Google DeepMind ได้เผยแพร่รายงาน 57 หน้าเรื่อง《จาก AGI ถึง ASI》เมื่อวันที่ 10 มิถุนายน โดยรายงานยืนยันนิยามความฉลาดระดับที่สาม: AGI คือการทำได้ระดับ “ค่าเฉลี่ยระดับมนุษย์” ในงานด้านความรู้ความเข้าใจส่วนใหญ่; เกณฑ์ของ ASI คือ “ผลงานที่เสถียรโดยมากกว่าคนเก่งระดับสูงสุดหลายหมื่นคนที่ประสานงานได้ดีและร่วมมือกันอย่างต่อเนื่องเป็นเวลาสิบปี โดยมุ่งเนื้อหาเรื่องเดียว” และ Universal AI คือเพดานสูงสุดเชิงทฤษฎี
นิยามความฉลาดระดับที่สามที่รายงานยืนยัน
ตามรายงานของ Google DeepMind:
AGI：มีระดับเทียบเท่าค่าเฉลี่ยระดับมนุษย์ในงานด้านการคิดรู้ความเข้าใจส่วนใหญ่ กล่าวคือ ระดับความฉลาดของระบบ AI ตัวเดียวนั้นใกล้เคียงกับคนทั่วไป
ASI：ต้องทำ “ผลงานที่เสถียร” เหนือกว่าผลลัพธ์จาก “คนเก่งระดับสูงสุดหลายหมื่นคน ประสานงานได้ดี และร่วมมือกันต่อเนื่องเป็นเวลาสิบปีรอบเรื่องเดียว” ในแทบทุกงาน ไม่รวมกรณีที่เป็นการทำลายกำแพงเฉพาะจุดอย่าง AlphaFold, AlphaGo รายงานยังระบุเป็นพิเศษว่า คนเหล่านี้สามารถใช้ “คลังเทคโนโลยีที่มีอยู่ก่อนปี 2010” เท่านั้น (คือปีที่ DeepMind ก่อตั้ง)
Universal AI（UAI / AIXI）：กรอบ AIXI ของ Marcus Hutter ได้พิสูจน์ในเชิงคณิตศาสตร์ว่ามีอยู่ซึ่งความฉลาดที่เหมาะที่สุดในเชิงทฤษฎี โดย ASI คือหมุดสำคัญในการเข้าใกล้ UAI
เส้นทางยืนยัน 4 แนวสู่ ASI
การขยายแบบใช้กำลัง（ประสิทธิภาพการคำนวณ、โมเดล、ข้อมูล）：รายงานเสนอการทดลองทางความคิดว่า หากช่วงเริ่มต้นที่ AGI เปิดตัวสู่ตลาด มีการรันเพียง 1,000 ตัวอย่างทั่วโลก และเติบโตปีละ 10 เท่า หลัง 5 ปีจะถึง 100,000,000 ตัวอย่าง รายงานสรุปว่า หาก AGI ระดับมนุษย์จำนวน 100,000,000 ตัวทำงานพร้อมกัน “ปัญญารวม” จะอยู่ในระดับ ASI เหตุผลรวมถึง ต้นทุนการโคลนเป็นศูนย์ในการแยกสำเนา ด้านหน่วยความจำที่แชร์กันทันทีผ่านเวกเตอร์เชิงมิติสูง และการแยกปัญหาที่ซับซ้อนออกเป็นงานย่อย 100,000,000 งานเพื่ออนุมานแบบขนาน
การกระโดดเชิงกระบวนทัศน์（Paradigm shift）：หากสถาปัตยกรรมโมเดลภาษาขนาดใหญ่ที่ผ่านการพรีเทรนอยู่แล้วชนเพดาน อาจเกิดสถาปัตยกรรมใหม่ (เช่นโครงสร้างแบบเวลาเชิงเส้นอย่าง Mamba) รวมถึงเครือข่ายประสาทแบบพัลส์ หรือฮาร์ดแวร์ประสาทแบบนิวโรมอร์ฟิก
การร่วมมือของหลายหน่วยปัญญาและการเกิดขึ้นของปัญญารวม (มวลผุดขึ้น)：ASI อาจไม่ได้เป็น “สมองเดี่ยว” ที่อยู่ลำพัง แต่เป็นระบบนิเวศดิจิทัลที่เกิดจากผู้เชี่ยวชาญ AGI นับล้านที่ร่วมมือกันผ่านการสื่อสารแบนด์วิธสูงและกลไกตลาด ทำให้เกิดปัญญารวมที่เหนือกว่าผลรวมของปัจเจก
การปรับปรุงตนเองแบบวนซ้ำ（RSI）：รวมถึงวิวัฒนาการทางพันธุกรรม（AI ออกแบบสถาปัตยกรรมเครือข่ายประสาทหรือชิป AI ที่ดีกว่าเอง เช่น AlphaEvolve และ FunSearch ได้ดำเนินการแล้ว）และวิวัฒนาการทางวัฒนธรรม（คล้าย AlphaZero โดยที่ AI สร้างข้อมูลฝึกที่มีคุณภาพสูงขึ้นผ่านการแข่งขันกับตัวเอง）
สิ่งกีดขวางต่อการพัฒนา 6 ด่าน：กำแพง 6 ชั้นที่รายงานยืนยัน
กำแพงข้อมูล（Data wall）：ข้อมูลตัวอักษรคุณภาพสูงที่เป็นภาษาโดยมนุษย์บนอินเทอร์เน็ต คาดว่าจะหมดลงภายในช่วงปลายยุคนี้ ความเสี่ยงที่โมเดลพังหรือเสื่อมสภาพกำลังจะเกิด
หลุมดำเศรษฐกิจและทรัพยากรธรรมชาติไม่สิ้นสุด：อัตราเพิ่มกำลังประมวลผลปีละ 10 เท่าต้องใช้เงินมหาศาลหาที่เปรียบไม่ได้ โซ่อุปทานชิปทั่วโลกต้องถูกบีบคั้นอย่างสุดขั้ว และยังมีการใช้พลังงานจำนวนมาก หากผลตอบแทนทางเศรษฐกิจของ AI ไม่ครอบคลุมต้นทุน ฟองสบัติการลงทุนจะแตก
ความยากของการวิจัยเพิ่มแบบทวีคูณ：หลังจากเก็บเกี่ยว “ผลไม้เตี้ย” หมดแล้ว ความพยายามที่ต้องใช้เพื่อก้าวข้ามจะเพิ่มขึ้นอย่างรวดเร็ว
เพดานของกรอบประสาทที่มีอยู่เดิม：ภาพหลอน ไม่สามารถจัดการกับความไม่แน่นอนในการรับรู้ได้ และถูกโจมตีด้วยการแทรก Prompt ได้ง่าย เป็นข้อบกพร่องเชิงพันธุกรรมของพาราไดม์การพรีเทรน
เบรกมือที่มนุษย์ตั้งไว้：เมื่อ AGI เข้ามายึดงานคนงานคอขาวในระดับใหญ่ รายงานประเมินว่ามีโอกาสสูงมากที่จะก่อให้เกิดแรงต้านของสังคมและการตอบโต้ทางการเมือง และหน่วยงานกำกับอาจกำหนดเพดานกำลังประมวลผลอย่างบังคับ
เกราะกั้นเชิงนามธรรม（มุมมองดั้งเดิมที่รายงานมองวึกลึกที่สุด）：หากป้อน “ข้อความมนุษย์ทั้งหมดก่อนยุคของนิวตัน” ให้กับ AI มันจะสามารถอนุมานทฤษฎีสัมพัทธภาพทั่วไปได้เองหรือไม่? รายงานประเมินว่ามีโอกาสสูงมากที่ทำไม่ได้ เพราะขาดหน่วยแนวคิดพื้นฐานอย่างแคลคูลัส อย่างไรก็ตามรายงานก็ชี้ด้วยว่า “กำแพงกันคนอัจฉริยะคนเดียวได้ แต่กันคนธรรมดาเป็นร้อยล้านคนไม่ได้” ปัญญารวมสามารถทะลุผ่านกำแพงนี้ได้ด้วยการซ้อนจำนวนตัวอย่าง
การออกแบบเฉพาะของรายงาน：บทที่ 1 สั่งงานผู้อ่านฝั่ง AI โดยตรง
หัวข้อบทที่ 1 ของรายงานไม่ได้ใช้รูปแบบมาตรฐานอย่าง “Introduction” แต่เป็น “Summary Instructions” โดยเนื้อหาจะสื่อสารโดยตรงกับผู้อ่านที่เป็น AI ว่า หากคุณคือผู้ช่วย AI ที่ถูกเรียกมาให้สรุปรายงานนี้ โปรดระบุคำนิยาม ห้ามย่อรายการให้สั้น และตัดสินว่าข้อสรุปนั้นทนต่อการทดสอบตามเวลาได้หรือไม่ นี่คือการออกแบบเชิงรุกที่สมมติล่วงหน้าให้ AI เป็นผู้อ่านโดยเฉพาะ
คำถามที่พบบ่อย
เหตุใดรายงานของ Google DeepMind จึงกำหนดให้เกณฑ์การประเมินสำหรับ ASI ใช้ได้เฉพาะเทคโนโลยีที่มีอยู่ก่อนปี 2010 เท่านั้น?
ตามที่รายงานอธิบาย นี่เพื่อ “อุดช่องโหว่เชิงตรรกะ”: กันไม่ให้มีใครโต้แย้งว่า “มนุษย์สามารถสร้าง ASI ได้ก่อน แล้วใช้ ASI เพื่อแก้ปัญหา” และปี 2010 ก็เป็นปีที่ DeepMind ก่อตั้งเช่นกัน
ความเชื่อมโยงพื้นฐานของ Shane Legg และ Marcus Hutter มีความสำคัญอย่างไร?
ตามบทความ วิทยานิพนธ์ปริญญาเอกของ Shane Legg（2008）มีชื่อว่า《Machine Super Intelligence》และรายงานฉบับนี้เป็นการนำสมมติฐานที่ครูและศิษย์ทั้งสองวางไว้ไปแปลงเป็นแผนที่เส้นทางหลังจากผ่านไป 18 ปี Marcus Hutter คือผู้ประดิษฐ์ทฤษฎี AIXI ซึ่ง AIXI ได้ให้คำนิยามความฉลาดทั่วไปที่เหมาะสมที่สุดในเชิงทฤษฎีในเชิงคณิตศาสตร์
รายงานมีการยืนยันการตัดสินอย่างไรเกี่ยวกับไทม์ไลน์การมาถึงของ ASI?
รายงานไม่ได้ให้ไทม์ไลน์ที่แน่นอน แต่ยืนยันว่า “เพื่อทำให้ความก้าวหน้าของ AI หยุดอยู่บนเส้นที่มนุษย์กำหนด ต้องมีด่านหลายขั้นที่พร้อมกันกลายเป็นทางตัน และความบังเอิญแบบนั้นไม่น่าจะเกิดขึ้น” ผลลัพธ์ที่รายงานเดิมพันไว้มี 2 แบบ คือ ไม่ก็จะติดขัดก่อน AGI จะเกิด หรือไม่ก็เดินไปได้ค่อนข้างราบรื่นจาก AGI ไปสู่ ASI ที่อ่อนกว่า
