Eksperci AI na Davos debatowali, jak blisko jesteśmy osiągnięcia inteligencji na poziomie człowieka

Liderzy AI spotykają się w Davos na Światowym Forum Ekonomicznym

W tym tygodniu Davos w Szwajcarii—znane miejsce narciarskie—stało się miejscem spotkań najbardziej prominentnych postaci ze świata sztucznej inteligencji podczas Światowego Forum Ekonomicznego (WEF).

Sztuczna inteligencja była centralnym tematem rozmów pomiędzy przedstawicielami biznesu, polityki, nauki oraz organizacji non-profit. Opinie znacznie się jednak różniły co do tego, jak blisko obecne systemy AI są dorównania ludzkiej inteligencji i jakie zmiany gospodarcze mogą wkrótce nastąpić.

Dwóch czołowych badaczy AI obecnych w Davos podkreśliło, że duże modele językowe (LLM), które przyciągnęły globalną uwagę, nie są ścieżką do osiągnięcia inteligencji na poziomie człowieka.

Demis Hassabis, CEO Google DeepMind i laureat Nagrody Nobla, kieruje rozwojem modeli AI Gemini Google’a. Stwierdził, że pomimo imponujących możliwości, dzisiejsze systemy AI są dalekie od osiągnięcia sztucznej ogólnej inteligencji (AGI) porównywalnej z ludzką.

Yann LeCun, laureat Nagrody Turinga i pionier sieci neuronowych, zajął jeszcze bardziej stanowcze stanowisko. Argumentował, że LLM, stanowiące fundament wiodących modeli AI, nigdy nie osiągną inteligencji podobnej do ludzkiej i że potrzebne jest zasadniczo nowe podejście.

Te perspektywy stoją w wyraźnej opozycji do poglądów zarządzających OpenAI i Anthropic, głównych konkurentów Google w dziedzinie AI, którzy uważają, że ich modele są na progu dorównania ludzkiej inteligencji.

Dario Amodei, CEO Anthropic, przewidywał w Davos, że AI zautomatyzuje wszystkie role związane z rozwojem oprogramowania w ciągu roku i osiągnie „poziom badań godny Nobla” w kilku dziedzinach nauki w ciągu dwóch lat. Przewidywał również, że połowa wszystkich stanowisk biurowych może zniknąć w ciągu pięciu lat.

Tymczasem CEO OpenAI, Sam Altman (który w tym roku nie pojawił się w Davos), zasugerował, że już wychodzimy poza AGI na poziomie człowieka w kierunku „superinteligencji”—AI przewyższającej zbiorową inteligencję ludzkości.

Czy LLM są drogą do ogólnej inteligencji?

Podczas wspólnej sesji WEF z Amodei, Hassabis oszacował, że istnieje 50% szans na osiągnięcie AGI w ciągu najbliższej dekady, choć nie poprzez modele identyczne z obecnie używanymi.

W późniejszej dyskusji organizowanej przez Google, Hassabis wyjaśnił, że „jedno lub dwa poważne przełomy” mogą być potrzebne, by osiągnąć AGI. Wskazał kilka kluczowych obszarów wymagających postępu: nauka na podstawie minimalnych przykładów, uczenie się ciągłe, ulepszona długoterminowa pamięć oraz bardziej zaawansowane umiejętności rozumowania i planowania.

Zdefiniował AGI jako system zdolny do wykazania pełnego zakresu ludzkich zdolności poznawczych—w tym najwyższych form kreatywności typowych dla wybitnych naukowców i artystów. Choć zaawansowana AI potrafi dziś rozwiązywać złożone problemy matematyczne i rozwiązywać dotąd nierozstrzygnięte hipotezy, Hassabis zauważył, że AI musi być w stanie generować własne, oryginalne przełomy—co jest znacznie trudniejszym zadaniem—zanim naprawdę dorówna ludzkiej inteligencji.

Krytyka LeCuna: Ograniczenia LLM

Występując w AI House w Davos, LeCun był szczególnie krytyczny wobec nadmiernego skupienia branży na LLM. „LLM odniosły sukces, ponieważ język jest stosunkowo prosty” — argumentował.

Porównał to ze złożonością interakcji ze światem fizycznym: „Mamy systemy, które mogą zdawać egzaminy prawnicze i pisać kod, ale nie angażują się naprawdę w środowiska rzeczywiste. Dlatego nie mamy domowych robotów ani w pełni autonomicznych pojazdów” — wyjaśnił.

LeCun, który opuścił Meta w listopadzie, aby założyć Advanced Machine Intelligence Labs (AMI), uważa, że sektor AI stał się zbyt wąsko skoncentrowany. „Branża jest całkowicie zafiksowana na LLM” — powiedział.

Wskazał wyłączne inwestycje Meta w LLM i ogromne centra danych jako czynnik swojej decyzji o odejściu. Sceptycyzm LeCuna wobec LLM i generatywnej AI jako drogi do AI na poziomie człowieka lub „superinteligencji”—ambicji CEO Marka Zuckerberga—uczynił jego poglądy niepopularnymi w firmie.

„W Dolinie Krzemowej wszyscy podążają za tym samym pomysłem. Wszyscy kopią ten sam rów” — zauważył LeCun.

LeCun widzi fundamentalny problem: obecne systemy AI nie potrafią stworzyć „modelu świata”, by przewidywać przyszłe zdarzenia i łączyć przyczyny ze skutkami. „Nie wierzę, że możemy stworzyć autonomiczne agenty bez umożliwienia im przewidywania skutków ich działań” — powiedział. „Ludzie planują, bo potrafią przewidzieć konsekwencje swoich czynów”.

Jego nowa inicjatywa ma na celu rozwój takich modeli świata przy użyciu danych wideo. W przeciwieństwie do niektórych modeli AI dla wideo, które przewidują każdą klatkę piksel po pikselu, podejście LeCuna ma działać na wyższym poziomie abstrakcji, skupiając się na obiektach i pojęciach.

„To zapoczątkuje kolejną rewolucję AI” — przewiduje. „Inteligencja na poziomie człowieka nie wyłoni się z uczenia LLM ani polegania wyłącznie na tekście. Potrzebujemy AI, która będzie angażować się w rzeczywisty świat”.

Perspektywy biznesowe na przyszłość AI

Hassabis szacuje, że prawdziwa AGI na poziomie człowieka może pojawić się w ciągu pięciu do dziesięciu lat. Jednak ogromne inwestycje w AI wskazują, że sektor biznesowy nie czeka, aż AGI się zmaterializuje.

Dla wielu liderów biznesu debata nad AGI jest mniej pilna niż bieżące pytanie, jak wykorzystać obecne możliwości AI. CEO Cognizant, Ravi Kumar, podkreśla, że prawdziwym wyzwaniem jest to, czy firmy potrafią wykorzystać ogromną wartość, jaką AI już oferuje.

Badania Cognizant, opublikowane przed Davos, sugerują, że dzisiejsza AI mogłaby odblokować około 4,5 biliona dolarów wzrostu produktywności pracy w USA—pod warunkiem, że firmy skutecznie ją wdrożą.

Jednak Kumar powiedział Fortune, że większość organizacji nie podjęła jeszcze niezbędnych restrukturyzacji ani przekwalifikowania pracowników, by w pełni skorzystać z AI.

„Te 4,5 biliona dolarów stanie się realną wartością tylko wtedy, gdy firmy zaczną się przeobrażać” — powiedział, dodając, że zależy to także od skutecznego łączenia pracy ludzi i AI.

„Rozwijanie nowych umiejętności nie jest już opcjonalne” — argumentuje Kumar. „Musi być wpisane w fundamenty organizacji, by pomóc ludziom się adaptować, podnosić wynagrodzenia, wspierać mobilność społeczną i zapewnić, że postęp napędzany przez AI przyniesie korzyści wszystkim”.

Ten artykuł pierwotnie ukazał się na Fortune.com.