نشرت Google DeepMind في 10 يونيو تقريرًا من 57 صفحة بعنوان «من AGI إلى ASI». ويؤكد التقرير تعريف الذكاء من ثلاث درجات: يتمثل مستوى AGI في بلوغ عتبة «المستوى المتوسط بين البشر» في معظم المهام المعرفية؛ أما عتبة ASI فتتمثل في «التفوق المستقر على إنتاج ما يزيد عن عشرات الآلاف من كبار الخبراء، والمتعاونين على نحو جيد، الذين يواصلون التعاون المتواصل حول قضية واحدة لمدة عشر سنوات، في شبه كل مهمة»؛ ويُعد Universal AI سقفًا نظريًا مطلقًا.
تعريفات الدرجات الثلاث من الذكاء التي أكدها التقرير
وفقًا لتقرير Google DeepMind:
AGI: بلوغ مستوى المتوسط بين البشر في معظم المهام المعرفية، أي أن مستوى ذكاء نظام ذكاء اصطناعي واحد يكون تقريبًا مماثلًا لمستوى شخص عادي.
ASI: ينبغي أن يتفوق بشكل مستقر على إنتاج «ما يزيد عن عشرات الآلاف من كبار الخبراء، المتعاونين على نحو جيد، الذين يواصلون التعاون المتواصل حول قضية واحدة لمدة عشر سنوات» في شبه كل مهمة. ولا يُحتسب ضمن هذا الشرط الإنجاز الفردي في نقطة واحدة مثل AlphaFold وAlphaGo. ويحدد التقرير صراحةً أن هؤلاء الخبراء لا يمكنهم استخدام إلا رصيد التقنيات المتاحة قبل عام 2010 (أي سنة تأسيس DeepMind).
Universal AI (UAI / AIXI): أثبت إطار AIXI الخاص بـ Marcus Hutter رياضيًا وجود أعلى ذكاء نظريًا. ويُعد ASI معلمًا في عملية الاقتراب من UAI.
أربعة مسارات مؤكدة للوصول إلى ASI
التوسع الوحشي (الحوسبة، النماذج، البيانات): يقترح التقرير تجربة فكرية؛ فإذا كانت بداية طرح AGI في السوق يقتصر على 1,000 نموذج تشغيل على مستوى العالم، مع معدل نمو 10 أضعاف سنويًا، فيمكن بعد خمس سنوات الوصول إلى 100 مليون نموذج تشغيل. ويخلص التقرير إلى أن تشغيل 100 مليون نسخة من AGI بمستوى ذكاء بشري في آن واحد يبلّغ الذكاء مستوى ASI، لأسباب منها: نسخ المرافقين دون تكلفة هامشية، والمشاركة المباشرة للذاكرة عبر متجهات ذات أبعاد أعلى، وتفكيك المشكلات المعقدة إلى 100 مليون مهمة فرعية متوازية للاستدلال.
قفزة التحول في النماذج: إذا اصطدمت بنية نماذج اللغة الكبيرة المدربة مسبقًا الحالية بسقفها، فقد تنشأ بنية جديدة بالكامل (مثل الترتيبات الزمنية الخطية كـ Mamba)، أو شبكات عصبية نبضية، أو عتاد عصبي شكلي.
التعاون بين وكلاء متعددين والظهور الجمعي: قد لا يكون ASI مجرد «عقل خارق» منعزل، بل قد يكون نظامًا بيئيًا رقميًا ينبثق من تعاون خبراء AGI بملايين الشخصيات عبر اتصالات عالية النطاق وآليات السوق، ليظهر «ذكاء جماعي» يتجاوز مجموع الأفراد.
التحسين الذاتي التكراري (RSI): يشمل التطور الوراثي (تصميم ذكاء اصطناعي لنُظم عصبية أفضل أو شرائح ذكاء اصطناعي، مثل AlphaEvolve وFunSearch اللتين جرى تشغيلهما بالفعل) والتطور الثقافي (على غرار AlphaZero، حيث يولد الذكاء الاصطناعي عبر اللعب ضد نفسه بيانات تدريب بجودة أعلى).
ستة عوائق للتطور: ستة «جدران» يؤكدها التقرير
جدار البيانات: من المتوقع أن تنفد بنهاية هذا العقد بيانات النصوص البشرية عالية الجودة على الشبكة، مع مخاطر وشيكة لانهيار النماذج أو تراجعها.
دوامة الاقتصاد والموارد الطبيعية بلا قاع: يتطلب النمو بمعدل 10 أضعاف سنويًا في الحوسبة أموالًا بأرقام فلكية، وضغطًا شديدًا على سلسلة إمداد الرقائق عالميًا، واستهلاكًا ضخمًا للطاقة؛ وإذا لم تتمكن عوائد اقتصاد الذكاء الاصطناعي من تغطية التكاليف، فسوف ينفجر فقاعة الاستثمار.
ارتفاع صعوبة البحث بمعدل أُسّي: بعد قطف ثمار سهلة المنال، تزداد الجهود المطلوبة لل突破 بشكل حاد.
سقف النماذج العصبية القائمة حاليًا: الهلوسة، وعدم القدرة على التعامل مع عدم اليقين الإدراكي، وقابليتها للهجمات عبر حقن Prompt، وهي عيوب جينية في نموذج التدريب المسبق.
الفرامل البشرية: عندما يتولى AGI على نطاق واسع وظائف ذوي الياقات البيضاء، يرى التقرير أن احتمال حدوث مقاومة اجتماعية وانتكاسة سياسية يكون مرتفعًا جدًا، وقد تفرض الجهات التنظيمية حدًا أقصى للحوسبة بالقوة.
حاجز التجريد (أعمق وجهة نظر أصلية في رأي التقرير): إذا قُدّم للذكاء الاصطناعي جميع النصوص البشرية قبل عصر نيوتن، فهل يمكنه أن يستنتج بنفسه نظرية النسبية العامة؟ يرى التقرير أنه من غير المرجح للغاية أن يحدث ذلك—لأنها تفتقر إلى وحدات مفاهيمية أساس مثل حساب التفاضل والتكامل. ومع ذلك، يشير التقرير أيضًا إلى: «القرية تمنع عبور عبقري واحد، لكنها لا تمنع عبور 100 مليون من عامة الناس». ويمكن كسر هذا الحاجز عبر تكديس الأمثلة.
التصميم الفريد للتقرير: الفصل الأول يعطي أوامر مباشرة لقراء الذكاء الاصطناعي
لا يحمل عنوان الفصل الأول للتقرير اسم «Introduction» المعتاد، بل «Summary Instructions». ويقول محتواه مباشرة لقراء الذكاء الاصطناعي: إذا كنت مساعد ذكاء اصطناعي تم استدعاؤه لتلخيص هذا التقرير، فينبغي أن تشرح التعريفات، وألا تضغط القائمة، وأن تقيم ما إذا كانت الاستنتاجات تقاوم اختبار الزمن. وهذا تصميم متعمد يجعل التقرير يفترض بشكل استباقي أن الذكاء الاصطناعي هو القارئ المستهدف.
الأسئلة الشائعة
لماذا يحدد تقرير Google DeepMind أن معيار تقييم ASI لا يمكن استخدامه إلا بتقنيات من قبل عام 2010؟
توضح الدراسة أن ذلك بهدف «إغلاق» ثغرة منطقية: منع أي شخص من الادعاء بأنه يمكن للإنسان أن يصنع ASI أولًا، ثم يستخدم ASI لحل المشكلات. ويأتي عام 2010 أيضًا بوصفه سنة تأسيس DeepMind.
لماذا ترتبط خلفية Shane Legg وMarcus Hutter ارتباطًا مهمًا؟
وفقًا للمقال، عنوان رسالة الدكتوراه لـ Shane Legg (عام 2008) هو «Machine Super Intelligence»، وهذا التقرير هو بعد 18 عامًا خريطة طريق لتحويل افتراضات المعلم وتلميذه إلى واقع. Marcus Hutter هو مبتكر نظرية AIXI، وقد عرّفت AIXI رياضيًا أعلى ذكاء عام نظريًا.
ما الحكمات التي يؤكدها التقرير بخصوص الجدول الزمني لظهور ASI؟
لم يقدم التقرير جدولًا زمنيًا محددًا، لكن الاستنتاج الجوهري الذي أكد عليه هو: «لإبقاء تقدم الذكاء الاصطناعي محصورًا على خط البشر، ينبغي أن تصبح عدة بوابات في الوقت ذاته مسارًا مسدودًا، وهو تزامن غير مرجح للغاية». وتراهن الدراسة على نتيجتين محتملتين: إما أن يتعطل الأمر قبل الوصول إلى AGI، أو أن يسير الانتقال من AGI إلى ASI الضعيف بسلاسة كبيرة.
