ஆந்த்ரோபிக்'இன் கிளாட் இன்னும் போகிமொனை வெல்லவில்லை

AGI-யின் வாக்குறுதி

செயற்கை நுண்ணறிவுத் துறையில், “செயற்கை பொது நுண்ணறிவு” (AGI) என்ற கருத்து ஒரு கவர்ச்சியான வாய்ப்பாக மாறியுள்ளது. தொழில்துறை தலைவர்கள், மனித புரிதல் மற்றும் செயல்திறனை பல்வேறு அறிவாற்றல் பணிகளில் சமன் செய்யக்கூடிய அல்லது விஞ்சக்கூடிய மெய்நிகர் முகவர்களை உருவாக்கும் விளிம்பில் நாம் இருக்கிறோம் என்று பெருகிய முறையில் பரிந்துரைக்கின்றனர். இந்த எதிர்பார்ப்பு தொழில்நுட்ப நிறுவனங்களிடையே ஒரு போட்டியைத் தூண்டியுள்ளது, ஒவ்வொன்றும் இந்த அற்புதமான மைல்கல்லை அடைவதில் முதலிடத்தில் இருக்க முயற்சிக்கின்றன.

OpenAI, AI அரங்கில் ஒரு முக்கிய பங்கு வகிக்கிறது, இது “PhD-நிலை” AI முகவரின் உடனடி வருகையை நுட்பமாக சுட்டிக்காட்டுகிறது. இந்த முகவர், தன்னிச்சையாக செயல்பட முடியும், “அதிக வருமானம் கொண்ட அறிவுசார் பணியாளரின்” மட்டத்தில் செயல்பட முடியும் என்று அவர்கள் பரிந்துரைக்கின்றனர். எப்போதும் லட்சிய தொழில்முனைவோரான எலோன் மஸ்க், இன்னும் துணிச்சலான கணிப்புகளை வெளியிட்டுள்ளார், 2025 ஆம் ஆண்டின் இறுதிக்குள் “எந்தவொரு மனிதனையும் விட புத்திசாலியான” AI நம்மிடம் இருக்கும் என்று கூறியுள்ளார். மற்றொரு முக்கிய AI நிறுவனமான Anthropic-ன் CEO டேரியோ அமோடி, சற்று பழமைவாத காலவரிசையை வழங்குகிறார், ஆனால் இதேபோன்ற பார்வையைப் பகிர்ந்து கொள்கிறார், 2027 ஆம் ஆண்டின் இறுதிக்குள் AI “கிட்டத்தட்ட எல்லாவற்றிலும் மனிதர்களை விட சிறப்பாக” இருக்கக்கூடும் என்று பரிந்துரைக்கிறார்.

ஆந்த்ரோபிக்’இன் “கிளாட் போகிமொன் விளையாடுகிறது” பரிசோதனை

இந்த லட்சிய கணிப்புகளின் பின்னணியில், ஆந்த்ரோபிக் தனது “கிளாட் போகிமொன் விளையாடுகிறது” பரிசோதனையை கடந்த மாதம் அறிமுகப்படுத்தியது. இந்த திட்டம், கணிக்கப்பட்ட AGI எதிர்காலத்தை நோக்கிய ஒரு படியாக வழங்கப்பட்டது, “பயிற்சியின் மூலம் மட்டுமல்லாமல் பொதுமைப்படுத்தப்பட்ட பகுத்தறிவுடன் சவால்களை அதிகரித்து வரும் திறனுடன் சமாளிக்கும் AI அமைப்புகளின் மினுமினுப்புகளை” காண்பிப்பதாக விவரிக்கப்பட்டது. கிளாட் 3.7 சொனெட்டின் “மேம்படுத்தப்பட்ட பகுத்தறிவு திறன்கள்” நிறுவனத்தின் சமீபத்திய மாடலை கிளாசிக் கேம் பாய் RPG-யான போகிமொனில் முன்னேற்றம் அடையச் செய்தது என்பதை எடுத்துக்காட்டுவதன் மூலம் ஆந்த்ரோபிக் கணிசமான கவனத்தை ஈர்த்தது, “பழைய மாடல்கள் சாதிக்க சிறிதளவு நம்பிக்கையும் இல்லை.”

கிளாட் 3.7 சொனெட்டின் “நீட்டிக்கப்பட்ட சிந்தனை” புதிய மாடலை “முன்னதாகவே திட்டமிடவும், அதன் நோக்கங்களை நினைவில் கொள்ளவும், ஆரம்ப உத்திகள் தோல்வியடையும் போது மாற்றியமைக்கவும்” அனுமதித்தது என்று நிறுவனம் வலியுறுத்தியது. இவை, “பிக்சலேட்டட் ஜிம் தலைவர்களை எதிர்த்துப் போராடுவதற்கு முக்கியமான திறன்கள். மேலும், உண்மையான உலகப் பிரச்சினைகளைத் தீர்ப்பதிலும் கூட” என்று ஆந்த்ரோபிக் வாதிட்டது. இதன் உட்பொருள் தெளிவாக இருந்தது: போகிமொனில் கிளாடின் முன்னேற்றம் வெறும் விளையாட்டு மட்டுமல்ல; இது சிக்கலான, உண்மையான உலக சவால்களை சமாளிக்கும் AI-யின் வளர்ந்து வரும் திறனின் செயல்விளக்கம்.

உண்மைச் சரிபார்ப்பு: கிளாடின் போராட்டங்கள்

இருப்பினும், கிளாடின் போகிமொன் செயல்திறனைச் சுற்றியுள்ள ஆரம்ப உற்சாகம் யதார்த்தத்தின் ஒரு டோஸ் மூலம் தணிக்கப்பட்டுள்ளது. கிளாட் 3.7 சொனெட் அதன் முன்னோடிகளை விட சிறப்பாக செயல்பட்டது என்பதில் சந்தேகமில்லை என்றாலும், அது விளையாட்டில் தேர்ச்சி பெறவில்லை. ட்விச்சில் ஆயிரக்கணக்கான பார்வையாளர்கள் கிளாடின் தொடர்ச்சியான போராட்டங்களைக் கண்டிருக்கிறார்கள், அதன் அடிக்கடி ஏற்படும் தவறான படிகள் மற்றும் திறமையின்மைகளைக் கவனித்துள்ளனர்.

நகர்வுகளுக்கு இடையில் நீட்டிக்கப்பட்ட “சிந்தனை” இடைநிறுத்தங்கள் இருந்தபோதிலும் - இந்த நேரத்தில் பார்வையாளர்கள் அமைப்பின் உருவகப்படுத்தப்பட்ட பகுத்தறிவு செயல்முறையைக் கவனிக்க முடியும் - கிளாட் அடிக்கடி தன்னை காண்கிறது:

• முடிவடைந்த நகரங்களுக்கு மீண்டும் வருகை: AI ஏற்கனவே ஆராய்ந்த பகுதிகளுக்கு அடிக்கடி திரும்புகிறது, வெளிப்படையாக எந்த நோக்கமும் இல்லாமல்.
• குருட்டு மூலைகளில் சிக்கிக்கொள்வது: கிளாட் அடிக்கடி வரைபடத்தின் மூலைகளில் நீண்ட காலத்திற்கு சிக்கிக்கொள்கிறது, வெளியே செல்ல வழி தெரியாமல்.
• உதவாத NPC-களுடன் மீண்டும் மீண்டும் தொடர்புகொள்வது: AI ஒரே மாதிரியான பிளேயர் அல்லாத கதாபாத்திரங்களுடன் மீண்டும் மீண்டும் பயனற்ற உரையாடல்களில் ஈடுபடுவதைக் காண முடிந்தது.

தனித்துவமாக மனிதனை விட தாழ்ந்த விளையாட்டு செயல்திறனின் இந்த எடுத்துக்காட்டுகள், சிலர் கற்பனை செய்த சூப்பர் இன்டெலிஜென்ஸிலிருந்து வெகு தொலைவில் உள்ள ஒரு படத்தை வரைகின்றன. குழந்தைகளுக்காக வடிவமைக்கப்பட்ட ஒரு விளையாட்டில் கிளாட் போராடுவதைப் பார்க்கும்போது, கணினி நுண்ணறிவின் ஒரு புதிய சகாப்தத்தின் விடியலைக் காண்கிறோம் என்று கற்பனை செய்வது கடினம்.

மனிதனை விட தாழ்ந்த செயல்திறனில் இருந்து பாடங்கள்

அதன் குறைபாடுகள் இருந்தபோதிலும், கிளாடின் தற்போதைய போகிமொன் செயல்திறன், பொதுமைப்படுத்தப்பட்ட, மனித-நிலை செயற்கை நுண்ணறிவுக்கான தொடர்ச்சியான தேடலில் மதிப்புமிக்க நுண்ணறிவுகளை வழங்குகிறது. அதன் போராட்டங்கள் கூட எதிர்கால வளர்ச்சி முயற்சிகளுக்கு தெரிவிக்கக்கூடிய குறிப்பிடத்தக்க பாடங்களை வைத்திருக்கின்றன.

ஒரு வகையில், கிளாட் போகிமொனை விளையாட முடியும் என்பதே குறிப்பிடத்தக்கது. Go மற்றும் Dota 2 போன்ற கேம்களுக்கான AI அமைப்புகளை உருவாக்கும்போது, பொறியாளர்கள் பொதுவாக தங்கள் அல்காரிதம்களுக்கு விளையாட்டின் விதிகள் மற்றும் உத்திகள் பற்றிய விரிவான அறிவை வழங்குகிறார்கள், அதனுடன் அவர்களின் கற்றலை வழிநடத்த ஒரு வெகுமதி செயல்பாடும் இருக்கும். மாறாக, கிளாட் ப்ளேஸ் போகிமொன் திட்டத்தின் பின்னால் உள்ள டெவலப்பர் டேவிட் ஹெர்ஷி, போகிமொன் கேம்களை விளையாடுவதற்கு குறிப்பாக பயிற்சி அளிக்கப்படாத அல்லது ட்யூன் செய்யப்படாத, மாற்றப்படாத, பொதுமைப்படுத்தப்பட்ட கிளாட் மாடலுடன் தொடங்கினார்.

ஹெர்ஷி ஆர்ஸிடம் விளக்கினார், “இது முற்றிலும் [கிளாட்] உலகத்தைப் பற்றி புரிந்துகொள்ளும் பல்வேறு விஷயங்கள் வீடியோ கேம்களை சுட்டிக்காட்ட பயன்படுத்தப்படுகின்றன.” அவர் மேலும் கூறினார், “எனவே அதற்கு போகிமொனைப் பற்றிய உணர்வு உள்ளது. நீங்கள் claude.ai க்குச் சென்று போகிமொனைப் பற்றி கேட்டால், அது படித்தவற்றின் அடிப்படையில் போகிமொன் என்ன என்பதை அறியும்… நீங்கள் கேட்டால், எட்டு ஜிம் பேட்ஜ்கள் உள்ளன, முதல் ஒன்று ப்ரோக் என்று சொல்லும்… அது பரந்த கட்டமைப்பை அறியும்.”

காட்சி விளக்கத்தின் சவால்கள்

கேம் ஸ்டேட் தகவலுக்கான முக்கிய கேம் பாய் ரேம் முகவரிகளைக் கண்காணிப்பதோடு, கிளாட் விளையாட்டின் காட்சி வெளியீட்டை ஒரு மனித பிளேயரைப் போலவே விளக்குகிறது. இருப்பினும், AI இமேஜ் பிராசஸிங்கில் சமீபத்திய முன்னேற்றங்கள் இருந்தபோதிலும், கிளாட் இன்னும் ஒரு கேம் பாய் ஸ்கிரீன்ஷாட்டின் குறைந்த தெளிவுத்திறன், பிக்சலேட்டட் உலகத்தை ஒரு மனிதனைப்போலவே துல்லியமாக விளக்குவதில் சிரமப்படுகிறது.

“கிளாட் இன்னும் திரையில் என்ன இருக்கிறது என்பதைப் புரிந்துகொள்வதில் குறிப்பாக நல்லதல்ல,” என்று ஹெர்ஷி ஒப்புக்கொண்டார். “நீங்கள் எல்லா நேரத்திலும் சுவர்களில் நடக்க முயற்சிப்பதை காண்பீர்கள்.”

கேம் பாய் திரைகளைப் போன்ற படங்களின் விரிவான உரை விளக்கங்கள் கிளாடின் பயிற்சி தரவுகளில் இல்லை என்று ஹெர்ஷி சந்தேகிக்கிறார். இதன் பொருள், ஓரளவு முரணாக, கிளாட் உண்மையில் மிகவும் யதார்த்தமான படங்களுடன் சிறப்பாக செயல்படக்கூடும்.

“இது மனிதர்களைப் பற்றிய வேடிக்கையான விஷயங்களில் ஒன்றாகும், நாம் எட்டுக்கு எட்டு பிக்சல் கொண்ட மனிதர்களின் குமிழ்களைப் பார்த்து, ‘அது நீல முடி கொண்ட ஒரு பெண்’ என்று சொல்லலாம்,” என்று ஹெர்ஷி குறிப்பிட்டார். “மக்கள், நான் நினைக்கிறேன், அந்த திறனைக் கொண்டுள்ளனர், நம் உண்மையான உலகத்திலிருந்து வரைபடமாக்குவதற்கும் புரிந்துகொள்வதற்கும்… எனவே திரையில் ஒரு நபர் இருப்பதைக் காண கிளாட் எவ்வளவு சிறப்பாக உள்ளது என்பது எனக்கு ஆச்சரியமாக இருக்கிறது.”

வெவ்வேறு பலங்கள், வெவ்வேறு பலவீனங்கள்

சரியான காட்சி விளக்கம் இருந்தபோதிலும், மனிதர்களுக்கு அற்பமான 2D வழிசெலுத்தல் சவால்களில் கிளாட் இன்னும் போராடும் என்று ஹெர்ஷி நம்புகிறார். “[விளையாட்டில் உள்ள] கட்டிடம் ஒரு கட்டிடம் என்றும், நான் ஒரு கட்டிடத்தின் வழியாக நடக்க முடியாது என்றும் புரிந்துகொள்வது எனக்கு மிகவும் எளிதானது,” என்று அவர் கூறினார். “அது கிளாட் புரிந்துகொள்வதற்கு மிகவும் சவாலானது… இது வேடிக்கையானது, ஏனென்றால் அது வெவ்வேறு வழிகளில் புத்திசாலித்தனமாக இருக்கிறது, உங்களுக்குத் தெரியுமா?”

ஹெர்ஷியின் கூற்றுப்படி, கிளாட் சிறந்து விளங்குவது விளையாட்டின் அதிக உரை அடிப்படையிலான அம்சங்களில் தான். போர்களின் போது, ஒரு எலக்ட்ரிக்-வகை போகிமொனின் தாக்குதல் ஒரு ராக்-வகை எதிரிக்கு எதிராக “மிகவும் பயனுள்ளதாக இல்லை” என்று விளையாட்டு குறிப்பிடும்போது கிளாட் உடனடியாக கவனிக்கிறது. பின்னர் அது இந்த தகவலை எதிர்கால குறிப்புக்காக அதன் பரந்த எழுதப்பட்ட அறிவுத் தளத்தில் சேமிக்கிறது. கிளாட் பல அறிவுத் துண்டுகளை அதிநவீன போர் உத்திகளாக ஒருங்கிணைக்க முடியும், இந்த உத்திகளை போகிமொன்களைப் பிடிப்பதற்கும் நிர்வகிப்பதற்கும் நீண்டகால திட்டங்களாக விரிவுபடுத்தலாம்.

விளையாட்டின் உரை வேண்டுமென்றே தவறாக வழிநடத்தும் அல்லது முழுமையடையாததாக இருக்கும்போது கூட கிளாட் ஆச்சரியமான “நுண்ணறிவை” நிரூபிக்கிறது. ஹெர்ஷி ஒரு ஆரம்ப-விளையாட்டு பணியை மேற்கோள் காட்டினார், அங்கு பிளேயர் பேராசிரியர் ஓக்கை அடுத்த வீட்டில் கண்டுபிடிக்கச் சொல்லப்படுகிறார், ஆனால் அவர் அங்கு இல்லை என்பதைக் கண்டுபிடிப்பார். “5 வயதில், அது எனக்கு மிகவும் குழப்பமாக இருந்தது,” என்று ஹெர்ஷி கூறினார். “ஆனால் கிளாட் உண்மையில் அந்த இயக்கங்களின் அதே தொகுப்பின் மூலம் செல்கிறது, அங்கு அது அம்மாவிடம் பேசுகிறது, ஆய்வகத்திற்குச் செல்கிறது, [ஓக்] கண்டுபிடிக்கவில்லை, ‘நான் ஏதாவது கண்டுபிடிக்க வேண்டும்’ என்று கூறுகிறது… இது [மனிதர்கள்] உண்மையில் அதைக் கற்றுக்கொள்ள வேண்டிய விதத்தின் இயக்கங்களின் மூலம் செல்ல போதுமான அளவு அதிநவீனமானது.”

மனித-நிலை விளையாட்டுடன் ஒப்பிடும்போது இந்த முரண்பாடான பலங்களும் பலவீனங்களும் AI ஆராய்ச்சி மற்றும் திறன்களின் ஒட்டுமொத்த நிலையை பிரதிபலிக்கின்றன என்று ஹெர்ஷி விளக்கினார். “இது இந்த மாடல்களைப் பற்றிய ஒரு உலகளாவிய விஷயம் என்று நான் நினைக்கிறேன்… நாங்கள் முதலில் அதன் உரை பக்கத்தை உருவாக்கினோம், மேலும் உரை பக்கம் நிச்சயமாக… மிகவும் சக்தி வாய்ந்தது. இந்த மாடல்கள் படங்களைப் பற்றி எப்படி பகுத்தறிவு செய்கின்றன என்பது சிறப்பாகி வருகிறது, ஆனால் அது ஒரு நல்ல பிட் பின்னால் இருப்பதாக நான் நினைக்கிறேன்.”

நினைவகத்தின் வரம்புகள்

காட்சி மற்றும் உரை விளக்கத்துடன் கூடிய சவால்களுக்கு அப்பால், கிளாட் தான் கற்றுக்கொண்டதை “நினைவில் கொள்வதில்” சிரமப்படுவதாக ஹெர்ஷி ஒப்புக்கொண்டார். தற்போதைய மாடல் 200,000 டோக்கன்களின் “சூழல் சாளரத்தைக்” கொண்டுள்ளது, இது எந்த நேரத்திலும் அதன் “நினைவகத்தில்” சேமிக்கக்கூடிய தொடர்புடைய தகவல்களின் அளவைக் கட்டுப்படுத்துகிறது. அமைப்பின் விரிவடையும் அறிவுத் தளம் இந்த சாளரத்தை நிரப்பும்போது, கிளாட் ஒரு விரிவான சுருக்க செயல்முறைக்கு உட்படுகிறது, விரிவான குறிப்புகளை குறுகிய சுருக்கங்களாக சுருக்குகிறது, அவை தவிர்க்க முடியாமல் சில நுணுக்கமான விவரங்களை இழக்கின்றன.

இது கிளாட் “விஷயங்களை மிக நீண்ட காலத்திற்கு கண்காணிப்பதில் சிரமப்படுவதற்கும், அது இதுவரை முயற்சித்ததைப் பற்றிய சிறந்த உணர்வைக் கொண்டிருப்பதற்கும்” வழிவகுக்கும் என்று ஹெர்ஷி கூறினார். “நீங்கள் நிச்சயமாக அதை எப்போதாவது நீக்கக்கூடாத ஒன்றை நீக்குவதைக் காண்பீர்கள். உங்கள் அறிவுத் தளத்தில் இல்லாத அல்லது உங்கள் சுருக்கத்தில் இல்லாத எதுவும் போய்விடும், எனவே நீங்கள் அங்கு எதை வைக்க விரும்புகிறீர்கள் என்பதைப் பற்றி சிந்திக்க வேண்டும்.”

தவறான தகவலின் ஆபத்துக்கள்

முக்கியமான தகவல்களை மறப்பதை விட சிக்கலானது, கிளாட் கவனக்குறைவாக அதன் அறிவுத் தளத்தில் தவறான தகவல்களைச் செருகுவதற்கான போக்கு. ஒரு குறைபாடுள்ள முன்மாதிரியின் அடிப்படையில் உலகக் கண்ணோட்டத்தை உருவாக்கும் ஒரு சதி கோட்பாட்டாளரைப் போலவே, கிளாட் அதன் சுய-எழுதிய அறிவுத் தளத்தில் உள்ள ஒரு பிழை அதன் போகிமொன் விளையாட்டை தவறாக வழிநடத்துகிறது என்பதை அங்கீகரிப்பதில் குறிப்பிடத்தக்க வகையில் மெதுவாக இருக்கலாம்.

“கடந்த காலத்தில் எழுதப்பட்ட விஷயங்கள், அது குருட்டுத்தனமாக நம்புகிறது,” என்று ஹெர்ஷி கூறினார். “சில குறிப்பிட்ட ஆயங்களில் [விளையாட்டு இருப்பிடமான] விரிடியன் காட்டின் வெளியேறும் வழியைக் கண்டுபிடித்ததாக அது மிகவும் உறுதியாக நம்புவதை நான் பார்த்திருக்கிறேன், பின்னர் அது வேறு எதையும் செய்வதற்குப் பதிலாக அந்த ஆயங்களைச் சுற்றியுள்ள ஒரு சிறிய சதுரத்தை ஆராய்வதில் மணிநேரம் செலவிடுகிறது. அது ‘தோல்வி’ என்று முடிவு செய்ய நீண்ட நேரம் ஆகும்.”

இந்த சவால்கள் இருந்தபோதிலும், கிளாட் 3.7 சொனெட் முந்தைய மாடல்களை விட “அதன் அனுமானங்களை கேள்வி கேட்பது, புதிய உத்திகளை முயற்சிப்பது மற்றும் பல்வேறு உத்திகளின் நீண்ட எல்லைகளைக் கண்காணிப்பது [அவை வேலை செய்கிறதா இல்லையா என்பதைப் பார்க்க]” ஆகியவற்றில் கணிசமாக சிறந்தது என்று ஹெர்ஷி குறிப்பிட்டார். புதிய மாடல் இன்னும் “மிக நீண்ட காலத்திற்கு” அதே செயல்களை மீண்டும் முயற்சிக்க “சிரமப்பட்டாலும்”, அது இறுதியில் “என்ன நடக்கிறது மற்றும் அது முன்பு முயற்சித்ததைப் பற்றிய உணர்வைப் பெறுகிறது, மேலும் அது பல முறை உண்மையான முன்னேற்றத்திற்குள் தடுமாறுகிறது,” என்று ஹெர்ஷி கூறினார்.

முன்னோக்கி செல்லும் பாதை

கிளாட் ப்ளேஸ் போகிமொனை பல மறு செய்கைகளில் கவனிப்பதன் மிகவும் கவர்ச்சிகரமான அம்சங்களில் ஒன்று, அமைப்பின் முன்னேற்றம் மற்றும் உத்தி ரன்களுக்கு இடையில் கணிசமாக மாறுபடுவதை பார்ப்பது என்று ஹெர்ஷி கூறினார். சில நேரங்களில், கிளாட் “முயற்சிக்க வேண்டிய வெவ்வேறு பாதைகளைப் பற்றிய விரிவான குறிப்புகளை வைத்திருப்பதன் மூலம்” “உண்மையில் ஒரு ஒத்திசைவான உத்தியை உருவாக்க முடியும்” என்பதை நிரூபிக்கிறது, என்று அவர் விளக்கினார். ஆனால் “பெரும்பாலான நேரங்களில் அது இல்லை… பெரும்பாலான நேரங்களில், அது சுவரில் அலையடிக்கிறது, ஏனெனில் அது வெளியேறும் வழியைக் காண்கிறது என்று நம்புகிறது.”

ஹெர்ஷியின் கூற்றுப்படி, கிளாடின் தற்போதைய பதிப்பின் முக்கிய வரம்புகளில் ஒன்று, “அது அந்த நல்ல உத்தியைப் பெறும்போது, ஒரு [அது] உருவாக்கிய உத்தி மற்றொன்றை விட சிறந்தது என்பதை அறிய அதற்கு சுய விழிப்புணர்வு இருக்கிறதா என்று நான் நினைக்கவில்லை.” அது தீர்க்க ஒரு அற்பமான பிரச்சனை அல்ல என்பதை அவர் ஒப்புக்கொண்டார்.

ஆயினும்கூட, கேம் பாய் ஸ்கிரீன்ஷாட்களைப் பற்றிய மாடலின் புரிதலை மேம்படுத்துவதன் மூலம் கிளாடின் போகிமொன் விளையாட்டை மேம்படுத்துவதற்கு “குறைந்த-தொங்கும் பழம்” இருப்பதாக ஹெர்ஷி காண்கிறார். “திரையில் என்ன இருக்கிறது என்பதைப் பற்றிய சரியான உணர்வு இருந்தால் அது விளையாட்டை வெல்லும் வாய்ப்பு இருப்பதாக நான் நினைக்கிறேன்,” என்று அவர் கூறினார், அத்தகைய மாடல் “மனிதனை விட சற்று குறைவாக” செயல்படும் என்று பரிந்துரைத்தார்.

எதிர்கால கிளாட் மாடல்களுக்கான சூழல் சாளரத்தை விரிவுபடுத்துவது, “நீண்ட காலக்கெடுவில் பகுத்தறிவு செய்யவும், நீண்ட காலத்திற்கு விஷயங்களை மிகவும் ஒத்திசைவாக கையாளவும்” உதவும் என்று ஹெர்ஷி மேலும் கூறினார். எதிர்கால மாடல்கள் “நினைவில் கொள்வதில், முன்னேற்றம் அடைய முயற்சி செய்ய வேண்டிய ஒரு ஒத்திசைவான தொகுப்பைக் கண்காணிப்பதில் கொஞ்சம் சிறப்பாக” வருவதன் மூலம் மேம்படும் என்று அவர் கூறினார்.

AI மாடல்களில் உடனடி மேம்பாடுகளின் வாய்ப்பு மறுக்கமுடியாதது என்றாலும், கிளாடின் தற்போதைய போகிமொன் செயல்திறன், அது மனித-நிலை, முழுமையாக பொதுமைப்படுத்தக்கூடிய செயற்கை நுண்ணறிவின் சகாப்தத்தை அறிமுகப்படுத்தும் விளிம்பில் இருப்பதாக பரிந்துரைக்கவில்லை. மவுண்ட் மூனில் கிளாட் 3.7 சொனெட் 80 மணிநேரம் சிக்கிக்கொள்வதைப் பார்ப்பது, “அது என்ன செய்கிறது என்று தெரியாத ஒரு மாடல் போல் தோன்றலாம்” என்று ஹெர்ஷி ஒப்புக்கொண்டார்.

இருப்பினும், கிளாடின் புதிய பகுத்தறிவு மாடல் காண்பிக்கும் அவ்வப்போது விழிப்புணர்வின் மினுமினுப்புகளால் ஹெர்ஷி ஈர்க்கப்பட்டார், அது சில சமயங்களில் “அது என்ன செய்கிறது என்று தெரியவில்லை என்றும், அது வேறு ஏதாவது செய்ய வேண்டும் என்றும் தெரியும். ‘முற்றிலும் செய்ய முடியாது’ என்பதற்கும் ‘கொஞ்சம் செய்ய முடியும்’ என்பதற்கும் உள்ள வித்தியாசம் இந்த AI விஷயங்களுக்கு எனக்கு மிகவும் பெரியது,” என்று அவர் தொடர்ந்தார். “உங்களுக்குத் தெரியும், ஏதாவது ஒன்றைச் செய்ய முடிந்தால், அதைச் சிறப்பாகச் செய்ய வைப்பதற்கு நாம் மிகவும் நெருக்கமாக இருக்கிறோம் என்று அர்த்தம்.”