احتمالاً تا حالا کلی درباره پیشرفتهای عجیب و غریب هوش مصنوعی (AI یعنی هوش ماشینی که خودش تصمیم میگیره و یاد میگیره) شنیدی، از قبیل اینکه اومده شطرنجبازهای حرفهای رو شکست داده و حتی تو بازی Go هم ترکونده. اما بذار یه نکته خفن بگم: هنوز یهسری معماها و پازل وجود دارن که برای خیلی از ما آدما تفریح و سرگرمی حساب میشن، ولی همینا میتونن کلهٔ بهترین هوش مصنوعیها رو حسابی داغون کنن!
میپرسی چطوری؟ داستان از اینجا شروع میشه که هوش مصنوعیها هیچوقت تا الان به یه چیزی به اسم “هوش عمومی مصنوعی” یا همون AGI (یعنی ماشینی که مثل آدم بتونه با کمترین اطلاعات، فاز بگیره و موقعیتهای جدید رو کشف کنه) نرسیدن. AGI چیزی مثل اون مغزیه که ما داریم و میتونه خارج از هر نوع آموزش قبلی، هرچی رو یاد بگیره و خودش رو با هر شرایط جدیدی وفق بده. مثلاً ما بدون اینکه یکی بهمون یاد بده، میفهمیم چطور باید دوچرخهسواری کنیم یا یه زبان جدید یاد بگیریم؛ اینو بهش میگن قدرت تعمیم دادن یا generalization.
حالا یه آقایی به نام فرانسوا شوله (François Chollet) اومد تو سال ۲۰۱۹ یه تست جالب درست کرد به اسم ARC (Abstraction and Reasoning Corpus). این تست، یک سری معمای کوچیک و باحال داره که توی یه شبکه (grid) رنگی باید یه قانون پنهون رو کشف کنی و تو یه شبکه جدید اجراش کنی. خلاصه، قراره با این کار، ببینیم هوش مصنوعی واقعاً میتونه مثل ما آدما یاد بگیره یا فقط حفظه!
این تستا انقدر مهم شدن که شدهاند مرجع اصلی برای اندازهگیری قدرت مدلهای هوش مصنوعی (یعنی شرکتهای بزرگ همه دارن ازش استفاده میکنن تا ببینن سیستمشون چقدر میتونه موضوعات جدید رو بفهمه). خود ARC دو نسخه معروف داره: ARC-AGI-1 و ARC-AGI-2. اخیراً یک نسخه جدیدش هم به اسم ARC-AGI-3 معرفی شده که کلاً دست گذاشته رو بازیهای ویدیویی و قراره حسابی هوش مصنوعی رو با شرایط جدید به چالش بکشه.
حالا چرا این تستای ARC اینقدر خاصن؟ چون برخلاف اکثر تستای دیگه تو حوزهٔ هوش مصنوعی که بیشتر شبیه سوالات خیلی سخت دکترا هستن (طوری که حتی بیشتر آدما هم نمیتونن حلش کنن)، ARC جوری طراحی شده که آدما خیلی راحت میتونن حلش کنن. مثلاً میان ۴۰۰ نفر رو دور هم جمع میکنن، تست رو بهشون میدن و میانگین نمره ۶۶٪ میشه. باحالتر اینه که وقتی جوابای چند نفر جمع بشه تقریباً همهٔ سوالا رو پوشش میده! ولی هنوز هوش مصنوعی سر همین سوالای «ساده» حسابی گیر میکنه.
ولی دلیلش چیه که هوش مصنوعیها هنوز اینجوری جا میمونن؟ راستش آدما یه قدرت خاص دارن به اسم sample efficiency که یعنی با دیدن یکی دو تا نمونه، سریع قانون رو کشف میکنن و پیادهش میکنن. اما الگوریتمهایی که تو کلهٔ ما آدما هست، هزار برابر قویتر از هر هوش مصنوعی کنونی هستن! مثلاً ما با اینکه هیچ «دیتاست» یا دادهٔ آموزشی خاص و آمادهای نداریم (جدای از یکسری کدهای ژنتیکی)، میریم سراغ چیزایی که قبلاً تجربه نکردیم و یادش میگیریم. ولی هوش مصنوعی هنوز برای هرچیزی که خارج از دیتای اولیهش باشه، عملاً ناتوانه.
ARC-AGI-1 همون تست اولیه بود که فرانوسا شوله با حدود هزار تا معما درستش کرد. تا ۵ سال بعد عین صخره پابرجا مونده بود و هیچ مدلی نتونست حلش کنه. ولی از سال ۲۰۲۴ یواشیواش مدلهای reasoning قدرتمند، مثل اونایی که OpenAI ساخت، شروع کردن بعضیهاش رو حل کردن. بعدش نسخه ARC-AGI-2 اومد که از قبلی پیچیدهتر بود، قوانین بیشتری داشت و دیگه بهراحتی پنج ثانیه حل نمیشد، شاید حتی یکی دو دقیقه طول میکشید! الان هم نسخه سوم (ARC-AGI-3) در حال رونماییه و میخواد هوش طولی و استدلالی مدلها رو با بازیهای ویدیویی دو بعدی بسنجن.
ARC-AGI-3 یه فرق اساسی داره، اونم اینه که دیگه فقط به سوال جواب دادن قانع نیست، بلکه قراره ببینیم هوش مصنوعی میتونه توی یه محیط پویا و تعاملی (یعنی مثل بازی کامپیوتری که هر لحظه شرایط عوض میشه و باید برنامهریزی کنی و تصمیم بگیری) دوام بیاره یا نه. اینجا فقط دانش کافی نیست! باید بتونی با برنامهریزی، اکتشاف (exploration یعنی گشتوگذار و امتحان راههای مختلف)، و فهم محیط دست و پنجه نرم کنی. نکته باحال اینه که تا حالا هیچ هوش مصنوعی حتی نتونسته یه مرحله از این بازیها رو کامل تموم کنه!
راستی تا یادم نرفته، بگم که همین بازیهای معروف آتاری یا شبیهسازهای قدیمی که تو تحقیقات قبلی استفاده میشدن کلی نقطه ضعف داشتن: یا دیتای زیاد داشتن، یا توسعهدهنده قبلاً با قوانین بازی آشنا بوده و یه جور تقلب محسوب میشده، یا هیچ معیار استانداردی برای سنجش عملکرد نبوده – برای همین تستهای جدید مثل ARC حسابی دقیقتر و منصفانهترن.
اگه خیلی کنجکاوی، خودت هم میتونی این تستها رو تو سایت ARC امتحان کنی!
خلاصه اینکه، هوش مصنوعی کلی پیشرفت کرده، ولی تا روزی که واقعاً بتونه تو هر شرایط جدید مثل آدما عمل کنه، هنوز کلی راه مونده. شاید دفعه بعدی که یه معمای بهم ریخته جلوت گذاشتن بدونی که تو این یکی از بهترین AIهای دنیا امتیاز بهتری داری! 😉
منبع: +
