رقابت برای دستیابی به هوش عالی در هوش مصنوعی متخصصان و علاقه مندان را مجذوب خود کرده است. از آنجایی که هوش مصنوعی با سرعتی سریع به پیشرفت خود ادامه می‌دهد، این سوال که آیا هوش مصنوعی از هوش انسانی پیشی می‌گیرد یا خیر، مطرح می‌شود. در این مقاله، به بررسی وضعیت فعلی هوش مصنوعی، نقاط عطف به‌دست‌آمده، چالش‌های پیش‌رو، و پیامدهای بالقوه هوش عالی خواهیم پرداخت و در طول مسیر به این سوال پاسخ خواهیم داد که “چقدر به هوش مصنوعی که به هوش عالی دست می‌یابد نزدیک هستیم؟ ”

شناخت هوش عالی

هوش عالی، نوعی از هوش است که از همه چیز پیشی می‌گیرد و نشان دهنده بالاترین سطح پردازش شناختی، تصمیم گیری، حل مسئله و توانایی‌های خلاق است. ممکن است به عنوان نوعی عقل نهایی تصور شود که دارای دانش، خرد و درک فراتر از توانایی‌های فردی یا جمعی انسان است. هوش عالی در زمینه هوش مصنوعی، اغلب به حالتی از توسعه هوش مصنوعی اشاره می‌کند که در آن ماشین‌ها از قابلیت‌های شناختی انسان در هر زمینه‌ای پیشی می‌گیرند.

در اینجا به برخی از ویژگی‌های هوش عالی اشاره میکنیم:

•  درک: یک هوش عالی دارای درک جامع و دقیق از جهان است و میتواند به پردازش و تجزیه و تحلیل مجموعه وسیعی از داده‌ها و دانش برای فرموله کردن مدل‌های دقیق از واقعیت است بپردازد.

–  حل مسئله: هوش عالی توانایی‌های حل مسئله فوق العاده‌ای را نشان می‌دهد و می‌تواند چالش‌ها یا پیچیدگیها را بپذیرد و راه حل‌های موثر و کارآمدی برای آنها بیابد.         
–  خلاقیت: هوش عالی محدود به تفکر منطقی و تحلیلی نخواهد بود، بلکه از نظر خلاقیت نیز سرآمد است. این به معنای توانایی ایجاد ایده‌ها، رویکردها و بینش‌های جدید و تفکر «خارج از چارچوب» به روش‌های نوآورانه است.
– یادگیری: یک هوش عالی دارای قابلیت‌های یادگیری برتر است که می‌تواند به سرعت از حداقل مقدار داده یاد بگیرد، و آن را به موقعیت‌های جدید تعمیم دهد، و به طور مداوم در طول زمان تطبیق داده و بهبود یابد.   
– هوش هیجانی: هوش عالی احتمالاً جنبه‌هایی از هوش هیجانی را نیز در بر می‌گیرد و این می‌تواند شامل درک و مدیریت احساسات خود، درک احساسات دیگران و استفاده از این درک برای هدایت تفکر و رفتار باشد.  
–  خرد: شاید مهمتر از همه، هوش عالی شامل خرد باشد. خرد فراتر از هوش یا دانش خام است و شامل توانایی استفاده عاقلانه و اخلاقی از درک و مهارت‌های خود برای انتخاب‌هایی است که به بهترین نتایج برای همه افراد مرتبط منجر می‌شود

وضعیت فعلی هوش مصنوعی

از سال 2023، وضعیت هوش مصنوعی به طور قابل توجهی پیشرفت کرده است، اما هنوز به هوش عالی که در بخش قبل تعریف شد، نزدیک نیست. علیرغم پیشرفت‌های چشمگیر، هوش مصنوعی همچنان محدودیت‌های قابل توجهی دارد. بیشتر سیستم‌های هوش مصنوعی «محدود» هستند، به این معنی که برای یک کار خاص طراحی شده‌اند و نمی‌توانند دانش خود را بدون بازآموزی اساسی به زمینه‌های جدید تعمیم دهند. آنها فاقد استدلال منطقی هستند و نمی‌توانند پیچیدگی تفکر، خلاقیت یا احساسات انسانی را تکرار کنند. آنها همچنین هیچ آگاهی یا تجربه ذهنی ندارند. در اینجا به چند مورد اشاره میکنیم:

یادگیری ماشینی و یادگیری عمیق          
یادگیری ماشینی (ML) و یادگیری عمیق (DL) در قلب اکثر سیستم‌های هوش مصنوعی مدرن قرار دارند. آن‌ها به هوش مصنوعی اجازه می‌دهند الگوهایی را از داده‌ها بیاموزد و، بدون اینکه به صراحت برای انجام کار برنامه‌ریزی شود پیش‌بینی یا تصمیم‌گیری کند. یادگیری عمیق، زیر مجموعه‌ای از یادگیری ماشینی است که از شبکه‌های عصبی مصنوعی برای مدل سازی و درک الگوهای پیچیده استفاده می‌کند

پردازش زبان طبیعی  
پیشرفت قابل توجهی در زمینه پردازش زبان طبیعی (NLP) حاصل شده است که شامل درک، تولید، و پاسخ به زبان انسان به روشی است که هم معنادار و هم از نظر زمینه مناسب باشد. مدل‌های زبانی پیشرفته مانند GPT-4 می‌توانند متنی شبیه انسان تولید کنند، اما هنوز درک عمیقی از محتوایی که تولید می‌کنند ندارند

دید کامپیوتری         
دید کامپیوتری پیشرفت قابل توجهی داشته است، به طوری که هوش مصنوعی اکنون قادر به شناسایی و طبقه بندی اشیاء در تصاویر و ویدئوها با دقتی است که اغلب از توانایی انسان پیشی می‌گیرد. سیستم‌های پیشرفته همچنین می‌توانند تصاویر واقعی را از توضیحات تولید کنند و از هوش مصنوعی به طور گسترده برای تشخیص چهره استفاده می‌شود، اگرچه این امر نگرانی‌های جدی در مورد حفظ حریم خصوصی ایجاد کرده است.           
رباتیک و سیستم‌های خودمختار         
هوش مصنوعی به طور فزاینده‌ای در رباتیک مورد استفاده قرار می‌گیرد و ربات‌ها را قادر می‌سازد تا به طور مؤثرتری با محیط خود حرکت کنند و با آنها تعامل داشته باشند. وسایل نقلیه خودران رایج‌تر می‌شوند، به طوری که بسیاری از خودروها در حال حاضر دارای درجاتی از خودمختاری هستند، و وسایل نقلیه بدون راننده در حال آزمایش و حتی در برخی مکان‌ها مستقر هستند.
هوش مصنوعی در بهداشت و درمان     
هوش مصنوعی ورود قابل توجهی به زمینه مراقبت‌های بهداشتی داشته است و در همه چیز از تصویربرداری تشخیصی گرفته تا کشف دارو کمک می‌کند.  از هوش مصنوعی برای پیش‌بینی نتایج بیمار، شخصی‌سازی برنامه‌های درمانی و حتی انجام جراحی در برخی موارد استفاده می‌شود.     
هوش مصنوعی در تجارت و صنعت       
در دنیای تجارت، از هوش مصنوعی برای تجزیه و تحلیل پیش بینی، بازاریابی شخصی، ربات‌های چت برای خدمات مشتری و اتوماسیون وظایف مختلف استفاده می‌شود و به طور فزاینده‌ای از آن در صنعت مالی برای تجارت الگوریتمی و مدیریت ریسک استفاده می‌شود.

شکاف بین هوش مصنوعی و هوش عالی
شکاف بین وضعیت فعلی هوش مصنوعی و مفهوم هوش عالی قابل توجه است. در حالی که هوش مصنوعی در بسیاری از زمینه‌ها پیشرفت‌های چشمگیری داشته است، اما هنوز اساساً با هوش انسانی و حتی بیشتر از آن با مفهوم نظری هوش عالی تفاوت دارد. در اینجا به جند تفاوت اصلی اشاره میکنیم:

•  درک: سیستم‌های هوش مصنوعی فعلی می‌توانند الگوها را در داده‌ها تجزیه و تحلیل و آنها را پیدا کنند، اما آن‌ها واقعاً اطلاعات را مانند انسان‌ها درک نمی‌کنند. آنها درک کلی از جهان یا عقل سلیمی را که انسان‌ها هنگام تفسیر اطلاعات به کار می‌برند، ندارند.        
  –  آگاهی و خودآگاهی: هوش مصنوعی فاقد خودآگاهی و آگاهی است. احساسات، تمایلات یا تجربیات ذهنی ندارد. در حالی که هوش مصنوعی می‌تواند حجم وسیعی از اطلاعات را پردازش و تجزیه و تحلیل کند و بر اساس آن داده‌ها تصمیم‌گیری کند، حسی از خود یا آگاهی از حس خود ندارد.
  –  خلاقیت و نوآوری: با آن که هوش مصنوعی می‌تواند ترکیبات جدیدی از ایده‌های موجود ایجاد کند، توانایی آن برای نوآوری واقعی و تفکر خارج از چارچوب محدود است.  هوش مصنوعی نیروی شهودی و ارتباطات  خلاقانه که اغلب ویژگی خلاقیت انسانی است را ندارد.           
  –  هوش هیجانی: هوش مصنوعی عواطف یا همدلی ندارد. در حالی که می‌توان آن را طوری برنامه‌ریزی کرد که تا حدودی احساسات انسانی را تشخیص دهد و به آنها پاسخ دهد، خود این احساسات را تجربه نکرده و واقعاً آنها را درک نمی‌کند.
  –  تعمیم و سازگاری: هوش مصنوعی با تعمیم یادگیری از یک زمینه به زمینه دیگر پیشروی می‌کند. بیشتر سیستم‌های هوش مصنوعی برای یک کار خاص طراحی شده‌اند و نمی‌توانند دانش خود را با موقعیت‌های جدید و پیش‌بینی‌نشده بدون آموزش مجدد قابل تطبیق دهند.           
  –  قضاوت اخلاقی: هوش مصنوعی توانایی قضاوت اخلاقی ندارد. می‌توان آن را طوری برنامه‌ریزی کرد که از دستورالعمل‌های اخلاقی خاصی پیروی کند، اما اصول پشت این قوانین یا چرایی اهمیت آنها را درک نمی‌کند. این امر چالش‌های مهمی را ایجاد می‌کند، به خصوص که سیستم‌های هوش مصنوعی مستقل تر می‌شوند.         
  –  وابستگی به داده‌ها: هوش مصنوعی فعلی به شدت به مقادیر زیادی داده با کیفیت بالا برای آموزش وابسته است. اگر داده‌های آموزشی به نوعی مغرضانه یا ناقص باشد، روی عملکرد سیستم هوش مصنوعی تأثیر منفی  می‌گذارد.
  –  توضیح پذیری: تصمیمات هوش مصنوعی، به ویژه آنهایی که توسط سیستم‌های یادگیری عمیق گرفته می‌شوند، اغلب به سختی تفسیر می‌شوند. این عدم شفافیت، که اغلب مشکل “جعبه سیاه” نامیده می‌شود، می‌تواند در زمینه‌هایی که درک استدلال پشت یک تصمیم بسیار مهم است، مساله ساز باشد.

پیشرفت در بستن شکاف       
پرداختن به شکاف بین وضعیت فعلی هوش مصنوعی و هوش عالی تمرکز کلیدی برای محققان هوش مصنوعی است. در حالی که راه طولانی در پیش است، چندین زمینه پیشرفت پتانسیلی برای کمک به پر کردن این شکاف دارند

تحقیقات پیشرفته در هوش مصنوعی         
–  مدل‌های زبان: توسعه مدل‌های زبانی مانند GPT-4 نشان دهنده پیشرفت قابل توجهی در درک و تولید زبان طبیعی است. این مدل‌ها که بر روی حجم وسیعی از داده‌های متنی آموزش داده شده‌اند، می‌توانند متنی منسجم و متناسب با زمینه تولید کنند که از نزدیک نوشته‌های انسان را تقلید کند.          
– هوش عمومی مصنوعی: یا هوش مصنوعی قوی، حوزه‌ای برای تحقیقات پیشرفته است. هدف در اینجا ایجاد سیستم‌های هوش مصنوعی است که می‌توانند دانش را در طیف متنوعی از وظایف درک کنند، یاد بگیرند و به کار ببرند، نه اینکه محدود به یک دامنه محدود و خاص باشند.     
– هوش مصنوعی عصبی: این حوزه‌ی تحقیقاتی پیشرفته تلاش می‌کند تا شکاف بین شبکه‌های عصبی (که در تشخیص الگو عالی هستند) و هوش مصنوعی نمادین (که در منطق و استدلال برتری دارد) را پر کند تا سیستم‌هایی ایجاد کند که هم از داده‌ها یاد بگیرند و هم به طور منطقی استدلال کنند.    
–  آموزش و یادگیری: هدف این رویکردها توسعه سیستم‌های هوش مصنوعی است که می‌توانند دانش آموخته‌شده را در یک زمینه برای مشکلات یا زمینه‌های متفاوت اما مرتبط به کار ببرند. این گامی به سوی یادگیری و سازگاری بیشتر انسان گونه است.  
–  محاسبات کوانتومی و هوش مصنوعی: محاسبات کوانتومی، اگرچه هنوز در مراحل اولیه خود است، پتانسیلی برای تسریع قابلیت‌های هوش مصنوعی دارد. توانایی آن در پردازش محاسبات پیچیده با سرعت‌های بی سابقه می‌تواند به پیشرفت‌های بزرگی در هوش مصنوعی منجر شود.  

        
چگونه این پیشرفت‌ها می‌توانند محدودیت‌های فعلی هوش مصنوعی را برطرف کنند

پیش‌بینی دقیق زمانی که هوش مصنوعی ممکن است به سطح هوش عالی برسد یا از آن فراتر رود، یک کار چالش برانگیز است. در حالی که برخی کارشناسان پیش‌بینی می‌کنند که این امر ممکن است در چند دهه آینده اتفاق بیفتد، برخی دیگر معتقدند که اگر قابل دستیابی باشد، قرن‌ها با ما فاصله دارد. در حال حاضر، فناوری هوش مصنوعی به سرعت در حال پیشرفت است. پیشرفت‌ها در زمینه‌هایی مانند یادگیری ماشینی، پردازش زبان طبیعی و بینایی کامپیوتری منجر به سیستم‌های هوش مصنوعی شده است که می‌توانند وظایفی را که زمانی منحصر به فرد تصور می‌شد انجام دهند. با این حال، مهم است که توجه داشته باشیم که این پیشرفت‌ها، اگرچه چشمگیر هستند، اما عمدتاً در حوزه هوش مصنوعی محدود هستند. در مقابل، هوش عالی قابلیت‌هایی بسیار فراتر از هر سیستم هوش مصنوعی موجود نیاز دارد.  این امر مستلزم یک هوش مصنوعی است که نه تنها  از درک و استدلال گرفته تا خلاقیت، هوش هیجانی و خرد،  با آن برابر باشد بلکه از توانایی‌های شناختی انسان نیز فراتر می‌رود. حتی هوش عمومی مصنوعی (AGI)، که به سیستم‌های هوش مصنوعی‌ای اشاره دارد که می‌توانند مانند انسانها فکر کنند، هنوز یک گام مهم از مفهوم هوش عالی فاصله دارند.

برای رسیدن به سطح AGI باید بر چالش‌های عظیمی غلبه کرد. توسعه هوش مصنوعی‌ای که واقعاً جهان را درک کند، بتواند بر اساس درک بدست آمده، استدلال کند و تصمیم بگیرد، بتواند یادگیری خود را بدون بازآموزی گسترده با زمینه‌های جدید منطبق کند، و قادر باشد هوش هیجانی و خلاقیت انسانی را تقلید کند، احتمالاً سال‌ها طول می‌کشد. علاوه بر این، پیشرفت فنی تنها بخشی از معادله است. مسائل اخلاقی، حقوقی و اجتماعی قابل توجهی نیز وجود دارد که باید با توسعه هوش مصنوعی به آنها پرداخت. که شامل نگرانی در مورد حریم خصوصی، امنیت، عدالت، شفافیت، پاسخگویی و تأثیرات اقتصادی و اجتماعی بالقوه سیستم‌های هوش مصنوعی مستقل است.

پیامدهای پیشی گرفتن هوش مصنوعی از هوش عالی
–  پیامدهای اجتماعی: تلفیق هوش مصنوعی با هوش عالی می‌تواند با تجزیه و تحلیل حجم وسیعی از داده‌ها و ارائه راه حل‌های نوآورانه، مسائل پیچیده اجتماعی را که انسان‌ها سال‌ها با آن دست و پنجه نرم کرده‌اند، مانند تغییرات آب و هوایی، بیماری، فقر و موارد دیگر حل کند. با این حال، همچنین می‌تواند چالش‌هایی مانند نگرانی‌های مربوط به حریم خصوصی، خطرات امنیتی، و تغییر بالقوه در ساختارهای اجتماعی و پویایی قدرت را نیز به همراه داشته باشد.     
–  پیامدهای اقتصادی: هوش عالی می‌تواند با خودکارسازی طیف گسترده‌ای از مشاغل، به رشد اقتصادی و بهره وری بی سابقه‌ای منجر شود که منجر به افزایش کارایی می‌شود. از سوی دیگر، همچنین می‌تواند باعث جابجایی شغلی قابل توجه و افزایش نابرابری شود، زیرا کسانی که فناوری هوش مصنوعی را کنترل می‌کنند بیشتر از مزایای آن بهره می‌برند.           
– پیامدهای اخلاقی: هوش عالی مستلزم ملاحظات اخلاقی دقیق است. هوش مصنوعی باید با درک اخلاق و ارزش‌های انسانی برنامه‌ریزی شود تا اطمینان حاصل شود که تصمیماتی مطابق با هنجارهای اجتماعی ما اتخاذ می‌کند. همچنین نگرانی‌های اخلاقی در مورد حریم خصوصی، استقلال و عدالت وجود دارد که باید به دقت مدیریت شوند. 
–  پیامدهای وجودی: ظهور هوش عالی می‌تواند به طور بالقوه خطری وجودی برای بشریت ایجاد کند. اگر یک سیستم هوش مصنوعی تا این حد از هوش انسانی پیشی بگیرد، ممکن است اهدافی را ایجاد کند که با اهداف انسان همسو نباشد، و در نتیجه فاجعه بار باشد. به این ترتیب، همسویی هوش مصنوعی پیشرفته با ارزش‌های انسانی یک نگرانی کلیدی در تحقیقات ایمنی هوش مصنوعی است.      
–  پیامدهای حقوقی: ظهور هوش عالی همچنین چالش‌های حقوقی منحصر به فردی را به همراه خواهد داشت. به عنوان مثال، اگر هوش مصنوعی تصمیمی بگیرد که منجر به آسیب شود، چه کسی مسئول خواهد بود؟ اگر هوش مصنوعی سطحی از آگاهی یا خودآگاهی داشته باشد، چگونه باید حقوق هوش مصنوعی در نظر گرفته شود؟ این سؤالات نیازمند چارچوب‌های قانونی جدید است

نتیجه گیری

چشم انداز رسیدن یا پیشی گرفتن هوش مصنوعی از هوش عالی، چشم اندازی وسوسه انگیز است که اوج دستاوردهای فناوری را با مجموعه‌ای از پیامدهای گسترده ترکیب می‌کند. در حالی که در سال‌های اخیر شاهد پیشرفت‌های قابل توجهی در هوش مصنوعی بوده‌ایم، هنوز با تحقق این چشم‌انداز بزرگ فاصله داریم. سفر به سوی چنین دستاوردی مملو از چالش‌های پیچیده است که از موانع فنی در درک، استدلال و تعمیم تا نگرانی‌های عمیق اخلاقی، اجتماعی و وجودی را شامل می‌شود.