پیش‌بینی غافلگیرکننده رئیس دیپ‌مایند گوگل: هوش عمومی مصنوعی (AGI) تا سال ۲۰۲۸ از راه می‌رسد

رقابت برای ساخت هوش مصنوعی با قابلیت تفکر انسان‌گونه، با سرعتی فراتر از انتظارات اولیه به پیش می‌رود.

دمیس هاسابیس، هم‌بنیان‌گذار گوگل دیپ‌مایند (Google DeepMind)، اکنون بر این باور است که هوش عمومی مصنوعی یا همان AGI می‌تواند تنها ظرف ۲ تا ۳ سال آینده محقق شود؛ موضوعی که دستیابی به هوش هم‌تراز با انسان را تا سال ۲۰۲۸ در دسترس قرار می‌دهد.

این دانشمند پیشگام هوش مصنوعی و برنده جایزه نوبل، در گفت‌وگو با نشریه وال‌استریت ژورنال، بازه زمانی پیش‌بینی قبلی خود را که ۳ تا ۵ سال اعلام شده بود، به‌شکل محسوسی کوتاه‌تر کرد.

هاسابیس در این مصاحبه تأکید کرد: «این اتفاق به‌زودی رخ می‌دهد و ارزیابی‌های من مدام به زمان حال نزدیک‌تر و نزدیک‌تر می‌شوند.»

این اظهارنظر از زبان یکی از کلیدی‌ترین چهره‌های پشت پرده مدل‌های Gemini گوگل، بیانیه‌ای بسیار تأمل‌برانگیز است؛ اما هم‌زمان یک پرسش اساسی‌تر را به میان می‌آورد: اگر هوش مصنوعی تا رسیدن به سطحی هم‌تراز با هوش انسان تنها ۲ سال فاصله دارد، چرا فناوری کنونی هنوز در انجام برخی کارهای به‌ظاهر ساده با چالش روبه‌رو است؟

چرا مدیر هوش مصنوعی گوگل جدول زمانی خود را جلو انداخته است؟

هاسابیس سال‌ها است که زمان ظهور AGI را پیش‌بینی می‌کند، اما برآوردهای او اخیراً جسورانه‌تر و شتاب‌زده‌تر شده‌اند.

او در دسامبر ۲۰۲۵ در گفت‌وگو با آکسیوس اظهار کرده بود که شاید همچنان ۵ تا ۱۰ سال تا هوش عمومی مصنوعی فاصله داشته باشیم، اما در مه ۲۰۲۶ اشاره کرد که این پدیده ممکن است حوالی سال ۲۰۳۰ یا حتی زودتر به واقعیت تبدیل شود.

اکنون او این نقطه عطف را برای سال‌های ۲۰۲۸ یا ۲۰۲۹ پیش‌بینی می‌کند.

بخش عمده‌ای از این اطمینان روزافزون به جهش بزرگ شرکت‌های هوش مصنوعی در حوزه «ایجنت‌های خودران» (Autonomous Agents) برمی‌گردد. این سیستم‌ها برخلاف چت‌بات‌های سنتی که صرفاً منتظر دریافت دستور کاربر می‌مانند، می‌توانند وظایف چندمرحله‌ای را پیش ببرند، از ابزارهای مختلف استفاده کنند و در طول مسیر تصمیم‌گیری‌های لازم را انجام دهند.

هاسابیس پس از رویداد Google I/O در ماه مه به آکسیوس گفت که ایجنت‌های امروزی در واقع حکم یک تمرین آزمایشی را برای ورود به دنیای AGI ایفا می‌کنند.

او همچنین اذعان کرد که استفاده از این ادبیات هشداردهنده و فوری، تلاشی است برای ترغیب دولت‌ها، اقتصاددانان و عموم جامعه تا این فناوری نوظهور و تحولات ناشی از آن را جدی‌تر بگیرند.

هوش مصنوعی پیش از آنکه مانند انسان فکر کند، چه کمبودهایی دارد؟

به‌رغم توانمندی‌های شگفت‌انگیز ChatGPT، Gemini و Claude، سیستم‌های هوش مصنوعی کنونی از نظر انعطاف‌پذیری و قابلیت اطمینان، هنوز فرسنگ‌ها با هوش انسانی فاصله دارند.

هاسابیس در جریان مصاحبه‌ای با شتاب‌دهنده Y Combinator، به چند چالش بنیادین اشاره کرد که پژوهشگران همچنان باید راه‌حلی برای آن‌ها پیدا کنند.

نخستین چالش «یادگیری مداوم» (Continuous Learning) است. انسان‌ها از تجربیات جدید درس می‌گیرند و آن دانش را در موقعیت‌های بعدی به کار می‌بندند؛ در مقابل، مدل‌های هوش مصنوعی با هر بار برخورد با یک پدیده تازه، دانش بنیادین خود را به‌شکل خودکار به‌روزرسانی نمی‌کنند.

چالش دیگر به «حافظه» مربوط می‌شود. دستیارهای هوش مصنوعی حتی با وجود پنجره‌های زمینه (کانتکست) بسیار بزرگ، همچنان ممکن است سرنخ اطلاعات کلیدی را گم کنند یا در اتصال دادن جزئیات پراکنده در طول گفت‌وگوها و تسک‌های طولانی دچار مشکل شوند.

مسئله مهم بعدی «استدلال منطقی» است. هوش مصنوعی می‌تواند مسائل پیچیده ریاضی را حل کند یا کدهای پیشرفته بنویسد، اما گاهی در محاسبات پیش‌پاافتاده مرتکب خطاهای فاحش منطقی می‌شود و با اطمینان کامل پاسخ‌های کاملاً نادرست (توهم) تحویل می‌دهد.

هاسابیس معتقد است پیش از آنکه AGI به یک واقعیت ملموس تبدیل شود، حل این موانع و بالا بردن یکدستی و پایداری خروجی‌های هوش مصنوعی ضرورتی اجتناب‌ناپذیر است.

همین موضوع به‌خوبی روشن می‌کند که چرا کسب نمرات عالی توسط یک چت‌بات در آزمون‌های مختلف، لزوماً به معنای دستیابی به هوش واقعی در سطح انسان نیست.

هوش عمومی مصنوعی در عمل چه معنایی برای زندگی روزمره ما خواهد داشت؟

بزرگ‌ترین وجه تمایز میان دستیارهای هوش مصنوعی کنونی و یک سیستم AGI، عنصر «انعطاف‌پذیری» است.

در حال حاضر، شما ممکن است از ChatGPT برای برنامه‌ریزی سفر، از Gemini برای خلاصه‌سازی ایمیل‌ها یا از Claude برای نگارش یک سند اداری کمک بگیرید. این ابزارها فوق‌العاده قدرتمند هستند، اما هنوز به نظارت مستقیم انسان نیاز دارند و خطاپذیرند.

در نقطه مقابل، یک سیستم AGI می‌تواند طیف بسیار وسیع‌تری از کارهای فکری را مدیریت کند و به‌جای اتکای صرف به الگوهای آموخته‌شده در طول آموزش، خود را با مسائل ناشناخته و موقعیت‌های نو تطبیق دهد.

تصور کنید به دستیار هوش مصنوعی خود یک هدف پیچیده مانند برنامه‌ریزی صفر تا صد سفر خانوادگی، مقایسه قیمت‌ها، هماهنگی زمان‌بندی‌ها و انجام رزروها را واگذار کنید و سیستم تمام این فرآیند را با کمترین میزان نظارت و دخالت شما به پایان برساند.

در محیط‌های کاری، هوش مصنوعی پیشرفته‌تر می‌تواند وظایف سنگین‌تر پژوهشی، تحلیل داده‌ها و امور اداری را بر عهده بگیرد. در حوزه بهداشت و درمان نیز می‌تواند سرعت کشف داروهای جدید را به طرز چشمگیری افزایش دهد و راه‌های درمانی نوین را به دانشمندان معرفی کند.

این پتانسیل علمی پیش از این نیز در عمل اثبات شده است؛ هاسابیس به پاس توسعه AlphaFold، سیستمی که توانایی دانشمندان را در پیش‌بینی ساختار پروتئین‌ها متحول ساخت، به‌طور مشترک برنده جایزه نوبل شیمی سال ۲۰۲۴ شد.

با تمام این اوصاف، نگرانی‌های کاملاً به‌جایی درباره امنیت شغلی، حریم خصوصی، امنیت سایبری و خطرات ناشی از تصمیم‌گیری‌های نادرست سیستم‌های خودران در مقیاس وسیع وجود دارد.

گوگل دیپ‌مایند پیش‌تر یک چارچوب مشخص برای سنجش پیشرفت به سوی AGI منتشر کرده است که در آن هوش مصنوعی را در سطوح مختلفی از توانمندی، گستردگی و خودمختاری ارزیابی می‌کند؛ با این حال، هنوز هیچ آزمون استانداردی که مورد پذیرش همگان باشد برای تعیین زمان دقیق ظهور AGI وجود ندارد.

جمع‌بندی

هاسابیس تنها رهبر دنیای فناوری نیست که تحولی شگرف را برای چند سال آینده پیش‌بینی می‌کند، اما برآورد تازه او از این جهت اهمیت دوچندانی دارد که وی در رأس توسعه برخی از پیشرفته‌ترین سیستم‌های هوش مصنوعی جهان قرار دارد.

پیام روشن این تحولات برای کاربران عادی این است که ابزارهای هوش مصنوعی فعلی ظرف چند سال آینده به‌مراتب توانمندتر و مستقل‌تر خواهند شد و پیوندی عمیق‌تر با تاروپود زندگی روزمره پیدا خواهند کرد.

اینکه آیا رویدادها دقیقاً طبق جدول زمانی هاسابیس پیش خواهند رفت یا خیر، موضوعی است که گذشت زمان نشان خواهد داد؛ اما اگر پیش‌بینی او درست از آب درآید، دو سال آینده دنیایی بسیار متفاوت‌تر از دو سال گذشته رقم خواهد خورد.