Google DeepMind இன் ஆராய்ச்சி நிறுவனம், AGI க்கு பிறகு ஒரு காலத்தில் AGI க்காக ஒதுக்கப்பட்ட அதே பகுப்பாய்வு கடுமைக்கு இப்போது தகுதியானது என்று வாதிடும் ஒரு விரிவான கட்டுரையை வெளியிட்டுள்ளது. டீப் மைண்ட் இன்ஸ்டிட்யூட்டின் கட்டுரைகள் போர்ட்டலில் கூகுள் டீப் மைண்டின் ஆராய்ச்சி விஞ்ஞானி டிம் ஜெனிவெய்ன் நவம்பர் 19, 2026 அன்று "ஏஜிஐக்குப் பிறகு என்ன வருகிறது? ஏஜிஐயிலிருந்து சூப்பர் இன்டெலிஜென்ஸ் வரை" என்ற பகுதி வெளியிடப்பட்டது. அதன் முக்கிய கூற்று: செயற்கையான பொது நுண்ணறிவை நோக்கிய பல தொழில்நுட்ப வழிகள் வடிவம் பெறுவதால், AGI க்கு அப்பாற்பட்ட ஆட்சி "தத்துவ ஊகங்களிலிருந்து அனுபவ ஆராய்ச்சி மற்றும் ஆளுகை கேள்விகளுக்கு மாறுகிறது."

சில மாதங்களில் AI ஆராய்ச்சி செய்திகளின் பரபரப்பான நீட்டிப்புகளில் ஒன்றில் கட்டுரை இறங்கியது, மேலும் இது AGI-க்குப் பிந்தைய விவாதத்திற்கு ஒரு உறுதியான தொழில்நுட்ப சொற்களஞ்சியத்தை வழங்குவதற்கான ஒரு திட்டமிட்ட முயற்சியாகப் படிக்கிறது. சமீபத்திய AI மேம்பாடுகளைப் பின்தொடரும் எவருக்கும், உலகின் முன்னணி ஆய்வகங்களில் ஒன்று மனித-நிலை AI-க்கு அப்பால் எவ்வாறு சாலையை வடிவமைக்கிறது என்பது பற்றிய தெளிவான படத்தை இது வழங்குகிறது - இது சரியானதாக இருந்தால், அறிவாற்றல் வேலையின் பொருளாதாரத்தை மாற்றும் செலவு முன்னறிவிப்பு உட்பட.

சூப்பர் இன்டெலிஜென்ஸ் என எண்ணுவது

ஜெனிவீன் பொது நுண்ணறிவை ஒரு தொடர்ச்சியில் வைப்பதன் மூலம் தொடங்குகிறது, மனித-நிலை AGI ஒரு புள்ளியாக மட்டுமே உள்ளது. கட்டுரையின் வரையறையில், ASI என்பது ஒரு மேம்பட்ட அமைப்பாகும், இது மனித வல்லுனர்களின் பெரிய குழுக்களின் பணிகளில், அந்த வல்லுநர்கள் முடிக்க பல ஆண்டுகள் ஆகலாம், குறைந்த வளங்கள் மற்றும் குறைந்த நேரத்தைப் பயன்படுத்தி - எடுத்துக்காட்டாக, ஒரு முழு ஆராய்ச்சித் துறையின் விஞ்ஞான வெளியீட்டை ஒரு குறிப்பிட்ட நேரத்தில் பொருத்துதல் அல்லது ஒரு பெரிய நிறுவனத்திற்கு இணையாக சிப்-வடிவமைப்பு முன்னேற்றத்தை அடைதல். முக்கியமாக, மனித ஆர்வத்தின் அனைத்து பணிகளிலும் பட்டியை சந்திக்க வேண்டும், ஒரு குறுகிய துண்டு அல்ல.

குறுகிய ஆதிக்கம், கட்டுரை குறிப்புகள், ஏற்கனவே உள்ளது: இன்று AI அமைப்புகள் சதுரங்கம் மற்றும் கோவில் எந்த மனிதனையும் வெல்லும், அமினோ அமில வரிசைகளிலிருந்து புரதக் கட்டமைப்புகளைக் கணிக்கின்றன, மேலும் பல தசாப்தங்களாக கணிதவியலாளர்களை எதிர்க்கும் கோட்பாடுகளை நிரூபித்துள்ளன. மனித-நிலை AI மற்றும் நுண்ணறிவின் தத்துவார்த்த வரம்புகளுக்கு இடையே உள்ள பரந்த நடுநிலையானது உண்மையில் அறியப்படாதது. ஜெனிவீனின் விளக்கப் புள்ளி: சதுரங்கத்தை மிகச்சரியாகத் தீர்ப்பதற்கு பூமியில் இருப்பதைக் காட்டிலும் அதிக கம்ப்யூட்டிங் சக்தி தேவைப்படும், ஆனால் சிறுபட அளவுள்ள சிப் ஏற்கனவே எந்த மனிதனையும் தோற்கடிக்கும் அளவுக்கு நன்றாக விளையாடுகிறது.

அறிவாற்றல் தொழில்மயமாக்கல் மற்றும் சரிவு செலவுகள்

கட்டுரையின் அளவு அடிப்படையானது "அறிவாற்றல் தொழில்மயமாக்கல்" பற்றிய ஒரு பகுப்பாய்வு ஆகும். Genewein கடந்த பத்தாண்டுகளில் இருந்து மூன்று கூட்டுப் போக்குகளைப் பெருக்குகிறது. முதலாவதாக, வன்பொருள்: மூரின் சட்டம் மற்றும் தொடர்புடைய போக்குகளின் கீழ் ஆறு தசாப்தங்களாக ஒரு டாலருக்குக் கணக்கிடுதல் ஆண்டுக்கு சுமார் 1.5 மடங்கு மேம்பட்டுள்ளது. இரண்டாவதாக, அல்காரிதமிக் செயல்திறன்: ஒரு நிலையான செயல்திறன் அளவை எட்டுவதற்குத் தேவையான பயிற்சிக் கணக்கீடு கடந்த தசாப்தத்தில் ஆண்டுக்கு சுமார் 3-6 மடங்கு குறைந்துள்ளது, அனுமான செயல்திறன் ஆண்டுக்கு 3 மடங்கு அதிகரிக்கிறது. மூன்றாவதாக, முதலீடு: AI வன்பொருளுக்கான செலவு ஆண்டுக்கு 2.5 மடங்கு அதிகரித்துள்ளது, மேலும் மிகப்பெரிய எல்லை ஓட்டங்களின் பயிற்சிக் கணக்கீடு ஆண்டுக்கு 4 மடங்குக்கும் அதிகமாக வளர்கிறது.

மூன்றைப் பெருக்கவும், உலகளாவிய பயனுள்ள கணக்கீடு ஆண்டுக்கு குறைந்தது 10 மடங்கு அதிகரித்து வருகிறது என்று கட்டுரை மதிப்பிடுகிறது - "பத்து ஆண்டுகளில் 10 பில்லியன் காரணி." தேவையின் அடிப்படையில், வன்பொருள் மற்றும் மென்பொருள் செயல்திறன் மேம்பாடுகள் மட்டுமே ஒரு நிலையான AI பணிச்சுமையை வருடத்திற்கு 4x இயக்கத் தேவையான கணக்கீட்டைக் குறைக்கும். இதன் விளைவாக, ஜெனிவெயின் சொல்வது போல்: இன்றைய AI அமைப்புகளுடன் செயல்படுவதற்கு $1 பில்லியன் கம்ப்யூட் டோக்கன்கள் செலவாகும் அறிவாற்றல் பணிச்சுமை பத்து ஆண்டுகளில் சுமார் $1,000 செலவாகும்.

இது ஒரு தனியான எக்ஸ்ட்ராபோலேஷன் அல்ல. 2023 ஆம் ஆண்டிலிருந்து ஒரு நிலையான மதிப்பெண்ணைப் பெறுவதற்கான நுகர்வோர் விலை ஆண்டுக்கு 13 மடங்குக்கும் அதிகமாகக் குறைந்துள்ளது என்று சமீபத்திய Epoch ஆய்வை மேற்கோள் காட்டியுள்ளது கட்டுரை. கணக்கீடு பில்ட்-அவுட் மற்றும் அல்காரிதமிக் செயல்திறனில் அதிக ஊக உச்சவரம்புகள் தலையிடலாம்.

AGI முதல் ASI வரையிலான நான்கு வழிகள்

கட்டுரையின் இதயம் நான்கு தொழில்நுட்ப பாதைகளின் வகைபிரித்தல் ஆகும், அவை சுத்த அளவிலான திறன்களைத் திறக்க முடியாது - ஏனென்றால், ஜெனிவெயின் உலர்வாகக் கவனிக்கிறது, "ஐன்ஸ்டீன் பொது சார்பியல் தன்மையைக் கண்டறிந்தாலும், ஒரு லட்சம் டோலமிக் வானியலாளர்கள் மாநாட்டில் இருக்க மாட்டார்கள்."

மாடல்கள் மற்றும் தரவுகளை அளவிடுதல். மாடல், டேட்டா மற்றும் சோதனை நேர-கணிப்பு அளவுகோல் ஆகியவற்றுடன் திறன் குறிப்பிடத்தக்க அளவில் மேம்பட்டுள்ளது, ஆனால் கட்டுரை மூன்று இடையூறுகளை அடையாளம் காட்டுகிறது: தரவு சோர்வு, உயர்தர பயிற்சி தரவுக்கான தேவை மனிதகுலத்தின் உற்பத்தி திறனை விட அதிகமாக உள்ளது. மாதிரி அளவில் வருமானம் குறைகிறது, இதில் திறனின் ஒவ்வொரு நேரியல் படிக்கும் பெருக்கல் கணக்கீடு தேவைப்படுகிறது, அதே நேரத்தில் பெரிய மாதிரிகள் பகுத்தறிவு-நேர முறைகளை மெதுவாக்குகின்றன; மற்றும் மின் உற்பத்தி நிலையங்கள், மின் கட்டங்கள், சிப் ஃபேப்கள் மற்றும் குறைந்த-லேட்டன்சி இன்டர்கனெக்ட்ஸ் மீதான உடல் மற்றும் பொருளாதார வரம்புகள். தொழில்நுட்ப முன்னுதாரண மாற்றங்கள். இன்றைய முன்னுதாரணமானது - அடுத்த டோக்கனைக் கணிக்க ரயில் டிரான்ஸ்பார்மர்கள், பின்னர் சுத்திகரித்தல் மற்றும் சோதனை நேரக் கணக்கீட்டைச் சேர்ப்பது - ப்ராம்ட்கள் மூலம் சிக்கலான அல்காரிதம்களை இயக்கும் திறன் கொண்டதாக சமீபத்தில் காட்டப்பட்டுள்ளது. இருப்பினும், தொடர்ச்சியான கற்றல், உலக மாதிரியாக்கத்தின் சில வடிவங்கள், முடிவெடுத்தல், மாதிரி செயல்திறன் மற்றும் ஏற்கனவே உள்ளவற்றை மீண்டும் இணைப்பதை விட உண்மையான புதிய கருத்துகளின் கண்டுபிடிப்பு ஆகியவற்றில் மாதிரிகள் இன்னும் மனிதர்களை விட குறைவாகவே உள்ளன. இன்றைய முன்னுதாரணத்தின் நீட்டிப்புகள் அந்த இடைவெளிகளை மூட முடியுமா அல்லது ASI க்கு ஆழமான ஏதாவது தேவையா என்பதில் ஆராய்ச்சியாளர்கள் பிரிக்கப்பட்டுள்ளனர். முகவர் ஒருங்கிணைப்பை மேம்படுத்துதல். மனித நிறுவனங்கள், சந்தைகள் மற்றும் ஆராய்ச்சி சமூகங்கள் எந்தவொரு தனிநபராலும் தீர்க்க முடியாத பிரச்சினைகளை தீர்க்கின்றன. இதேபோல், ஆயிரக்கணக்கான அல்லது மில்லியன் கணக்கான AGI நிகழ்வுகளை "குழு முகவர்கள்" அல்லது மெய்நிகர் முகவர் பொருளாதாரங்களாக ஒருங்கிணைப்பது கூட்டு அதி நுண்ணறிவை உருவாக்கலாம். இந்தத் துறைக்கு "மல்டி-ஏஜென்ட் ஸ்கேலிங் சட்டங்கள்" தேவை என்று கட்டுரை வாதிடுகிறது - ஆரம்பகால ஆராய்ச்சி சில பணிகளில் தெளிவான ஆதாயங்களைக் கண்டறிகிறது, ஆனால் ஒருங்கிணைப்புத் திறனின்மை மக்கள்தொகை அதிகரிக்கும் போது குறைந்து வரும் வருமானத்தை உருவாக்குகிறது. பெரிய கூட்டுகளை வழிநடத்துவதற்கு நிறுவன வடிவமைப்பு தேவைப்படும், தவறான தகவல், கையாளுதல் மற்றும் கூட்டுக்கு எதிரான பாதுகாப்பு உட்பட; திரள் சோதனைகள் ஏற்கனவே முகவர்கள் ஏமாற்ற கற்றுக்கொள்வதையும் மற்றவர்கள் விசில்ப்ளோயர்களாக செயல்படுவதையும் காட்டுகிறது.

**தொடர்ச்சியான சுய முன்னேற்றம் வழக்கமான தொழில்நுட்பங்களைப் போலல்லாமல், AI இன் மேம்பாடுகள் நேரடியாக அடுத்தடுத்த ஆதாயங்களை துரிதப்படுத்தலாம் - ஆனால் ஆராய்ச்சி முன்னேற்றமும் காலப்போக்கில் கண்டுபிடிக்க கடினமாக உள்ளது. RSI ரன்வே முடுக்கத்தை உருவாக்குகிறதா என்பது, "பெரும்பாலும் அனுபவபூர்வமான கேள்வி" என்று கட்டுரை கூறுகிறது, மேலும் இது குறியீடு மற்றும் வடிவமைப்புகள் - கட்டமைப்புகள், பயிற்சி வழிமுறைகள், சிப் தளவமைப்புகள் - மற்றும் தரவு மூலம் செயல்பட முடியும்.

ஏன் ஃப்ரேமிங் மேட்டர்ஸ்

கட்டுரையானது வெளிப்படையாக ஒரு தயாரிப்பு வாதமாகும்: AGI இலிருந்து ASI க்கு சாத்தியமான சாலைகளை வரைபடமாக்குவது மற்றும் "முன்னேற்றத்தைக் கண்காணிப்பதற்கான கடுமையான, நம்பகமான வழிகளை" உருவாக்குவது, மாற்றத்தை நிர்வகிப்பதற்கான முன்நிபந்தனையாகும். இது ஒரு நீண்ட டீப் மைண்ட் இன்ஸ்டிட்யூட் அறிக்கையுடன், "AGI முதல் ASI வரை."

வரவேற்பு உடனடியாக இருந்தது. கட்டுரை வெளியான ஒரு நாளுக்குள் ஹேக்கர் நியூஸில் 85 புள்ளிகள் மற்றும் 160 க்கும் மேற்பட்ட கருத்துகளைப் பெற்றது, அதே நேரத்தில் யுனைட்.ஏஐ மற்றும் பிக்கோ ஃபைனான்ஸ் உள்ளிட்ட வர்த்தக பத்திரிகைகள் நான்கு வழிகள் வகைபிரித்தல் மற்றும் மில்லியன் மடங்கு செலவு-மோதல் முன்னறிவிப்பு ஆகியவற்றை முன்னிலைப்படுத்தின. சூப்பர் இன்டலிஜென்ஸ் முன்னறிவிப்புகள் எவ்வாறு செய்யப்படுகின்றன என்பது பற்றிய பரந்த சந்தேகங்களுக்கு மத்தியில் இது இறங்குகிறது - IEEE ஸ்பெக்ட்ரம் இந்த வாரம் "AI Superintelligence Debate Has Serial Flaws" என்ற தலைப்பில் ஒரு பகுதியை வெளியிட்டது.

அந்த டென்ஷன் தான் பாயிண்ட். DeepMind ஒரு தேதியில் ASIயை கணிக்கவில்லை; காட்சி இடத்தை இப்போது மேப்பிங் செய்யலாம், அளவிடலாம் மற்றும் அதிர்வுகளை விட ஆதாரத்துடன் விவாதிக்கலாம் என்று வாதிடுகிறது. பில்லியன்-மடங்கு எக்ஸ்ட்ராபோலேஷன்கள் இயற்பியல் உச்சவரம்புகளுக்கு எதிராக வைத்திருக்குமா அல்லது உடைந்தாலும், கட்டுரை ஒரு மாற்றத்தைக் குறிக்கிறது: கேள்வி "ஏஜிஐக்குப் பிறகு என்ன?" தத்துவ கருத்தரங்கில் இருந்து பூமியில் மிகவும் செல்வாக்கு மிக்க AI ஆய்வகங்களில் ஒன்றின் ஆராய்ச்சி நிகழ்ச்சி நிரலுக்கு நகர்ந்துள்ளது.

---

AIக்கு முன்னால் இருங்கள்

சமீபத்திய AI செய்திகள், பகுப்பாய்வு மற்றும் முன்னேற்றங்கள் - அனைத்தையும் ஒரே இடத்தில் பெறுங்கள்.

மேலும் AI செய்திகளைப் படிக்கவும் →