Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

institute.deepmind.com.institute.deepmind.com+1.institute.deepmind.com.2026 წლის 19 ნოემბერს DeepMind-ის ინსტიტუტმა გამოაქვეყნა ესე, სადაც ნათქვამია, რომ ხელოვნურ ინტელექტს შეუძლია ადამიანის დონის ზოგადი ხელოვნური ინტელექტიდან (AGI) ხელოვნურ ზოგად სუპერინტელექტზე (ASI) გადავიდეს ოთხი გზით. ეს გზებია: მოდელებისა და მონაცემების მასშტაბირება, ტექნოლოგიური პარადიგმების ცვლილება, აგენტებს შორის უკეთესი კოორდინაცია და რეკურსიული თვითგანვითარება. ესე "რა მოდის AGI-ს შემდეგ?" Google DeepMind-ის მკვლევარმა ტიმ გენევაინმა დაწერა. მასში აღნიშნულია, რომ მომდევნო ათწლეულში სწრაფი პროგრესი "სერიოზული შესაძლებლობაა", თუმცა არა გარანტირებული, და მოუწოდებს მკვლევარებსა და პოლიტიკოსებს, ახლავე დაიწყონ ამ პროგრესის მონიტორინგი.institute.deepmind.com
ესე ASI-ს განსაზღვრავს, როგორც სისტემას, რომელიც "თანმიმდევრულად აღემატება ადამიან ექსპერტთა დიდ ჯგუფებს ისეთ დავალებებში, რომელთა შესრულებას მათ წლები დასჭირდებოდათ, ნაკლები რესურსისა და დროის გამოყენებით" ადამიანისთვის საინტერესო თითქმის ყველა სფეროში. ვიწრო სუპერადამიანური უნარები, როგორიცაა ჭადრაკი, გო ან ცილის სტრუქტურის პროგნოზირება, ამ კრიტერიუმს არ აკმაყოფილებს.institute.deepmind.com
ესეში ნავარაუდებია, რომ გლობალური "ეფექტური გამოთვლითი სიმძლავრე" წლიურად მინიმუმ ათჯერ იზრდება. ეს მაჩვენებელი აერთიანებს სამ ტენდენციას: გამოთვლითი სიმძლავრე დოლარზე წელიწადში დაახლოებით 1.5-ჯერ იზრდება, ალგორითმული წვრთნის ეფექტურობა წელიწადში 3-დან 6-ჯერ უმჯობესდება, ხოლო ხელოვნური ინტელექტის აპარატურაზე დანახარჯები წელიწადში დაახლოებით 2.5-ჯერ იზრდება. თუ ეს ტენდენცია ათი წელი გაგრძელდა, კოგნიტური სამუშაო, რომელიც დღეს 1 მილიარდი დოლარის გამოთვლით სიმძლავრეს მოითხოვს, დაახლოებით 1000 დოლარი ეღირება. ესე ამ ცვლილებას კოგნიტური სამუშაოს კომოდიტიზაციისკენ "კოგნიტურ ინდუსტრიალიზაციას" უწოდებს.institute.deepmind.com
თითოეულ გზას აქვს თავისი შემაფერხებელი ფაქტორები. მასშტაბირება შეიძლება შეეჯახოს მაღალი ხარისხის მონაცემების დეფიციტს, შემცირებულ უკუგებას და ელექტროქსელებისა და ჩიპების წარმოების ლიმიტებს. პარადიგმების ცვლილება შეიძლება საჭირო გახდეს, რადგან მიმდინარე მოდელებს აკლიათ უწყვეტი სწავლისა და ნიმუშების ეფექტურობის უნარი. ბევრი აგენტის კოორდინაციას ჯერ კიდევ აკლია "მრავალაგენტიანი მასშტაბირების კანონები". რეკურსიული თვითგანვითარება შეიძლება შეფერხდეს, თუ მასზე ზედამხედველობა სუსტია და ის სავარაუდოდ ყველაზე სწრაფად განვითარდება იმ სფეროებში, სადაც ავტომატური შემოწმებაა შესაძლებელი, მაგალითად, მათემატიკურ მტკიცებულებებში.institute.deepmind.com
ესე ამტკიცებს, რომ ეს გზები ერთმანეთს აძლიერებს, ამიტომ მხოლოდ ერთი ფაქტორის, მაგალითად, საწვრთნელი გამოთვლითი სიმძლავრის შეზღუდვა "არ იქნება საკმარისი საერთო პროგრესის შესაჩერებლად". ის ასევე აფრთხილებს, რომ ერთი ფაქტორის შეკავებამ მაშინ, როცა სხვები ვითარდება, შესაძლოა შესაძლებლობების "გადაჭარბებული დაგროვება" გამოიწვიოს.unite.ai
მისი რეკომენდაციაა "მოდელირება, გაზომვა, პროგნოზირება და გამეორება" ინტერდისციპლინური მუშაობის გზით, რომელშიც ჩართულნი იქნებიან წამყვანი ლაბორატორიები და ეროვნული თუ გლობალური ინსტიტუტები. საჭირო მეტრიკების უმეტესობა მოითხოვს წვდომას წამყვან მოდელებზე და დიდი რაოდენობით გამოთვლით სიმძლავრეს შეფასებისთვის. ესე არ ასახელებს თარიღს, როდის შეიძლება დადგეს AGI ან ASI.i10x.ai+1
ესე ეყრდნობა ტექნიკურ ანგარიშს "AGI-დან ASI-მდე", რომელიც 2026 წლის 12 ივნისით თარიღდება. მის 14 ავტორს შორის არიან გენევაინი და DeepMind-ის თანადამფუძნებელი შეინ ლეგი, და მასში აღწერილია იგივე ოთხი გზა. ინსტიტუტი აცხადებს, რომ მისი მასალები არ უნდა იქნას აღქმული, როგორც Google Alphabet Inc.-ის ოფიციალური პოზიცია.institute.deepmind.com+1
"არცერთი ეს პროგნოზი არ არის გარანტირებული," წერს გენევაინი, "მაგრამ ეს გზები და სცენარები შორსაა უსაფუძვლო აჟიოტაჟისგან ან ფანტასტიკისგან".institute.deepmind.com