Demis Hassabis, współzałożyciel DeepMind i twórca słynnego AlphaGo, ostrzega, że branża AI rozwija się w złą stronę. Naukowiec uważa, że obecne podejście koncentrujące się głównie na zwiększaniu mocy obliczeniowej i rozmiaru modeli nie prowadzi do naprawdę inteligentnych systemów, a jedynie do coraz bardziej zaawansowanych narzędzi wzmacniania wzorców z danych treningowych.
Hassabis podkreśla, że brakuje nam fundamentalnego zrozumienia tego, jak faktycznie działa inteligencja. Podczas gdy firmy takie jak OpenAI czy Meta pędzą w wyścigu o kolejne miliardy parametrów w modelach języka, DeepMind proponuje powrót do bardziej naukowego podejścia inspirowanego neurobiologią. Ekspert argumentuje, że skalowanie nie jest odpowiedzią na wszystkie problemy - zamiast tego powinniśmy studiować sposób, w jaki zwierzęta i ludzie učą się z minimalną ilością danych, transferując wiedzę między zagadnieniami czy pracując z ograniczonymi zasobami. To stanowi kontrast do obecnego trendu, gdzie trenowanie największych modeli wymaga tysięcy procesorów GPU i ogromnych zbiorów danych.
Obawy twórcy AlphaGo mają praktyczne konsekwencje dla przyszłości sztucznej inteligencji. Jeśli Hassabis ma rację, to obecna droga może doprowadzić do systemu, które doskonale odtwarzają wzorce, ale brakuje im elastyczności, zrozumienia przyczynowości czy zdolności do transferu wiedzy na nowe problemy. To pytanie staje się coraz bardziej aktualne w kontekście obaw o zużycie energii przez duże modele, etykę ich treningowania oraz praktyczną użyteczność systemów, które działają dobrze tylko na zadaniach podobnych do tych, na których były trenowane.