Diskusijos, kada dirbtinis intelektas galėtų prilygti žmogui ar net jį pranokti, pastaraisiais metais tapo viena karščiausių technologijų temų. Ukrainos portalas Komentarі pabandė tai iliustruoti paprastu eksperimentu: paklausė trijų populiarių modelių „Gemini“, „ChatGPT“ ir „Claude“, kada DI galėtų tapti protingesnis už žmones.
Atsakymai išsiskyrė: vienas modelis kaip ribą įvardijo 2031 metus, kitas – 2038 metus, trečias – 2040 metus. Nors tokie skaičiai skamba kaip tiksli prognozė, iš tiesų tai labiau skirtingų prielaidų ir neapibrėžtumo atspindys nei patikimas kalendorius.
Modelis, pateikęs ankstyviausią datą, aiškino, kad lūžis galėtų įvykti tada, kai sistemos gebėtų reikšmingai tobulinti pačios save: automatizuotai kurti geresnius algoritmus, efektyviau mokytis ir greičiau perkelti žinias į naujas užduotis. Tokia idėja dažnai siejama su technologinės singularumo sąvoka, tačiau mokslinėje bendruomenėje ji vertinama nevienareikšmiškai.
Vidurinę datą minėjęs modelis argumentavo, kad DI proveržį galėtų pagreitinti naujos kartos skaičiavimo metodai ir aparatūra. Viešojoje erdvėje dažnai minimi kvantiniai skaičiavimai, tačiau praktikoje dauguma DI pažangos šiandien vis dar priklauso nuo klasikinių lustų, duomenų centrų masto ir efektyvesnių neuroninių tinklų architektūrų.
Atsargesnė prognozė, nukelianti galimą lūžį į 2040 metus, labiau remiasi prielaida, kad pažanga bus evoliucinė. Tai reikštų ne vieną staigų šuolį, o laipsnišką gebėjimų plėtrą, kol sistemos galėtų patikimai atlikti daugumą intelektinių užduočių bent jau ne prasčiau už žmogų.
Svarbu atskirti sąvokas: šiandien plačiai naudojami modeliai yra specializuoti, jie puikiai generuoja tekstą, kodą ar vaizdus, tačiau neturi žmogui būdingo supratimo ir patirties pasaulyje. Todėl diskusijose dažnai vartojamas terminas AGI, apibūdinantis hipotetinį bendrosios paskirties DI, gebantį mokytis ir veikti universaliai įvairiose srityse.
Dalis tyrėjų pabrėžia, kad vien skaičiavimo galia nėra lemiamas veiksnys. Ribojančiais veiksniais tampa duomenų kokybė, klaidų ir haliucinacijų problema, gebėjimas planuoti ilgas užduočių grandines, patikimumas realiose situacijose, taip pat saugumo ir valdymo klausimai, kurie tampa vis aktualesni diegiant DI į kritines sritis.
Ne mažiau svarbi ir reguliavimo kryptis: Europos Sąjungoje priimtas DI aktas numato rizika grįstą sistemų priežiūrą ir griežtesnius reikalavimus didelės rizikos sprendimams. Tai gali sulėtinti kai kurių produktų diegimą, tačiau kartu didina pasitikėjimą ir skatina atsakingą vystymą.
Apibendrinant, trijų modelių nurodytos datos labiau parodo, kokios skirtingos yra prielaidos apie technologijų raidą, o ne tai, kad jau dabar būtų įmanoma tiksliai numatyti lūžio momentą. Kol kas aišku viena: DI gebėjimai sparčiai auga, tačiau klausimas, kada ir ar apskritai jis taps protingesnis už žmones, išlieka atviras tiek moksliškai, tiek politiškai.