Mollick: A multimodális AI nem hoz emberi szintű AGI-t a közeljövőben

A generatív AI-modellek közelmúltbeli sikerei sokakat meggyőztek arról, hogy az AGI küszöbön áll. Ezek a modellek ugyan az emberi intelligencia lényegét látszanak megragadni, mégis szembemennek azzal kapcsolatos legalapvetőbb intuícióinkkal — írja a The Gradient.

A multimodális megközelítés, amelyben hatalmas moduláris hálózatokat optimalizálnak számos modalitásra, első látásra általánosnak tűnik. Ez a stratégia azonban a közeljövőben biztosan kudarcot vall, és nem vezet emberi szintű AGI-hoz, amely például szenzomotoros érvelésre, mozgástervezésre és szociális koordinációra lenne képes a szerző szerint.

Az Értelem Szövedéke

A valódi AGI-hoz a fizikai valósággal való interakció és a megtestesült értelem elengedhetetlen, a modalitásközpontú feldolgozást pedig inkább felmerülő jelenségként kellene kezelni. A szerző szerint a LLM-ek valószínűleg „heurisztikákat” tanulnak a tokenek előrejelzésére, nem pedig a világ valódi modelljét, ami a valóság felületes megértéséhez vezet.

A „Othello paper” eredményei, amelyek szerint a LLM-ek képesek voltak a játékállást előre jelezni a rejtett állapotokból, nem általánosíthatók a természetes nyelvi modellekre. Az Othello egy szimbólumok világában létező játék, amelyet fizikai tokenekkel könnyítettek meg az emberek számára, de a fizikai világban lévő feladatok, mint például az autójavítás vagy a főzés, nem oldhatók meg pusztán szimbólummanipulációval.

A Megtestesült Értelem Kapuja

Terry Winograd szerint „a nyelvet a gondolkodás modelljeként visszavetítve szem elől tévesztjük azt a hallgatólagos, megtestesült megértést, amely intelligenciánk alapját képezi”. A szerző, akinek George Konidaris szerkesztésében hamarosan megjelenik a „Designing an Intelligence” című könyve a MIT Press gondozásában, amellett érvel, hogy a valódi AGI-hoz a fizikai világ megértése szükséges. A könyv 2024-ben várható.