Mai jos puteți citi ideile lui Tim Dettmers, lector universitar la Carnegie Mellon University (CMU) și cercetător științific la Institutul Allen pentru inteligență artificială referitoare la motivele pentru care inteligența artificială generală nu este posibilă.
Dezbaterea despre IAG (inteligență artificială generală) și superinteligență este dominată, în prezent, de narațiuni optimiste, adesea speculative, care ignoră un element esențial: realitatea fizică a calculului. Promisiunea unei inteligențe artificiale capabile să egaleze sau să depășească omul în toate domeniile nu este doar îndrăzneață, ci fundamental eronată. Nu din lipsă de imaginație, ci pentru că intră în conflict direct cu limitele fizice, energetice și economice ale calculului și ale progresului tehnologic.
Acest articol examinează critic ideea de IAG și de superinteligență, arătând de ce ele nu reprezintă un viitor realist al IA și de ce progresul real va veni din direcții mult mai pragmatice.
Calculul este fizic, nu abstract
O mare parte din discursul despre IAG tratează calculul ca pe un concept pur abstract, detașat de lumea materială. În realitate, orice formă de calcul este constrânsă de fizică. Informația trebuie mutată în spațiu, stocată, accesată și procesată, iar toate aceste operații au costuri energetice și temporale concrete.
Procesoarele moderne ilustrează clar acest lucru. Ierarhiile de memorie (cache L1, L2, L3) folosesc aceeași tehnologie de bază, dar sunt din ce în ce mai lente pe măsură ce cresc, nu din motive „logice”, ci pentru că sunt mai departe, fizic, de unitățile de calcul. Deși tranzistorii au devenit mai mici și mai rapizi, mișcarea datelor a devenit relativ mai scumpă. Astăzi, cea mai mare parte a suprafeței unui cip este ocupată de memorie, nu de unități de calcul.
Arhitecturile IA, inclusiv transformerele, nu sunt construcții teoretice libere, ci soluții aproape optime din punct de vedere fizic pentru combinarea calculului local cu agregarea informației globale. Marjele de îmbunătățire există, dar sunt limitate și supuse randamentelor descrescătoare.
Progresul liniar cere resurse exponențiale
Un principiu observat în numeroase domenii este acela că îmbunătățirile liniare necesită resurse exponențiale. Fie că vorbim de fizică, inginerie sau algoritmi, fiecare pas suplimentar devine mai costisitor decât precedentul.
Acest fenomen apare atât în lumea fizică, unde resursele trebuie concentrate în spațiu și timp, cât și în „spațiul ideilor”. Ideile noi nu sunt independente; ele se bazează pe cele existente și, tocmai de aceea, aduc îmbunătățiri marginale. Într-un domeniu matur, inovația radicală este rară, iar rafinările succesive produc câștiguri tot mai mici.
Fizica fundamentală oferă un exemplu elocvent: experimentele devin din ce în ce mai scumpe, iar rezultatele din ce în ce mai puțin decisive. Este posibil ca unele aspecte ale realității să fie, pur și simplu, inaccesibile cu resursele pe care le putem mobiliza.
Epoca îmbunătățirilor GPU se apropie de final
Progresul spectaculos al IA din ultimul deceniu a fost strâns legat de îmbunătățirile hardware, în special ale unităților de procesare grafică (eng. GPU). Totuși, această traiectorie nu este infinită. După aproximativ 2018, câștigurile majore de performanță per cost au început să se epuizeze.
Optimizările succesive – precizia redusă (16-bit, 8-bit, 4-bit), Tensor Cores, memorie HBM – au fost soluții punctuale, nu salturi fundamentale. Astăzi, orice nouă îmbunătățire implică compromisuri: mai puțină memorie pentru mai mult calcul sau invers.
Optimizările la nivel de rack sau de centru de date mai pot aduce beneficii, dar și acestea sunt limitate și vor atinge rapid un plafon fizic. Nu există avantaje structurale decisive care să poată fi menținute pe termen lung de câteva laboratoare de vârf.
De ce simpla „scalare” nu mai este suficientă
Legile de scalare sunt reale și funcționează, dar contextul s-a schimbat. În trecut, creșterea exponențială a performanței hardware compensa costurile exponențiale ale scalării modelelor. Această compensare nu mai există.
În prezent, costurile cresc rapid, iar câștigurile sunt modeste. Dacă îmbunătățirile prin scalare nu depășesc clar inovațiile software sau de arhitectură, infrastructura devine o povară, nu un avantaj. Mai mult, jucători mai mici pot atinge performanțe de vârf cu resurse relativ reduse, mai ales dacă apar soluții software eficiente pentru inferență.
În acest context, avantajul marilor laboratoare se poate evapora rapid, iar ideea că „mai mare este întotdeauna mai bun” devine discutabilă.
IA de frontieră versus difuzie economică
Există o diferență clară de filozofie între abordarea americană și cea chineză. Prima mizează pe ideea unui câștigător unic, care va domina prin cel mai puternic model. A doua pune accent pe aplicații, integrare și utilitate economică.
Valoarea reală a IA nu stă în performanța maximă, ci în productivitate și utilitate. Modelele „suficient de bune”, integrate pe scară largă, pot genera beneficii economice mult mai mari decât o ușoară superioritate tehnică. Difuzia în economie, nu excelența absolută, este factorul decisiv.
De ce IAG și superinteligența sunt concepte greșite
IAG, în sensul său obișnuit, ignoră dimensiunea fizică a inteligenței. O inteligență cu adevărat generală ar trebui să poată efectua muncă fizică semnificativă din punct de vedere economic. Robotica arată însă că majoritatea sarcinilor sunt fie deja automatizate în medii controlate, fie prea costisitoare pentru a merita automatizarea.
Superinteligența se bazează pe ideea unei auto-îmbunătățiri nelimitate. Această idee presupune că inteligența este independentă de resurse, ceea ce este fals. Orice îmbunătățire necesită energie, materiale și timp, iar randamentele descrescătoare nu pot fi eliminate prin „inteligență mai mare”.
O superinteligență ar putea umple lacune, nu extinde nelimitat frontiera. Nu ar putea depăși limitele fizice ale memoriei, ale transportului de date sau ale arhitecturilor aproape optime deja existente.
Concluzie
IAG și superinteligența persistă ca idei nu pentru că sunt solide, ci pentru că sunt narațiuni seducătoare, amplificate într-un mediu care recompensează speculația. Realitatea este mai sobru delimitată de fizică și economie.
Viitorul inteligenței artificiale nu va fi marcat de apariția bruscă a unei minți supraomenești, ci de difuzia economică, de aplicații utile și de îmbunătățiri incrementale, atent calibrate la constrângerile materiale ale lumii reale. Acceptarea acestui fapt este condiția necesară pentru un progres autentic și durabil.
Sursa: Blogul autorului
