Ang mga eksperto sa AI sa Davos ay nagdebate kung gaano na tayo kalapit sa pagkamit ng human-level intelligence

Nagtipon ang mga Lider ng AI sa Davos para sa World Economic Forum

Ngayong linggo, naging lugar ng pagpupulong ang Davos, Switzerland—isang kilalang destinasyon ng ski—para sa ilan sa mga pinaka-prominenteng personalidad sa artificial intelligence sa panahon ng World Economic Forum (WEF).

Naging sentral na tema ang artificial intelligence sa mga usapan ng mga executive ng negosyo, mga gumagawa ng polisiya, mga iskolar, at mga kinatawan mula sa mga non-profit na organisasyon. Gayunpaman, malaki ang pagkakaiba ng opinyon tungkol sa kung gaano kalapit ang kasalukuyang mga AI system sa pag-abot ng katalinuhang pantao at kung anong mga pagbabagong pang-ekonomiya ang maaaring sumunod sa lalong madaling panahon.

Binigyang-diin ng dalawang nangungunang mananaliksik ng AI sa Davos na ang malalaking language model (LLMs), na umani ng atensyon sa buong mundo, ay hindi ang daan tungo sa pag-abot ng katalinuhang pantao.

Ipinamumuno ni Demis Hassabis, CEO ng Google DeepMind at isang Nobel laureate, ang pag-develop ng mga Gemini AI models ng Google. Ayon sa kanya, sa kabila ng kahanga-hangang mga kakayahan ng mga ito, malayo pa rin ang kasalukuyang AI systems sa pag-abot ng artificial general intelligence (AGI) na maihahambing sa tao.

Mas matindi pa ang naging paninindigan ni Yann LeCun, isang Turing Award recipient at tagapanguna sa neural networks. Kanyang iginiit na ang LLMs, na siyang gulugod ng mga nangungunang AI models, ay hindi kailanman makakamit ang katalinuhan tulad ng tao at kinakailangan ang isang ganap na bagong pamamaraan.

Malayo ang mga pananaw na ito kumpara sa mga executive ng OpenAI at Anthropic, mga pangunahing kakompetensya ng Google sa AI, na naniniwalang malapit nang tumumbas ang kanilang mga modelo sa katalinuhang pantao.

Ipinahayag ni Dario Amodei, CEO ng Anthropic, sa Davos na awtomatiko ng AI ang lahat ng mga tungkulin sa software development sa loob ng isang taon at makakamit ang “Nobel-level” na kakayahan sa pananaliksik sa ilang larangan ng agham sa loob ng dalawang taon. Inaasahan din niyang kalahati ng lahat ng white-collar na trabaho ay maaaring maglaho sa loob ng limang taon.

Samantala, iminungkahi ni OpenAI CEO Sam Altman (na hindi dumalo sa Davos ngayong taon) na tayo ay kasalukuyang lumalampas sa antas ng AGI na katulad ng tao patungo sa “superintelligence”—AI na humihigit pa sa pinagsamang katalinuhan ng sangkatauhan.

Ang LLMs ba ang Daan Patungo sa Pangkalahatang Katalinuhan?

Sa isang magkasamang sesyon ng WEF kasama si Amodei, tinaya ni Hassabis na may 50% posibilidad na maabot ang AGI sa susunod na dekada, ngunit hindi sa pamamagitan ng mga modelong gaya ng ginagamit ngayon.

Sa sumunod na talakayan na pinangunahan ng Google, ipinaliwanag pa ni Hassabis na “isa o dalawang mahahalagang breakthrough” pa ang kinakailangan para maabot ang AGI. Binanggit niya ang ilang mahalagang aspeto na dapat pagtuunan ng progreso: pagkatuto mula sa kaunting halimbawa, tuloy-tuloy na pagkatuto, pinalawak na long-term memory, at mas advanced na kakayahan sa pangangatwiran at pagpaplano.

Tinukoy niya ang AGI bilang isang sistema na kayang ipakita ang buong saklaw ng kakayahang kognitibo ng tao—kasama na ang pinakamataas na antas ng pagkamalikhain na nakikita sa mga kinikilalang siyentipiko at alagad ng sining. Bagamat kayang lutasin ng advanced AI ang mga komplikadong problema sa matematika at tugunan ang mga hindi pa nareresolbang hinuha, binigyang-diin ni Hassabis na kinakailangan din na ang AI mismo ang makalikha ng orihinal na mga breakthrough—isang mas mahirap na hamon—bago ito tunay na maitumbas sa katalinuhang pantao.

Kritika ni LeCun: Mga Hangganan ng LLMs

Sa kanyang pagsasalita sa AI House sa Davos, naging partikular na kritikal si LeCun sa sobrang pagtutok ng industriya sa LLMs. “Nagtagumpay ang LLMs dahil medyo simple ang wika,” giit niya.

Itinambal niya ito sa komplikasyon ng pakikisalamuha sa pisikal na mundo: “Mayroon tayong mga sistema na pumapasa sa legal exams at gumagawa ng code, ngunit hindi sila tunay na nakikisalamuha sa mga totoong kapaligiran. Kaya wala pa tayong mga household robot at ganap na autonomous na sasakyan,” paliwanag niya.

Nang umalis si LeCun sa Meta noong Nobyembre upang itatag ang Advanced Machine Intelligence Labs (AMI), naniniwala siyang masyadong limitado ang pokus ng AI sector. “Lahat ng industriya ay nakatuon lamang sa LLMs,” aniya.

Binanggit niya na ang eksklusibong pamumuhunan ng Meta sa LLMs at sa malalaking data centers ang isa sa mga dahilan ng kanyang pag-alis. Ang pagdududa ni LeCun sa LLMs at generative AI bilang landas tungo sa katalinuhang pantao o “superintelligent” na AI—isang ambisyon ni CEO Mark Zuckerberg—ang naging dahilan upang hindi tanggapin ng kumpanya ang kanyang pananaw.

“Sa Silicon Valley, lahat ay hinahabol ang parehong ideya. Lahat sila ay naghuhukay ng parehong kanal,” ani LeCun.

Nakikita ni LeCun ang isang pundamental na kakulangan: hindi makabuo ng “world model” ang kasalukuyang mga AI system upang mahulaan ang mga susunod na pangyayari at maiugnay ang sanhi at epekto. “Hindi ako naniniwalang makakalikha tayo ng autonomous agents nang hindi natin sila tinuturuan na hulaan ang magiging bunga ng kanilang mga aksyon,” aniya. “Nagpaplano ang mga tao dahil kaya nating makita ang magiging resulta ng ating ginagawa.”

Layon ng kanyang bagong kumpanya na bumuo ng ganitong world models gamit ang video data. Hindi tulad ng ilang video AI models na hinuhulaan ang bawat pixel kada frame, ang pamamaraan ni LeCun ay tinutumbok ang mas mataas na antas ng abstraction, na nakatuon sa mga bagay at konsepto.

“Ito ang magsisindi ng susunod na rebolusyon sa AI,” aniya. “Hindi lalabas ang katalinuhang tulad ng tao mula sa pagsasanay ng LLMs o puro text lamang. Kailangan nating makisalamuha ang AI sa totoong mundo.”

Pananaw ng Negosyo hinggil sa Hinaharap ng AI

Tinatayang darating ang tunay na AGI na katulad ng tao sa loob ng lima hanggang sampung taon, ayon kay Hassabis. Gayunpaman, nagpapakita ng napakalaking pamumuhunan sa AI na hindi na naghihintay ang sektor ng negosyo na magkatotoo ang AGI.

Para sa maraming lider ng negosyo, hindi kasing-importante ang debate tungkol sa AGI kumpara sa agarang tanong kung paano mapapakinabangan ang kasalukuyang kakayahan ng AI. Binibigyang-diin ni Cognizant CEO Ravi Kumar na ang tunay na hamon ay kung magagawang makuha ng mga kumpanya ang napakalaking halaga na kayang ibigay ng AI sa ngayon.

Batay sa pananaliksik ng Cognizant na inilabas bago ang Davos, maaaring magbukas ang kasalukuyang AI ng humigit-kumulang $4.5 trilyon sa produktibidad ng paggawa sa U.S.—kung magagawang matagumpay na maipatupad ito ng mga negosyo.

Gayunpaman, sinabi ni Kumar sa Fortune na karamihan sa mga organisasyon ay hindi pa nagsasagawa ng kinakailangang restructuring o reskilling ng workforce upang lubos na mapakinabangan ang AI.

“Magiging totoong halaga lamang ang $4.5 trilyon na iyon kung magsisimula nang magbagong-anyo ang mga negosyo,” aniya, at idinagdag na nakasalalay din ito sa epektibong pagsasama ng paggawa ng tao at AI.

“Hindi na opsyonal ang pag-develop ng bagong kasanayan,” giit ni Kumar. “Dapat itong isama sa pundasyon ng inyong organisasyon upang matulungan ang mga tao na makaangkop, mapataas ang sahod, maitaguyod ang social mobility, at matiyak na ang pag-unlad na dulot ng AI ay mapapakinabangan ng lahat.”

Ang artikulong ito ay orihinal na inilathala sa Fortune.com.