن است یا نه اما بسیاری از چهره‌های صنعت فناوری ادعا می‌کنند به آن نزدیک شده‌اند.
«سم آلتمن»، مدیرعامل OpenAI، به دونالد ترامپ گفته بود هوش جامع مصنوعی تا پایان دوره ریاست‌جمهوری او محقق خواهد شد. همچنین «داریو آمودی»، مدیرعامل شرکت Anthropic، گفته دستیابی به AGI ظرف یک تا ۲ سال آینده رخ خواهد داد. البته هنوز در عمل هیچ مدرک قطعی و محکمی برای تأیید این پیش‌بینی‌ها وجود ندارد.
همچنین باید این نکته را نیز یادآور شد اندازه‌گیری هوش کار بسیار سختی است. ما حتی هنوز نتوانسته‌ایم درباره چگونگی ارزیابی هوش انسانی به توافق برسیم چه برسد به مقایسه هوش انسان با ماشین.
به این دلیل که شرکت‌های هوش مصنوعی مانند OpenAI با واردکردن حجم زیادی از داده به مدل‌های خود توانسته‌اند توانایی این مدل‌ها در حل مسائل مختلف را بهبود ببخشند. برخی پژوهشگران فناوری معتقدند اگر این روند ادامه پیدا کند، درنهایت به هوش جامع مصنوعی ختم خواهد شد.
شاید، شرکت‌های هوش مصنوعی در ماه‌های اخیر تقریباً تمام متون انگلیسی موجود در اینترنت را برای بهبود مدل‌های خود مصرف کرده‌اند؛ به همین دلیل این شرکت‌ها برای آموزش مدل‌ها به روش جدیدی به نام یادگیری تقویتی (Reinforcement Learning) روی آورده‌اند که در آن سیستم‌ها از طریق آزمون‌وخطا یاد می‌گیرند.
دراین‌میان، اختلاف‌نظرهایی وجود دارد که این روش واقعاً به دستیابی به هوش جامع مصنوعی ختم می‌شود یا خیر. یکی از مقالات اخیر شرکت اپل که با همکاری دانشگاه ایالتی آریزونا تهیه شده اشاره می‌کند دقت سیستم‌های هوش مصنوعی جدید ممکن است با انجام مراحل مختلف حل مسئله کاهش یابد. این یافته شاید نشان‌دهنده این باشد که روند پیشرفت منظم و پیوسته صنعت فناوری ممکن است کند شود.
«سابارائو کامبامپاتی»، استاد و پژوهشگر هوش مصنوعی در دانشگاه ایالتی آریزونا، می‌گوید این ابزارها فوق‌العاده هستند اما او باور ندارد که ما به دستیابی به هوش جامع مصنوعی نزدیک شده‌ایم؛ زیرا با این ابزارها همیشه به حضور انسان نیاز است.
متا اولین آزمایشگاه هوش مصنوعی خود را سال ۲۰۱۳ راه‌اندازی کرد. آن زمان رقابت در حوزه هوش مصنوعی در مراحل ابتدایی قرار داشت. پاییز همان سال، گوگل و متا (آن زمان فیس‌بوک نام داشت) تلاش‌های خود برای خرید استارتاپ مهم هوش مصنوعی به نام دیپ‌مایند را آغاز کردند و گوگل درنهایت توانست این استارتاپ را تصاحب کند. دیپ‌مایند اکنون هسته اصلی تلاش‌های هوش مصنوعی گوگل است.
متا بعد از این شکست تصمیم گرفت آزمایشگاه هوش مصنوعی اختصاصی خود را راه‌اندازی کند. زاکربرگ مدیریت این آزمایشگاه را به «یان لکان»، یکی از پیشگامان شبکه‌های عصبی و استاد دانشگاه نیویورک، سپرد.
شبکه عصبی سیستم ریاضیاتی است که از طریق تحلیل حجم عظیمی از داده‌های دیجیتال می‌تواند برخی مهارت‌ها را یاد بگیرد؛ برای مثال، شبکه عصبی با شناسایی الگوها در هزاران عکس گربه می‌تواند یاد بگیرد گربه را تشخیص دهد. شبکه عصبی بخشی کلیدی از چت‌بات‌های هوش مصنوعی است.
سال ۲۰۱۳، شبکه‌های عصبی در تشخیص صدا و تصویر پیشرفت کرده بودند؛ به گونه‌ای که دستیارهای دیجیتال مانند سیری می‌توانستند کلمات را تشخیص دهند و خودروهای بدون راننده می‌توانستند عابران پیاده و علائم راهنمایی‌ورانندگی را شناسایی کنند. این فناوری درنهایت به ساخت چت‌بات‌های امروزی منجر شد.
بله. چت‌بات اختصاصی متا با نام Meta AI روانه بازار شده است. متا به‌دلیل سابقه طولانی در حوزه هوش مصنوعی توانست به‌سرعت به عرضه ChatGPT واکنش نشان دهد. این شرکت توانست به‌سرعت سیستم هوش مصنوعی مولد عرضه کند که فناوری‌های مشابه را در بسیاری از خدمات آنلاین ارائه می‌داد.
همچنین متا با متن‌باز کردن فناوری‌های کلیدی توانست روند توسعه هوش مصنوعی خود را شتاب ببخشد. این غول فناوری کدهای پایه این فناوری‌ها را رایگان در اختیار توسعه‌دهندگان نرم‌افزار و شرکت‌های دیگر قرار داد. اگرچه این کار در صنعت فناوری رایج است، بسیاری از شرکت‌های پیشرو در هوش مصنوعی تمایلی به متن‌باز کردن قدرتمندترین فناوری‌های خود ندارند.
جدیدترین مدل متا یعنی Llama 4 نتوانسته انتظارات را برآورده کند و مانند سیستم‌های رقیب OpenAI و گوگل قدرتمند ظاهر شود. علاوه‌براین، متا با مشکلاتی مانند ازدست‌دادن کارکنان کلیدی و مسائل مدیریتی مرتبط با این فناوری نیز دست و پنجه نرم می‌کند؛ بنابراین تشکیل تیمی تازه دور از ذهن نبوده است.
مارک زاکربرگ، مدیرعامل متا، شخص جاه‌طلبی است و نگران است از سایر غول‌های فناوری در حوزه هوش مصنوعی عقب بیفتد. آزمایشگاه جدید متا بخشی از تلاش‌های این شرکت برای جذب استعدادهای هوش مصنوعی است. متا در مواردی حتی بسته‌های تشویقی به ارزش ۱۰۰ میلیون دلار ارائه داده است.
متا ممکن است نتواند فقط با وعده‌های مالی بهترین استعدادها را جذب کند. پژوهشگران برجسته هم‌اکنون میلیون‌ها دلار در سال درآمد دارند و می‌خواهند روی جاه‌طلبانه‌ترین پروژه‌ها کار کنند؛ به همین دلیل متا از عنوان ابرهوش مصنوعی استفاده می‌کند. دکتر کامبامپاتی می‌گوید: «منبع این اصطلاحات برای هیچ‌کس مشخص نیست. این واژه‌ها بیشتر به موضوعی تجاری، برندینگ و تبلیغات تبدیل شده‌اند تا موضوعی فنی.»
