دمیس حسابیس، مدیرعامل گوگل دیپ‌مایند، تازگی‌ها توی پادکست «یادداشت‌های انتشار هوش مصنوعی گوگل» یا همون Google AI: Release Notes شرکت کرده و با میزبان برنامه، لوگان کیلپاتریک، گپ زده. بحث اصلی سر این بوده که پیشرفت‌هایی مثل Genie 3 و بهتر شدن روش‌های ارزیابی، چطور دارن آینده هوش مصنوعی رو شکل میدن. توی این گفتگو، به قابلیت‌های جدیدی مثل Deep Think توی مدل Gemini 2.5 و پلتفرم جدید Game Arena روی Kaggle هم اشاره شده که به عنوان معیاری برای نزدیک‌تر شدن صنعت به هوش عمومی مصنوعی (AGI) استفاده میشه.
خلاصه
- مدیرعامل گوگل دیپ‌مایند، دمیس حسابیس، تو یه پادکست گفته هوش عمومی مصنوعی (AGI) تو ۵ تا ۱۰ سال آینده از راه میرسه.
- مشکل اصلی رسیدن هوش مصنوعی به سطح انسان، پایداری و ثبات مدلاست؛ یعنی ممکنه تو یه کار خیلی سخت عالی باشن ولی تو یه کار ساده اشتباه کنن.
- برای حل این مشکل، فقط بزرگ کردن مدل‌ها با داده و قدرت محاسباتی بیشتر کافی نیست؛ نیاز به بهبود تو استدلال، برنامه‌ریزی و حافظه هست.
مشکل اصلی هوش مصنوعی برای رسیدن به سطح انسان چیه؟
به گفته دمیس حسابیس، اصلی‌ترین چیزی که جلوی رسیدن هوش مصنوعی به هوش عمومی مصنوعی (AGI) رو گرفته، یک کلمه است: پایداری و ثبات. اون در یک پادکست دیگه توضیح داده که مدل‌های پیشرفته‌ای مثل جمینای گوگل، با وجود اینکه میتونن توی المپیاد جهانی ریاضی مدال طلا بگیرن، هنوزم ممکنه توی حل مسائل ریاضی دبیرستان اشتباه‌های ساده‌ای بکنن.
اون این مدل‌ها رو «هوش‌های ناهموار» یا «هوش‌های بریده بریده» توصیف میکنه و میگه: «نباید اینقدر راحت باشه که یه ادم معمولی بتونه یه ایراد پیش پا افتاده توی سیستم پیدا کنه». به نظر حسابیس، این مدل‌ها توی بعضی زمینه‌ها خیلی خوب عمل میکنن، اما توی زمینه‌های دیگه ضعف‌هاشون خیلی راحت مشخص میشه. ساندار پیچای، مدیرعامل گوگل، هم نظر مشابهی داره و از اصطلاح «هوش مصنوعی بریده بریده» یا AJI برای توصیف این وضعیت استفاده کرده.
حسابیس معتقده که برای حل این مشکل، فقط بزرگ‌تر کردن مدل‌ها با داده‌ها و قدرت محاسباتی بیشتر کافی نیست. به گفته اون، «بعضی قابلیت‌های گمشده در زمینه استدلال، برنامه‌ریزی و حافظه» وجود داره که باید حل بشن. اون همچنین به نیاز صنعت به تست‌های بهتر و «معیارهای جدید و سخت‌تر» اشاره کرده تا دقیقا مشخص بشه که این مدل‌ها در چه چیزی خوب هستن و در چه چیزی ضعف دارن. با این حال، حسابیس پیش‌بینی میکنه که هوش عمومی مصنوعی «در پنج تا ده سال آینده» از راه میرسه.
سام آلتمن، مدیرعامل OpenAI، هم دیدگاه مشابهی در مورد مدل جدیدشون یعنی GPT-5 داره. اون گفته که با اینکه این مدل یک پیشرفت بزرگه، هنوز به هوش عمومی مصنوعی واقعی نرسیده. آلتمن یکی از دلایلش رو این میدونه که مدل هنوز قابلیت یادگیری مستقل و مداوم از اطلاعات جدیدی که باهاش روبرو میشه رو نداره.
مسابقه هوش مصنوعی و جنگ بر سر استعدادها
دمیس حسابیس در پادکست لکس فریدمن به ولخرجی‌های چند میلیارد دلاری شرکت متا برای استخدام متخصص‌های هوش مصنوعی هم اشاره کرده. به نظر اون، این کار نشون میده که متا داره تلاش میکنه تا خودش رو به رقبا توی این مسابقه برسونه. حسابیس گفته که متا «در خط مقدم نیست» و به همین دلیل، استخدام استعدادهای برتر میتونه این فاصله رو کم کنه. اون گفته: «کاری که دارن میکنن از دید خودشون احتمالا منطقیه، چون عقب هستن و باید یه کاری بکنن».
این تلاش‌ها که توسط مارک زاکربرگ، مدیرعامل متا، هدایت میشه، شامل پیشنهادهای مالی خیلی سنگین به چهره‌های سرشناس حوزه هوش مصنوعی بوده. برای مثال، سام آلتمن ماه گذشته گفته بود که متا تلاش کرده محقق‌های هوش مصنوعی رو با پاداش‌های ثبت قرارداد تا ۱۰۰ میلیون دلار جذب کنه.
یک مورد دیگه، پیشنهاد متا برای خرید استارتاپی بود که توسط میرا موراتی، مدیر ارشد فناوری سابق OpenAI، راه اندازی شده بود. بر اساس گزارش‌های وال استریت ژورنال، این پیشنهاد رد شد و بعد از اون، کارمندهای اون استارتاپ با پیشنهادهای شغلی زیادی از طرف متا روبرو شدن. طبق گفته منابع آگاه به وال استریت ژورنال، پیشنهادی که به یکی از بنیان‌گذاران، اندرو تولوک، داده شده بود، شامل یک پکیج یک میلیارد دلاری بود که با در نظر گرفتن پاداش‌ها در طول شش سال میتونست به بیش از ۱.۵ میلیارد دلار برسه.
در ماه ژوئن، متا از راه‌اندازی «آزمایشگاه‌های فرا هوش متا» (Meta Superintelligence Labs) خبر داد. این بخش جدید قراره روی توسعه مدل‌های پایه جدید، از جمله سری مدل‌های Llama، کار کنه. رهبری این واحد به دست چهره‌های سرشناسی مثل الکساندر ونگ، مدیرعامل سابق Scale AI، و نت فریدمن، مدیرعامل سابق گیت‌هاب، سپرده شده. ونگ بعد از سرمایه‌گذاری ۱۴.۳ میلیارد دلاری متا در استارتاپ Scale AI به این شرکت پیوست.
با این حال، حسابیس به یک چالش برای متا اشاره میکنه و میگه خیلی از محقق‌ها فقط به پول فکر نمیکنن و دنبال این هستن که «این فناوری رو به شکل امنی به دنیا هدایت کنن». اون اضافه کرده: «چیزهای مهم‌تری از فقط پول وجود داره. البته باید به افراد به اندازه نرخ بازار پرداخت کرد و این نرخ‌ها هم مدام در حال افزایشه».
بازار داغ متخصص‌های هوش مصنوعی
این رقابت برای جذب استعداد فقط محدود به شرکت‌های بزرگ نیست و شرکت‌های دیگه در صنایع مختلف هم با کمبود شدید نیروی کار ماهر در زمینه هوش مصنوعی روبرو هستن.
- یک تحقیق از آمازون وب سرویسز (AWS) در اوایل سال ۲۰۲۴ نشون داد که بعضی از کارفرماها حاضرن برای کارمندانی که تخصص مرتبط با هوش مصنوعی دارن، ۳۱ درصد حقوق بیشتری پرداخت کنن.
- همین تحقیق نشون داد که کارمندانی با سابقه تحقیق و توسعه هم ۳۰ درصد حقوق بیشتری دریافت میکنن.
- کارمندانی که مهارت هوش مصنوعی در زمینه‌هایی مثل بازاریابی، مالی و فروش دارن هم میتونن انتظار افزایش حقوق ۲۷ درصدی داشته باشن.
- تحقیق مشابهی از سایت Indeed در فوریه ۲۰۲۴ نشون داد که کارمندان با مهارت‌های هوش مصنوعی میتونن تا ۴۷ درصد بیشتر از بقیه حقوق بگیرن.
این افزایش حقوق‌ها به بودجه شرکت‌ها هم فشار میاره. یک تحلیل از شرکت CloudZero میگه در حالی که سرمایه‌گذاری روی این فناوری به شدت در حال افزایشه، هزینه‌های بالای حقوق متخصص‌ها برای بعضی شرکت‌ها به یک چالش تبدیل شده. در نظرسنجی این شرکت، ۳۵ درصد از شرکت‌ها گفتن که افزایش هزینه‌های حقوق یکی از بزرگ‌ترین موانع برای پر کردن جای خالی نیروهای متخصص هوش مصنوعیه. بر اساس این مطالعه، حقوق‌های معمولی در این حوزه از ۱۰۰ هزار دلار شروع میشه و یک چهارم متخصص‌ها بین ۱۵۰ هزار تا ۲۰۰ هزار دلار درآمد دارن.
دیدگاهتان را بنویسید