يُميز هذا التحليل بين التحسين الضيق للذكاء الاصطناعي الحالي والاستقراء اللازم للذكاء الاصطناعي العام (AGI). اليوم، يتألف الذكاء الاصطناعي أساسًا من الذكاء الصناعي الضيق (ANI)، الذي يتميز بالتعرف على الأنماط ضمن بيانات التدريب الخاصة به. تصمم البُنى مثل المحول (Transformer)، مع آليات مثل الانتباه الذاتي وانحدار التدرج، للكشف عن العلاقات الإحصائية ضمن توزيع معين، مثل ميزات الرسائل النصية المزعجة. لكن هذا يجعلها هشة؛ إذ تكافح لتطبيق القواعد التي تعلمتها على مجالات مختلفة قليلاً، مثل تصفية البريد الإلكتروني، لأن معرفتها محدودة بالمغلف المحدب لأمثلة التدريب. هذه ليست مشكلة حجم بل مشكلة هيكلية — فتعلم الصفر إطلاقًا هو تقريب شامل، وليس مهارة حقيقية. بالمقابل، تؤكد الإدراك البيولوجي على الاستقراء — تكوين مخططات مجردة وهرمية من تجارب محدودة وتطبيقها على مواقف جديدة. يتعلم الإنسان، مثل الطفل الذي ينتقل من الزحف إلى المشي، عبر الإدراك المتجسد الذي يربط مفاهيم مثل الجاذبية والزخم بالواقع المادي، مما يمكّن النقل الفعّال للمعرفة. النماذج اللغوية الكبيرة أقل كفاءة في استخدام البيانات مقارنةً بالبشر الذين يتعلمون اللغة من خلال التأصيل الاجتماعي والمادي. إن فشلها في اختبارات مثل مجموعة التجريد والاستنتاج (ARC-AGI)، التي تقيس استنتاج القواعد المجردة من أمثلة قليلة، يبرز هذه الفجوة. غالبًا ما تكون المناقشات العامة حول واجهات الدماغ والحاسوب مضللة؛ فهذه الأنظمة تطبيقات ذكاء اصطناعي ضيقة متقدمة لمعالجة الإشارات وفك ترميز النوايا الحركية، وليس لفهم أو قراءة الأفكار المجردة. سيتطلب تحقيق AGI تحولًا يتجاوز مجرد توسيع البنى الحالية التي تواجه قيودًا في البيانات والطاقة. يشمل المستقبل دمج التفكير السببي، والأنظمة العصبية-الرمزية، والذكاء الاصطناعي المتجسد لسد الفجوة بين مطابقة الأنماط الإحصائية والفهم العام الحقيقي.
درس Partha Majumdar (الأربعاء) هذا السؤال.