Mtawanyiko ndio matokeo muhimu zaidi
Utabiri kuhusu AI yenye uwezo mkubwa au inayolingana na binadamu unatofautiana kutoka miaka michache hadi miongo mingi, huku watafiti wengine wakitilia shaka kwamba mbinu za sasa zinaweza kuizalisha kabisa. Mgawanyiko huu si hitilafu ndogo kuzunguka mfano mmoja wa kisayansi unaokubalika. Watabiri hawakubaliani kuhusu ni nini kinachohesabika kama AGI, ni hatua gani za kiufundi zilizosalia, jinsi vipengele kama uwezo wa kikokotoo (compute) na data vinavyoweza kukua kwa kasi gani, na kama maendeleo yataendelea kwa upole. Kwa hiyo ratiba yoyote inapaswa kuwasilishwa kama utabiri wenye tarehe chini ya ufafanuzi uliotajwa—wala si kama «hesabu ya kurudi nyuma kuelekea AGI».
Demis Hassabis anatoa mfano muhimu wa kwa nini unukuzi sahihi ni muhimu. Katika mahojiano na CNBC ya Machi 2025, mkurugenzi mtendaji wa Google DeepMind alisema AI inayolingana na binadamu inaweza kufika ndani ya miaka mitano hadi kumi. Hakusema kwamba ushahidi wa maana wa AGI ungefika «ndani ya mwaka huu» (mahojiano na CNBC). Hata utabiri uliotajwa kwa usahihi unaacha maswali: kulingana na binadamu katika kazi zipi, kwa uaminifu upi, na kwa uhuru kiasi gani? Nukuu hiyo inarekodi hukumu ya mtaalamu mmoja, wala si uwezekano uliopimwa.
Aina nne za utabiri zisizopaswa kuchanganywa
Kauli za viongozi wa maabara zinaonekana wazi na zina taarifa kutokana na mfiduo wa moja kwa moja kwa mifumo ya mstari wa mbele, lakini si vipimo visivyoegemea upande wowote. Watendaji wana taarifa muhimu za faragha kuhusu majaribio, lakini pia wanaongoza taasisi zinazoshindania mtaji, vipaji, wateja, na uangalizi wa kisiasa. Kauli zao zinaweza kutumia ufafanuzi maalum wa kampuni na mara chache huweka wazi mfano kamili wa utabiri.
Tafiti za watafiti hukusanya maoni mengi na kuonyesha usambazaji wa maoni ya wataalamu. Utafiti wa Wataalamu wa 2023 kuhusu Maendeleo ya AI, uliochapishwa 2024, ulikusanya watafiti 2,778 na kuripoti wigo mpana wa makadirio kuhusu mashine kuzidi binadamu katika kila kazi inayowezekana; waandishi pia walisisitiza mgawanyiko mkubwa na unyeti kwa jinsi swali linavyoulizwa (Grace et al., 2024). Tafiti zinaeleza imani katika wakati fulani. Hazithibitishi imani hizo wala kuhakikisha kwamba waliohojiwa wanashiriki ufafanuzi mmoja.
Mifumo ya utabiri kama Metaculus hukusanya utabiri kwa mfululizo. Wastani wao unaweza kubadilika kwa kasi zaidi kuliko tafiti, lakini matokeo hutegemea vigezo halisi vya utatuzi na kundi la washiriki. «AI ya jumla kwa kiasi», «AI inayobadilisha kila kitu», na «AGI» ni maswali tofauti. Wastani wa soko au jumuiya unapaswa kuonyeshwa pamoja na tarehe ya kupatikana, jinsi swali lilivyoulizwa, wigo, na masharti ya utatuzi badala ya kubadilishwa kuwa tarehe ya mwisho ya tovuti nzima.
Makadirio yanayotegemea mfano huongeza mielekeo ya uwezo wa kikokotoo, utendaji wa vipimo, ufanisi wa kialgorithimu, au muda wa kazi ambazo mawakala wanaweza kukamilisha. Haya hufanya mawazo yaonekane wazi, jambo lenye thamani, lakini uongezaji huo unaweza kushindwa wakati kipimo kinapojaa, kikwazo cha rasilimali kinapobana, au dhana mpya inapobadilisha mwelekeo. Mkondo ni ushahidi kuhusu vipimo vya zamani; uongezaji wake ni utabiri wenye masharti.
Mienendo ya sasa ya uwezo inaonyesha nini
Kuna ushahidi halisi wa uboreshaji wa haraka. Stanford AI Index inaandika kushuka kwa gharama za utoaji (inference) na kupanda kwa alama katika vipimo vigumu, huku pia ikionyesha kwamba tathmini ngumu bado hazijatatuliwa na kwamba tathmini sanifu ya AI yenye uwajibikaji bado si thabiti (Stanford AI Index 2025). METR inaripoti kwamba muda wa kazi za kiufundi (za kiwango cha mtaalamu wa binadamu) ambazo mawakala wa mstari wa mbele wanakamilisha kwa uwezekano fulani wa mafanikio umeongezeka kwa kasi (mizani ya muda ya METR). Haya ni uchunguzi kuhusu mifumo na vipimo vilivyochaguliwa, wala si uchunguzi wa moja kwa moja wa tarehe ya AGI inayokaribia.
Kipimo cha METR ni rahisi hasa kupotoshwa. Mzani wa muda wa asilimia-50 wa saa kadhaa unamaanisha kwamba, katika seti ya kazi za METR, mfano uliolinganishwa unatabiri uwezekano wa asilimia-50 wa kukamilisha kazi zinazomchukua mtaalamu wa binadamu muda huo. Haimaanishi kwamba AI inafanya kazi kwa uhuru kwa idadi hiyo ya saa. Kazi hizo ni hasa za uhandisi wa programu, ujifunzaji wa mashine, na usalama wa mtandao; ni za kipekee kwa kuwa zimejitosheleza na zinaweza kupimwa kwa uwazi; makadirio yaliyo juu ya masaa kumi na sita kwa sasa yanaelezwa kuwa hayaaminiki; na kazi halisi ni fujo zaidi. Watafiti wa METR wameonya kwamba mipaka ya makosa inaweza kufikia kiasi cha mara mbili na kwamba tofauti kati ya nyanja zinaweza kufikia mara nyingi zaidi (kumbukumbu ya vikwazo vya METR).
Matokeo haya yanaunga mkono hitimisho finyu zaidi: aina fulani za ukamilishaji wa kazi za kidijitali zinaboreka kwa kasi. Kwa yenyewe, hayathibitishi ni lini mfumo utakuwa mwanasayansi, meneja, mlezi, mfanya maamuzi ya kisiasa, au mbadala wa jumla wa kazi ya binadamu unaoweza kutegemewa.
Kwa nini utabiri wenye busara unatofautiana
Watabiri wanaotarajia ufikiaji wa mapema mara nyingi husisitiza uendelevu wa uongezaji wa kiwango (scaling), ukokotoo bora wa wakati wa hoja, data ya kutengenezwa (synthetic), matumizi ya vifaa, na utafiti unaosaidiwa na AI. Iwapo mielekeo hiyo inaimarishana, maendeleo yanaweza kuongeza kasi. Wanaweza pia kusema kwamba mifumo inayobadilisha uchumi si lazima ikirudie kila sifa ya akili ya binadamu; umahiri mpana wa kidijitali unaweza kutosha.
Watabiri wa ratiba ndefu zaidi husisitiza uaminifu, uwiano na hali halisi (grounding), ujifunzaji endelevu, uelewa wa kisababishi, robotiki, na pengo kati ya vipimo na kazi zisizo na mipaka. Pia wanaeleza vikwazo vya vitendo: nishati, chip, ujenzi wa vituo vya data, data yenye ubora wa juu, tathmini, na uwezo wa taasisi kutumia mifumo kwa usalama. Baadhi wanatarajia maendeleo ya kimuundo zaidi ya mbinu za sasa za mifano mikubwa. Hakuna msimamo kati ya hii unaoweza kuamuliwa kwa kujiamini au ukongwe pekee.
Ufafanuzi huunda chanzo kingine cha mgawanyiko unaoonekana. Mfumo unaoweza kuotomatisha kiasi kikubwa cha kazi za kompyuta za mbali unaweza kubadilisha uchumi huku ukishindwa kazi za kimwili. Mfano unaopata alama za juu kuliko binadamu wa kawaida katika mtihani mpana unaweza bado kuwa hauaminiki vya kutosha kufanya kazi kwa kujitegemea. Mtabiri mmoja anaweza kuita mfumo wowote kati ya hizo AGI; mwingine anaweza kuhifadhi neno hilo kwa ajili ya ujifunzaji thabiti unaolingana na binadamu katika ulimwengu halisi.
Jinsi ya kudumisha kifuatiliaji cha ratiba chenye uwajibikaji
Kifuatiliaji chenye manufaa kinapaswa kuhifadhi maneno asili, msemaji, tarehe, chanzo, ufafanuzi, na wigo wa utabiri. Kinapaswa kutofautisha makadirio binafsi kutoka ahadi ya kitaasisi, kurekodi marekebisho ya baadaye, na kamwe lisibadilishe kimya kimya utabiri wa zamani. Utabiri wa jumla unapaswa kuonyesha vipindi vya kutokuwa na uhakika badala ya wastani pekee. Ukurasa unapaswa pia kufichua vichocheo vinavyowezekana na kama utabiri unategemea ushahidi wa hadhara au wa faragha.
Wasomaji wanaweza kutumia maswali matano:
- Ni matokeo gani yanatabiriwa? AGI, AI inayolingana na binadamu, uotomatishaji wa kazi, au akili bandia kuu?
- Ni uwezekano na tarehe gani vilivyowekwa? «Inaweza» si utabiri wa wastani.
- Ni ushahidi gani unaosukuma makadirio? Uongezaji wa kiwango, utafiti, majaribio ya faragha, au hisia tu?
- Ni nini kingebadilisha fikra za mtabiri? Utabiri usio na uwezekano wa kukanushwa ni mgumu kutathmini.
- Je, umepimwa? Utabiri wa zamani unapaswa kubaki wazi baada ya tarehe yake ya mwisho.
Hitimisho la vitendo
Mipango haipaswi kutegemea kuchagua tarehe moja. Madhara na fursa za muda mfupi zinastahili hatua bila kujali kama AGI itafika 2028, 2040, au kamwe. Serikali na taasisi zinaweza kutumia wigo wa hali: kujiandaa kwa ongezeko la haraka la uwezo, kujenga sera zinazobaki na manufaa chini ya maendeleo ya polepole, na kuweka vichocheo vinavyoweza kupimwa kwa ajili ya ulinzi imara zaidi.
Kutokuwa na uhakika kunaweza kuchukuliwa hatua wenyewe. Kunatetea ufuatiliaji wa uwezo badala ya lebo za uuzaji, uwekezaji katika tathmini na uthabiti, na kupitia upya utabiri kwa ratiba maalum. Ukurasa wa ratiba unapata uaminifu kwa kuonyesha jinsi tarehe hizo zisivyothibitisha mengi, wala si kwa kuufanya wastani unaobadilika uonekane kama saa inayohesabu kurudi nyuma kuelekea hatima.