OpenAI niedawno wprowadziło zaawansowany system AI, o1, który charakteryzuje się nowym poziomem zdolności i twierdzi, że blisko naśladuje procesy myślowe człowieka. To wydanie ponownie wywołało debaty na temat terminu osiągnięcia sztucznej ogólnej inteligencji (AGI) — maszyny zdolnej do wykonywania pełnego zakresu ludzkich zadań poznawczych, takich jak rozumowanie, planowanie i uczenie się z otoczenia. AGI, jeśli zostanie osiągnięta, mogłaby rozwiązać złożone wyzwania, takie jak zmiany klimatyczne i choroby, ale także stwarzać znaczące ryzyko, jeśli zostanie niewłaściwie użyta lub stanie się niekontrolowana, ostrzega Yoshua Bengio, ekspert ds. głębokiego uczenia się. Pomimo postępów w dużych modelach językowych (LLM) takich jak o1, eksperci tacy jak Bengio twierdzą, że same te modele nie mogą osiągnąć AGI z powodu brakujących elementów w ich architekturze i funkcjonowaniu. LLM zrewolucjonizowały AI, przyjmując architektury transformatorów, które umożliwiają im naukę wzorców językowych w sposób przypominający ludzkie poznanie. Pozwoliło im to wykonywać złożone zadania, takie jak rozwiązywanie problemów matematycznych i generowanie kodu komputerowego. Jednak ich zdolność do adaptacji i łączenia nauczonej wiedzy w celu sprostania zupełnie nowym zadaniom — cecha charakterystyczna AGI — jest ograniczona. Niektórzy badacze zauważyli, że choć LLM takie jak o1 wdrażają zaawansowane metody, takie jak wspomaganie myślenia krokowego dla lepszej wydajności w rozwiązywaniu problemów, nadal napotykają ograniczenia w radzeniu sobie z zadaniami wymagającymi intensywnego planowania lub abstrakcyjnego rozumowania. Sukces transformatorów w przetwarzaniu różnorodnych typów danych sugeruje potencjalną ścieżkę ku AGI.

Jednak wyzwania pozostają, w tym ograniczona dostępność danych do szkolenia modeli i malejące zwroty z skalowania modeli. Ponadto, mogą być potrzebne bardziej adaptacyjne modele, które mogą tworzyć i używać reprezentacji świata, przypominające ludzkie systemy neuronalne z wewnętrznymi mechanizmami sprzężenia zwrotnego dla percepcji i planowania. Chociaż niektórzy badacze zaczynają eksplorować nowe architektury, które obejmują pętle sprzężenia zwrotnego i efektywne wykorzystanie danych, droga do AGI pozostaje wczesna. Konieczność zapewnienia bezpieczeństwa AI poprzez regulacje i wbudowane zabezpieczenia modeli jest kluczowa, zgodnie z Bengio i innymi. Istnieje ogólna zgoda wśród naukowców takich jak Melanie Mitchell i George, że AGI jest teoretycznie osiągalne, czego dowodem jest ludzka inteligencja. Jednak przewidywania dotyczące jej nadejścia są zróżnicowane, a niektórzy szacują, że AGI może być oddalone o kilka do dziesięciu lat. Jej prawdziwy wpływ może rozwinąć się stopniowo, a nie przez nagły przełom.