بنیان‌گذاران شرکت‌های هوش مصنوعی به خاطر ادعاهای جسورانه‌شان درباره پتانسیل این فناوری برای تغییر شکل دادن به حوزه‌های مختلف، به‌ویژه علوم، شهرت دارند. اما توماس ولف، هم‌بنیان‌گذار و رئیس ارشد علمی شرکت هاگینگ فیس، دیدگاهی محتاطانه‌تر دارد.
ولف در مقاله‌ای که روز پنج‌شنبه در شبکه اجتماعی X منتشر کرد، اظهار داشت که نگران است هوش مصنوعی در غیاب یک پیشرفت بزرگ در تحقیقات این حوزه، به «بله‌قربان‌گوهایی روی سرورها» تبدیل شود. او توضیح داد که پارادایم‌های کنونی توسعه هوش مصنوعی نمی‌توانند هوشی خلق کنند که قادر به حل خلاقانه و خارج از چارچوب مسائل باشد — نوعی از حل مسئله که جوایز نوبل را به ارمغان می‌آورد.
ولف نوشت: «اشتباه اصلی که مردم معمولاً مرتکب می‌شوند این است که فکر می‌کنند افرادی مانند نیوتن یا انیشتین صرفاً نسخه‌های ارتقایافته‌ای از دانش‌آموزان ممتاز بودند و یک نابغه زمانی به وجود می‌آید که یک دانش‌آموز جزو ۱۰ درصد برتر را به‌صورت خطی تعمیم دهیم.» او افزود: «برای خلق یک انیشتین در یک مرکز داده، ما نه‌تنها به سیستمی نیاز نداریم که همه پاسخ‌ها را بداند، بلکه به سیستمی نیاز داریم که بتواند پرسش‌هایی را مطرح کند که هیچ‌کس به آن‌ها فکر نکرده یا جرأت پرسیدنشان را نداشته است.»
اظهارات ولف در تضاد با نظرات سام آلتمن، مدیرعامل اوپن‌ای‌آی، قرار دارد که در مقاله‌ای در اوایل سال جاری گفته بود هوش مصنوعی «فوق‌هوشمند» می‌تواند «کشف‌های علمی را به‌طور چشمگیری تسریع کند.» به همین ترتیب، داریو آمودئی، مدیرعامل آنتروپیک، پیش‌بینی کرده است که هوش مصنوعی می‌تواند به یافتن درمان برای اکثر انواع سرطان کمک کند.
مشکل ولف با هوش مصنوعی امروزی — و مسیری که به نظر او این فناوری در پیش دارد — این است که هوش مصنوعی هیچ دانش جدیدی از طریق اتصال واقعیت‌های ранее بی‌ربط تولید نمی‌کند. او گفت که حتی با در اختیار داشتن بخش اعظم اینترنت، هوش مصنوعی آن‌طور که ما اکنون می‌شناسیم، عمدتاً شکاف‌های بین آنچه انسان‌ها از قبل می‌دانند را پر می‌کند.
برخی از کارشناسان هوش مصنوعی، از جمله فرانسوا شوله، مهندس سابق گوگل، دیدگاه‌های مشابهی ابراز کرده‌اند و استدلال می‌کنند که اگرچه هوش مصنوعی ممکن است قادر به حفظ الگوهای استدلال باشد، بعید است که بتواند «استدلال جدید» مبتنی بر موقعیت‌های نوظهور تولید کند.
به نظر ولف، آزمایشگاه‌های هوش مصنوعی در حال ساختن چیزی هستند که در واقع «دانش‌آموزان بسیار مطیع» هستند — نه انقلابیون علمی به هیچ معنا. او گفت که هوش مصنوعی امروزی انگیزه‌ای برای پرسشگری و پیشنهاد ایده‌هایی که ممکن است با داده‌های آموزشی‌اش در تضاد باشد ندارد و این امر آن را به پاسخ‌گویی به پرسش‌های شناخته‌شده محدود می‌کند.
ولف گفت: «برای خلق یک انیشتین در یک مرکز داده، ما نه‌تنها به سیستمی نیاز نداریم که همه پاسخ‌ها را بداند، بلکه به سیستمی نیاز داریم که بتواند پرسش‌هایی را مطرح کند که هیچ‌کس به آن‌ها فکر نکرده یا جرأت پرسیدنشان را نداشته است؛ سیستمی که وقتی همه کتاب‌ها، کارشناسان و دانش عمومی چیز دیگری می‌گویند، بنویسد: “چه می‌شود اگر همه درباره این اشتباه کرده باشند؟”»
ولف معتقد است که «بحران ارزیابی» در هوش مصنوعی تا حدی مسئول این وضعیت ناامیدکننده است. او به معیارهای رایجی اشاره می‌کند که برای سنجش پیشرفت سیستم‌های هوش مصنوعی استفاده می‌شوند و بیشتر آن‌ها شامل پرسش‌هایی با پاسخ‌های روشن، بدیهی و «بسته» هستند.
ولف به‌عنوان راه‌حل پیشنهاد می‌دهد که صنعت هوش مصنوعی «به سمت معیاری برای سنجش دانش و استدلال» حرکت کند که بتواند روشن کند آیا هوش مصنوعی می‌تواند «رویکردهای جسورانه و متضاد با واقعیت» اتخاذ کند، پیشنهادهای کلی بر اساس «نشانه‌های کوچک» ارائه دهد و «پرسش‌های غیربدیهی» مطرح کند که به «مسیرهای تحقیقاتی جدید» منجر شود.
ولف اذعان می‌کند که چالش اصلی، یافتن شکل این معیار است. اما او معتقد است که این تلاش می‌تواند کاملاً ارزشمند باشد.
او گفت: «مهم‌ترین جنبه علم، مهارت در پرسیدن پرسش‌های درست و به چالش کشیدن حتی آموخته‌ها است. ما به یک دانش‌آموز ممتاز هوش مصنوعی که بتواند به هر پرسشی با دانش عمومی پاسخ دهد نیاز نداریم. ما به یک دانش‌آموز متوسط نیاز داریم که آنچه را همه از دست داده‌اند ببیند و درباره‌اش پرسش کند.»
