Demis Hassabis om svakhetene i dagens kunstig generell intelligens

Google DeepMind-sjef Demis Hassabis mener at kunstig generell intelligens (AGI) ennå ikke har nådd nivået til menneskelig tenkning. I et nylig intervju understreket han at det fortsatt er en merkbar avstand mellom dagens AI-systemer og menneskelig kognisjon, til tross for rask fremgang.

Ifølge Hassabis har dagens AGI-lignende modeller tre hovedsvakheter. Den første er mangelen på kontinuerlig læringsevne. De fleste systemer trenes før de settes i drift og forblir deretter i hovedsak statiske. Ideelt sett bør AI lære fra sine egne erfaringer i virkelige omgivelser og tilpasse seg nye forhold og oppgaver uten ytterligere opplæring.

Det andre problemet gjelder langsiktig planlegging. Selv om moderne modeller kan utforme kortsiktige strategier, kan de ennå ikke bygge planer år inn i fremtiden slik mennesker gjør. Hassabis legger vekt på at denne evnen spiller en avgjørende rolle i kompleks beslutningstaking og strategisk tenkning.

Den tredje svakheten er intellektuell inkonsistens. Et system kan vise fremragende resultater på ett område, samtidig som det gjør feil på elementære oppgaver på et annet.

Hassabis påpekte at dagens systemer kan vinne gullmedaljer i den internasjonale matematikkolympiaden og løse ekstremt komplekse problemer, men hvis et spørsmål stilles annerledes, kan de gjøre feil på enkle matteoppgaver. Et virkelig universelt intelligenssystem bør ikke ha slike kompetansegap. Han påpekte at hvis mennesker var matteeksperter, ville de ikke gjøre feil på enkle problemer.

Hassabis har tidligere uttalt at fullverdig AGI kan dukke opp innen 5–10 år. Han var med på å grunnlegge DeepMind i 2010, og etter at Google kjøpte selskapet i 2014, ble det en nøkkelforskningsavdeling som ligger til grunn for Google Gemini-prosjektet. I 2024 ble Hassabis tildelt Nobelprisen i kjemi for sine bidrag til teknologi for prediksjon av proteinstruktur.