**توسعه هوش مصنوعی؛ چالشها و موانع پیشرو**
در شرایطی که شرکتهای بزرگی نظیر مایکروسافت و سلزفورس از عرضه ایجنتهای هوش مصنوعی (AI Agents) خبر میدهند، تحلیلهای فنی نشان میدهند که این تکنولوژی همچنان در مراحل اولیه به سر میبرد. پیشرفت به سمت یک «ایجنتیک آیآی» واقعی، که بتواند هدفگذاری کند و با محیطهای مختلف تعامل داشته باشد، نیازمند تغییرات عمده در دو حوزه کلیدی یادگیری تقویتی و حافظه پیچیده است.
**نرخ شکست قابل توجه در پروژهها**
با وجود شور و هیجان در بازار، دادههای اخیر نشان میدهد که ایجنتها هنوز موفق به جذب کاربران نشدهاند. بر اساس یک مطالعه توسط شرکت سرمایهگذاری Menlo Ventures، «کمکخلبانها» (Co-pilots) سریعترین رشد را در حوزه هوش مصنوعی داشتهاند و سیستمهای مبتنی بر ایجنت همچنان در حاشیه قرار دارند. مدیر تجاری مایکروسافت، جادسون آلتوف، در کنفرانس اخیر والاستریت به افزایش نرخ شکست پروژههای هوش مصنوعی اشاره کرد که به بیش از ۸۰ درصد میرسد. محققان دانشگاه استنفورد همچنین اعلام کردند که مدلهای زبانی فعلی نمیتوانند در برنامهریزیهای چندمرحلهای به خوبی عمل کنند.
**چالشهای یادگیری تقویتی**
برای تحقق خودمختاری ایجنتهای هوش مصنوعی، نیاز است که آنها از موانع یادگیری تقویتی عبور کنند. نمونه موفقی مانند AlphaZero گوگل که توانسته بازیهای مختلف را از پایه یاد بگیرد، نشاندهنده ظرفیتهای این فناوری است. پروژههای جدیدی در حال تلاش برای حل این چالشها هستند؛ از جمله Agent-R۱ در دانشگاه علم و صنعت چین و Sophia در دانشگاه Westlake که به دنبال توسعه مدلهای جدیدی هستند.
**نبود حافظه مؤثر**
یکی از بزرگترین چالشها در ایجنتهای فعلی ناتوانی آنها در حفظ رشته کلام در وظایف بلندمدت است. براساس گزارش وضعیت هوش مصنوعی استنفورد، در وظایف کوتاه مدت، این تکنولوژی با عملکرد چهار برابری نسبت به انسان مواجه است، اما در طولانیمدت کارایی انسان دو برابر بهتر است. کارشناسان بر این باورند که ایجنتها به یک سیستم جدید از مدیریت حافظه نیاز دارند تا بتوانند از تجربیات گذشته برای انجام وظایف آینده استفاده کنند.
**تأثیر محدود هوش عمومی (AGI)**
با وجود این که امیدها برای حل مشکلات ایجنتهای هوش مصنوعی بوسیله دستیابی به هوش عمومی (AGI) وجود دارد، تحلیلها نشان میدهند که این تغییرات در محیطهای پیچیده هنوز دستیافتنی نیستند. بهطوری که به غیر از موفقیتهای محدودی، مانند AlphaZero، در دیگر حوزهها کارایی چندانی ندارند. برآوردها نشان میدهند که با توجه به چالشهای یادگیری و حافظه، رسیدن به ایجنتهای قابل اعتماد حداقل پنج سال زمان نیاز دارد و به سال ۲۰۳۰ خواهد رسید.
منبع: zdnet
