لقد استمعت للتو إلى بودكاست Y Combinator مع ديميس هاسابيس، وبصراحة، بعض آرائه حول الذكاء الاصطناعي العام وما ينقص فعلاً من النماذج الحالية كانت مختلفة تمامًا. الرجل كان يفكر في هذا الأمر منذ فترة أطول من معظم الناس، وما هو مذهل هو مدى واقعية وجهة نظره — ليست مجرد ضجة، بل تقييم عملي.

إذن، الشيء الذي بقي في ذهني هو: لدينا بالفعل معظم القطع. التدريب المسبق على نطاق واسع، التعلم المعزز بواسطة ردود الفعل البشرية، التفكير على شكل سلسلة — هذه من المحتمل أن تكون جزءًا من الهيكل النهائي للذكاء الاصطناعي العام. لكن ربما هناك فجوة أو اثنتان حاسمتان لا تزالان مفقودتين. التعلم المستمر، التفكير على المدى الطويل، أنظمة الذاكرة التي لا تكتفي فقط بحشو كل شيء في نوافذ السياق كما نستخدم الشريط اللاصق. رأيه؟ حوالي عام 2030 للذكاء الاصطناعي العام، وبصراحة، هذا يغير الطريقة التي ينبغي أن تفكر بها في بناء الأشياء اليوم.

ما حقًا جذب انتباهي هو ملاحظته حول الحالة الحالية للتفكير. النماذج يمكنها حل مشاكل الميداليات الذهبية في الأولمبياد، لكنها تفشل في الحسابات الأساسية اعتمادًا على كيفية صياغتها. هناك مشكلة الذكاء المتعرج — النظام يفتقر إلى شيء في التأمل في عملية تفكيره الخاصة. الأمر يشبه مشاهدة جيميني يلعب الشطرنج، يدرك أن حركة ما سيئة، لكنه يقوم بها على أي حال لأنه لا يستطيع التفكير بطريقة تؤدي إلى خيار أفضل. هذا لا ينبغي أن يحدث في نظام تفكير دقيق.

بالنسبة للوكلاء، هو واضح: نحن بدأنا للتو. الجميع يضخم من شأن الوكلاء، لكن العمل الحقيقي هو جعلهم مفيدين حقًا، وليس مجرد عروض تجريبية. ذكر شيئًا مثيرًا للاهتمام — لم يُنشأ بعد لعبة AAA عالية التصنيف باستخدام البرمجة بالذكاء الاصطناعي. مع الأدوات الحالية، الأمر ممكن نظريًا، لكن هناك شيء مفقود في العملية أو في الأدوات نفسها. يتوقع أن يرى هذا التحول خلال 6-12 شهرًا.

زاوية التقطير أيضًا مثيرة للاهتمام. فرضيتهم هي أنه خلال 6-12 شهرًا من إصدار نموذج متطور، يمكنهم ضغط قدراته إلى شيء يعمل على الأجهزة الطرفية. نماذج فلاش تصل إلى 95% من أداء الحدود بأقل تكلفة بعشر مرات. وهنا المفاجأة — لم يصلوا بعد إلى أي حد نظري على كثافة المعلومات. هذا ضخم لما هو ممكن مع نماذج أصغر.

أما على جانب الاختراق العلمي، تحدث عن ما يسميه "اختبار أينشتاين". هل يمكنك تدريب نظام على معرفة حتى عام 1901 وجعله يستنتج النظرية النسبية الخاصة بشكل مستقل؟ بمجرد أن ينجح ذلك، تكون هذه الأنظمة قريبة من الاختراع الحقيقي، وليس مجرد مطابقة أنماط. كان AlphaFold النموذج الأولي — والآن هو معيار في اكتشاف الأدوية. لكننا لا زلنا في المرحلة المبكرة لمعظم المجالات.

نصائحه للمؤسسين في Y Combinator كانت حادة: تابع المشاكل التي لا يمكنك حلها إلا أنت. إذا كنت تبدأ مشروع تكنولوجيا عميقة اليوم، عليك أن تدمج الذكاء الاصطناعي العام في خطتك. مشروع يمتد لعشر سنوات قد يصل إلى الذكاء الاصطناعي العام في منتصف الطريق. لا تبنِ شيئًا يصبح قديمًا؛ ابنِ شيئًا يظل ذا قيمة في عالم الذكاء الاصطناعي العام. فكر في كيف ستتكامل الأنظمة المتخصصة مثل AlphaFold مع النماذج العامة كأدوات، وليس كل شيء مكدس في نموذج ضخم واحد.

شيء أخير تردد صداه — تحدث عن أن العمل عبر التخصصات أصبح أسهل مع الذكاء الاصطناعي، وكيف نحتاج إلى التوقف عن التفكير في كل شيء كدماغ موحد واحد. الأدوات المتخصصة ستتعايش مع الأنظمة العامة. هذا ربما هو الإطار الذي يستحق التفكير فيه إذا كنت تبني شيئًا اليوم.