Большие модели сокрушили все экзамены, но отдалились от ИИ общего типа: что разоблачила эта статья?
Если вам скажут, что Искусственный Общий Интеллект (ИОИ) уже достигнут, как определить, правда это или преувеличение? Проблема в том, что для ИОИ не существует общепризнанного критерия. Как отмечает исследователь Беннетт в своей работе, концепция ИОИ стала подобна тесту Роршаха — каждый видит в ней своё.
В 2025 году научное сообщество активно пытается определить новые рамки. Беннетт предлагает радикальный и практичный подход: перестать мерить ИОИ по сходству с человеком и определять его как «искусственного учёного». Ключевым критерием должна стать не имитация, а способность к адаптации и открытию нового знания в условиях ограниченных вычислительных ресурсов, памяти и энергии.
Почему нужен новый стандарт? Потому что существующие тесты, такие как тест Тьюринга или академические экзамены, уже пройдены большими языковыми моделями, но это не приблизило нас к подлинному общему интеллекту. Модели, основанные на Scale-maxing (максимизации масштаба), просто хранят в своих весах приблизительные ответы на основе огромных данных. Они пассивны, не понимают причинно-следственных связей и беспомощны перед новыми, непредвиденными задачами — например, могут ошибочно утверждать, что 9.11 больше 9.9.
Беннетт разбивает поведение настоящего ИОИ на ключевые принципы, аналогичные работе учёного: 1) Активное экспериментирование (вместо пассивного обучения), 2) Понимание причинности (а не просто корреляций), 3) Способность балансировать между «исследованием» нового и «использованием» известного.
Он анализирует три основных мета-подхода к созданию интеллекта: Scale-maxing (доминирующий сегодня), Simp-maxing (максимизация простоты) и W-maxing (максимизация ослабления ограничений). Его вывод ясен: ИОИ не может быть достигнут путём лишь одного, пусть и мощного, метода вроде наращивания масштаба. Это потребует синтеза различных подходов.
Если определение «искусственного учёного» получит признание, это приведёт к смене парадигмы в отрасли. Фокус сместится с результатов на тестах на «адаптивные benchmarks» — способность системы самостоятельно изучать новые среды, правила или научные проблемы. Достижение ИОИ станет не линейным продолжением развития больших моделей, а перезагрузкой всего пути.
marsbit05/28 00:25
