Opća umjetna inteligencija (AGI) bi mogla stići 2030., ali ne s današnjim AI modelima, upozorava šef Google DeepMinda

Demis Hassabis tvrdi da trenutni jezični modeli (LLM) sami po sebi neće dovesti do opće umjetne inteligencije te da je potrebna potpuno nova hibridna arhitektura.

Demis Hassabis, direktor Google DeepMinda i nobelovac za kemiju, u intervjuu za Y Combinator iznio je oštre kritike na račun trenutnog smjera razvoja umjetne inteligencije. Prema njegovim riječima, opća umjetna inteligencija (AGI) mogla bi postati stvarnost već oko 2030. godine, ali pod uvjetom da se radikalno promijeni pristup razvoju. Hassabis upozorava da su današnji veliki jezični modeli (LLM) dosegnuli svoje granice i da sami neće moći ostvariti taj cilj.

Hassabis smatra da su temelji za AGI već postavljeni, no postoje ključne prepreke koje koče napredak. Među njima su kontinuirano učenje, dugoročno zaključivanje i upravljanje memorijom. Upravo arhitektura LLM-ova predstavlja velik problem jer se u njih pohranjuju goleme količine nefiltriranih, često nepotrebnih ili netočnih informacija, što stvara ozbiljno usko grlo.

Kada je riječ o sposobnosti zaključivanja, Hassabis ističe da ona funkcionira „nepravilno“. Isti model može osvojiti zlatnu medalju na matematičkoj olimpijadi, a zatim posrnuti na jednostavnom aritmetičkom zadatku ako se formulacija malo promijeni. Kao primjer navodi igranje šaha s modelom Gemini, koji se zna vraćati na loše poteze nakon što ne pronađe bolju alternativu. Dok se takvo ponašanje ne ispravi, AGI neće biti dostižna.

Hassabis je proveo i zanimljiv eksperiment: trenirao je sustav isključivo na znanju dostupnom do 1901. godine i zatražio da samostalno „otkrije“ Einsteinove radove o specijalnoj relativnosti iz 1905. Nijedan LLM nije uspio u tome. Prema njegovu mišljenju, to je ključni test – dokle god AI ne može samostalno doći do novih otkrića, ne može se smatrati općom inteligencijom. Problem je u tome što LLM-ovi ne razumiju stvarni svijet; ograničeni su na tekstualne opise i ne mogu modelirati fizičke pojave poput gravitacije.

Umjesto jednog golemog „mozga“, Hassabis zagovara hibridnu arhitekturu koja kombinira LLM-ove, učenje poticanjem, modele svijeta (world models) i strukturiranu memoriju. Kao uzoran primjer navodi AlphaFold, DeepMindov model koji je revolucionirao biologiju. AlphaFold nije LLM, već specijalizirani sustav koji funkcionira gotovo kao model svijeta, ali u uskom području. Sljedeći je korak stvaranje simulatora koji bi mogao dinamički modelirati ponašanje stanica, što bi moglo biti ostvareno za deset godina.

Ovakav pristup podsjeća na viziju Yanna LeCuna, francuskog znanstvenika i osnivača tvrtke AMI Labs, koji također kritizira generativne AI modele i zagovara razvoj modela svijeta. LeCun je nedavno prikupio gotovo milijardu eura za razvoj upravo takve tehnologije. Modeli svijeta ne oslanjaju se samo na tekst, već matematički modeliraju cjelokupnu stvarnost, što im omogućuje simulaciju novih situacija i postavljanje hipoteza – nešto što je današnjim LLM-ovima potpuno nedostižno.

Poruka Demisa Hassabisa jasna je: umjesto utrke u razvoju sve većih jezičnih modela, budućnost leži u konstelaciji specijaliziranih AI sustava kojima upravljaju opći modeli. On poziva lidere u industriji da već danas krenu u tom smjeru, jer će u protivnom udariti u stakleni strop i propustiti priliku za stvaranje prave opće umjetne inteligencije.