Nvidia CEO, Jensen Huang, deklaris ke artefarita ĝenerala inteligenteco, konata kiel AGI, jam estis atingita. La deklaro okazis dum intervjuo kun la podkasto Lex Fridman, publikigita lastan lundon. Huang respondis demandon, kiu difinis AGI kiel la kapablon de AI krei kaj administri miliard-dolaran kompanion, kun agoj kiel altiri klientojn, fermi vendojn kaj administri teamojn. Ele konsideris, ke ĉi tiu nivelo nun estas atingita, kvankam kun rezervoj pri la daŭro kaj amplekso de la iniciatoj.
La deklaro akiris eminentecon ĉar Huang citis praktikajn ekzemplojn de AI-agentoj en ago. Ele menciis la fenomenon OpenClaw, sistemo kapabla aŭtomatigi taskojn kiel administri retpoŝtojn, legi kontraktojn, sendi mesaĝojn kaj kontroli inteligentajn aparatojn. Segundo la ekzekutivo, uzantoj jam uzas ĉi tiujn agentojn por lanĉi retservojn aŭ aplikaĵojn, kiuj atingas miliardojn da homoj kontraŭ nur 50 cendoj, antaŭ ol rapide ĉesi operaciojn.
- AI-agentoj aŭtomatigas komercajn rutinojn kaj generas mallongperspektivajn enspezojn.
- Ekzemploj inkluzivas ciferecajn influantojn aŭ programojn, kiuj viraliĝas tuj.
- Huang emfazis, ke multaj el tiuj iniciatoj daŭras nur kelkajn monatojn.
Ĉi tiuj eksperimentoj montras la nunan potencialon de la teknologio, sed la CEO de Nvidia pripensis la limojn. Ele deklaris, ke la probablo de 100 mil agentoj kreantaj kompanion de la grandeco de Nvidia estas nulo. Huang ankaŭ rememoris, ke homoj esprimas zorgon pri laboroj, sed plifortigis, ke la celo de laboro kaj la iloj uzataj por plenumi ĝin estas rilataj, sed apartaj, konceptoj.
Antaŭeniĝo de AI-agentoj estigas debaton pri realaj kapabloj
Huang bazis sian vizion sur lastatempa progreso en tielnomitaj aŭtonomaj agentoj. Esses-sistemoj preterpasas respondi demandojn kaj komencas fari kompleksajn agojn en ciferecaj medioj. La Nvidia ekzekutivo atentigis, ke OpenClaw reprezentas mejloŝtonon en ĉi tiu evoluo, agante kiel speco de operaciumo por agentaj komputiloj. Ele instigis kompaniojn evoluigi specifajn strategiojn por ĉi tiu nova fazo de komputado.
Fakuloj zorge monitoras la kreskon de ĉi tiuj agentoj. Muitos el ili povas administri tutajn laborfluojn kaj kontribui al pli granda produktiveco en organizoj. Tamen, aplikoj ankoraŭ alfrontas malstabilecojn, kun projektoj kiuj aperas, akiras tiradon kaj malaperas en mallonga tempo. Huang rekonis ĉi tiun ŝablonon kiam komentis aplikaĵojn, kiuj altiras amasajn uzantojn dum mallongaj tempodaŭroj.
Nvidia, ĉefa kompanio pri blatoj por trejnado de AI-modeloj, vidas ĉi tiujn progresojn kiel ŝancon por ekspansio. La CEO plifortigis, ke la nuna ekosistemo permesas al programistoj krei solvojn, kiuj atingas centojn da milionoj da uzantoj tra malsamaj platformoj kaj sektoroj. Essa teknika infrastrukturo subtenas la vidon ke certaj formoj de artefarita ĝenerala inteligenteco jam ĉeestas.
Fakuloj demandas ĉu AGI estis vere trafita
Kvankam la deklaro de Jensen Huang generis sekvojn, profesiuloj pri komputado opinias, ke artefarita inteligenteco ankoraŭ ne atingis sian plenan ĝeneralan nivelon. Eles reliefigas, ke la koncepto de AGI implikas la kapablon plenumi ajnan homan intelektan taskon, inkluzive de agoj, kiuj ŝajnas banalaj al homoj, sed restas malfacilaj por maŝinoj. Exemplos inkluzivas veturadon de veturiloj en nemapitaj lokoj aŭ komandante robotojn en malordigitaj medioj.
Profesoro Álvaro Machado Dias, de Universidade Federal de Segundo li, AI-agentoj pliigas la produktivecon kaj profitecon de kompanioj, sed ili estas malproksime de administri grandajn entreprenojn en aŭtonoma kaj daŭrigebla maniero. Dias emfazis, ke vera ĝenerala karaktero postulus majstradon super ĉiutagaj agadoj kaj ne nur kompleksajn kaj specifajn taskojn.
Profesoro Esther Luna Colombini, de Instituto de Computação de Mesmo tiel, ili alfrontas malfacilaĵojn en translokado de lernitaj konceptoj al novaj scenaroj aŭ en elfarado de simplaj agoj kiel rekoni vizaĝojn en malsamaj kondiĉoj. Essa-limigo malhelpas nunajn sistemojn esti klasifikitaj kiel artefarita ĝenerala inteligenteco en sia tuteco.
Fakuloj konsentas, ke la progreso de AI en la lastaj jaroj estis signifa. Nuna Modelos pritraktas kompleksajn demandojn kaj kompleksajn ludojn kun alta rendimento. La transiro al la ĝenerala nivelo ankaŭ postulus la kapablon identigi scion mankojn kaj serĉi manierojn plenigi ilin sendepende, io kiu ankoraŭ ne okazas konsekvence.
Teknikaj limoj apartigas specifajn taskojn de ĝenerala inteligenteco
Nuna artefarita inteligenteco funkcias kun plejboneco en bone difinitaj domajnoj. Sistemas povas prilabori grandajn volumojn da datumoj, optimumigi procezojn kaj generi enhavon je skalo. Tamen, ili dependas de antaŭa trejnado de specifaj aroj kaj perdas efikecon kiam ili alfrontas neantaŭvideblajn situaciojn aŭ situaciojn ekster la origina amplekso.
Esploristoj atentigas, ke la vojo al AGI implikas venki tion, kio ŝajnas bagatela al homoj. Tarefas kiel navigi senordajn fizikajn mediojn aŭ adapti abstraktajn sciojn al novaj kuntekstoj reprezentas aktualajn barojn. Essas-kapabloj postulus ne nur komputilan potencon, sed ankaŭ pli altnivelajn formojn de rezonado kaj daŭra lernado.
Huang nerekte agnoskis tiujn defiojn limigante sian deklaron al praktika kaj provizora difino de AGI. Ele evitis promesi, ke nunaj agentoj anstataŭigos homan gvidadon en konstanta skalo aŭ kreos daŭrajn komercajn imperiojn. La parolado servis pli kiel provoko por la sektoro pripensi la nunan stadion de teknologio ol kiel definitiva antaŭdiro.
La debato pri AGI daŭre aktivas en la scienca komunumo. Diferentes difinoj cirkulas, de la kapablo pasigi homajn testbateriojn ĝis kompleta aŭtonomio en realaj medioj. Enquanto iuj voĉoj festas akcelitan progreson, aliaj postulas singardemon ne ŝveligi atendojn pri tio, kion sistemoj povas liveri hodiaŭ.
Firmaoj jam korpigas AI-agentojn en ĉiutagajn operaciojn
Organizoj de malsamaj sektoroj adoptas sendependajn agentojn por aŭtomatigi rutinojn kaj pliigi efikecon. Essas-iloj administras komunikadojn, analizas kontraktojn kaj efektivigas programitajn agojn sen konstanta interveno. La rezulto aperas en produktivecaj gajnoj, kvankam homa superrigardo ankoraŭ necesas por certigi kvaliton kaj sekurecon.
Programistoj ekspluatas OpenClaw kaj similajn platformojn por krei kutimajn solvojn. Nvidia instigis la konstruadon de specifaj strategioj por tiuj agentoj, konsiderante ilin la nova komputika paradigmo. Essa alproksimiĝo permesas al kompanioj integri teknologion laŭgrade kaj adaptita al siaj bezonoj.
Malgraŭ la entuziasmo, spertuloj avertas pri riskoj asociitaj kun troa dependeco de sistemoj, kiuj ankoraŭ maturiĝas. Questões de sekureco, privateco kaj jura respondeco ekestas kiam agentoj agas aŭtonome en realaj medioj. La ekvilibro inter novigado kaj kontrolo restas centra al nunaj diskutoj.
La deklaro de Jensen Huang plifortigas la momenton de transformo travivita de la industrio. Ela elstarigas kaj la atingojn atingitajn kaj la mankojn, kiuj ankoraŭ devas esti plenigitaj por ke artefarita inteligenteco atingu sian plenan potencialon.