AGI:n heikkoudet: jatkuva oppiminen, suunnittelu ja epäjohdonmukaisuus

Google DeepMindin toimitusjohtaja Demis Hassabis uskoo, että yleinen tekoäly (AGI) ei ole vielä saavuttanut ihmisen ajattelun tasoa. Hän korosti viimeisimmässä haastattelussa, että nykyisten tekoälyjärjestelmien ja ihmisen kognition välillä on edelleen huomattava kuilu, vaikka kehitys onkin nopeaa.

Hassabisin mukaan nykyisillä AGI-tyyppisillä malleilla on kolme keskeistä heikkoutta. Ensimmäinen on jatkuvan oppimisen puute. Useimmat järjestelmät koulutetaan ennen käyttöönottoa ja pysyvät sen jälkeen käytännössä muuttumattomina. Ihanteellisesti tekoälyn tulisi oppia omista kokemuksistaan reaaliaikaisissa ympäristöissä ja sopeutua uusiin olosuhteisiin ja tehtäviin ilman lisäkoulutusta.

Toinen ongelma liittyy pitkän aikavälin suunnitteluun. Vaikka nykymallit pystyvät muodostamaan lyhyen tähtäimen strategioita, ne eivät vielä kykene rakentamaan vuosia eteenpäin ulottuvia suunnitelmia kuten ihmiset. Hassabis korostaa, että tämä kyky on ratkaisevan tärkeä monimutkaisessa päätöksenteossa ja strategisessa ajattelussa.

Kolmas heikkous on älyllinen epäjohdonmukaisuus. Järjestelmä voi osoittaa erinomaisia tuloksia yhdellä alalla, mutta tehdä alkeellisia virheitä toisella.

Hassabis huomautti, että nykyiset järjestelmät voisivat voittaa kultamitalin kansainvälisessä matematiikkaolympialaisissa ja ratkaista erittäin monimutkaisia ongelmia, mutta jos kysymys muotoillaan eri tavalla, ne saattavat tehdä virheitä yksinkertaisissa matemaattisissa tehtävissä. Todella universaalilla älyjärjestelmällä ei pitäisi olla tällaisia kyvyllisiä aukkoja. Hän totesi, että jos ihmiset olisivat matematiikan asiantuntijoita, he eivät tekisi virheitä yksinkertaisissa tehtävissä.

Hassabis on aiemmin ilmoittanut, että täysimittainen AGI voi syntyä 5–10 vuoden kuluessa. Hän perusti DeepMindin yhdessä muiden kanssa vuonna 2010, ja Googlen hankittua yrityksen vuonna 2014 siitä tuli keskeinen tutkimusosasto, joka tukee Google Geminin projektia. Vuonna 2024 Hassabisille myönnettiin Nobelin kemianpalkinto hänen panoksestaan proteiinirakenteen ennustusteknologiaan.