خرید اقساطی از سایت کارت با کمترین پیش پرداخت

جدال بر سر AGI؛ وقتی لکان «هوش جامع» را انکار می‌کند و هاسابیس پاسخ می‌دهد


avatar
زهرا حسینی
03 دی 1404 | 3 دقیقه مطالعه


«یان لکان»، دانشمند برجسته هوش مصنوعی، برنده جایزه تورینگ و مدیر ارشد سابق متا، در اظهارنظری صریح و جنجالی مفهوم «هوش جامع» را زیر سؤال برد و آن را کاملاً بی‌اساس دانست. این دیدگاه تند، واکنش فوری «دمیس هاسابیس»، مدیرعامل دیپ‌مایند گوگل، را به‌دنبال داشت؛ واکنشی که به یکی از داغ‌ترین بحث‌های روز در جامعه هوش مصنوعی تبدیل شد. حتی «ایلان ماسک» نیز وارد این مناظره شد و جانب یکی از این دو چهره مطرح را گرفت.

لکان در گفت‌وگویی پادکستی توضیح داد که هوش انسانی ذاتاً جامع نیست و بیشتر ماهیتی تخصصی دارد. به باور او، انسان‌ها تنها در حوزه‌هایی که برای بقا در دنیای فیزیکی ضروری بوده، تکامل یافته‌اند و تصور «هوش جامع» صرفاً یک برداشت اغراق‌آمیز از توانایی‌های ذهن انسان است. او صراحتاً گفت چیزی به نام هوش جامع وجود ندارد و این اصطلاح صرفاً برای توصیف هوش سطح انسان ساخته شده است. لکان همچنین وعده‌های مربوط به دستیابی به هوش جامع مصنوعی در یکی دو سال آینده را «توهم‌آمیز» توصیف کرد و آن‌ها را فاقد پشتوانه علمی دانست.

جدال دانشمندان بر سر AGI

در مقابل، دمیس هاسابیس در شبکه اجتماعی ایکس با لحنی کم‌سابقه پاسخ داد و تأکید کرد که لکان در این تحلیل دچار خطای مفهومی شده است. به گفته هاسابیس، لکان میان «هوش جامع» (General Intelligence) و «هوش جهانی»  (Universal Intelligence)  تمایز قائل نشده و همین موضوع باعث برداشت نادرست او شده است. هاسابیس استدلال کرد مغز انسان پیچیده‌ترین پدیده شناخته‌شده در جهان است و از همین رو، می‌توان آن را سیستمی جامع دانست. او با ارجاع به نظریه ماشین تورینگ توضیح داد که اگر یک سیستم زمان و حافظه کافی در اختیار داشته باشد، قادر است هر مهارتی را بیاموزد؛ قابلیتی که هم در مغز انسان و هم در مدل‌های پایه هوش مصنوعی دیده می‌شود و از نظر او، تعریف عملی «جامع بودن» را شکل می‌دهد.


این اختلاف‌نظر بیش از آنکه یک جدال لفظی باشد، نشان‌دهنده دو نگاه بنیادین متفاوت به آینده هوش مصنوعی است. لکان واقع ‌گرایانه‌تر و محتاطانه به محدودیت‌ها نگاه می‌کند، در حالی که هاسابیس به پتانسیل نظری سیستم‌ها تکیه دارد. به نظر می‌رسد حقیقت جایی میان این دو دیدگاه قرار دارد؛ هوش انسان و ماشین شاید «همه‌چیزدان» نباشند، اما توانایی یادگیری گسترده آن‌ها را نمی‌توان نادیده گرفت. این بحث‌ها یادآور این نکته‌اند که مسیر رسیدن به AGI نه کوتاه است و نه ساده، و بیش از وعده‌های هیجانی، به شفافیت مفهومی و پیشرفت تدریجی نیاز دارد.