رهبران سه آزمایشگاه بزرگ هوش مصنوعی (AI) وعده‌های بزرگی برای آینده نزدیک می‌دهند. سم آلتمن، رئیس OpenAI، فکر می‌کند سال آینده کامپیوترها قادر به "بینش‌های نوآورانه" خواهند بود. داریو آمودی، که Anthropic را اداره می‌کند، می‌گوید "هوش مصنوعی قدرتمند" (آنچه دیگران AGI - هوش عمومی مصنوعی - می‌نامند) می‌تواند در همین بازه زمانی ظهور کند. دمیس هاسابیس از Google DeepMind پیشنهاد کرده است که "طی ده سال آینده یا بیشتر"، هوش مصنوعی می‌تواند تمام بیماری‌ها را درمان کند.
برخی از این ادعاهای بزرگ ممکن است حداقل با توجه به بازاریابی مطرح شوند. با این حال، به گفته عزرا کارگر، اقتصاددان بانک فدرال رزرو شیکاگو، درک درستی از سرعت احتمالی توسعه هوش مصنوعی اهمیت دارد. وقتی طیف نتایج ممکن شامل خودکارسازی بخش قابل توجهی از وظایف یقه‌سفیدها، یا مصرف یک دهم کل برق آمریکا برای آموزش و استقرار هوش مصنوعی باشد، پیش‌بینی‌های خوب اهمیت پیدا می‌کنند.
دکتر کارگر مسئول تلاشی – که به کار روزانه او وابسته نیست – برای ایجاد چنین پیش‌بینی‌های دیجیتالی است. پنل تخصصی بلندمدت هوش مصنوعی (LEAP) سه هدف را دنبال می‌کند. اول، به جای ارزیابی ادعاهای مبهم درباره مفاهیمی مانند AGI، فرضیه‌های خاص و قابل آزمایش ارائه می‌دهد. چه زمانی خودروهای خودران ۲۰ درصد از سفرهای تاکسی اینترنتی در آمریکا را به خود اختصاص خواهند داد؟ چه نسبتی از برق کشور تا سال ۲۰۴۰ برای هوش مصنوعی مصرف خواهد شد؟ نمرات معیار مدل‌های هوش مصنوعی منبع‌باز و اختصاصی در سال‌های ۲۰۲۵، ۲۰۲۷ و ۲۰۳۰ چقدر خواهد بود؟
دوم، تیم دکتر کارگر این سؤالات را از نزدیک به ۳۵۰ متخصص از زمینه‌های مختلف پرسیده است. علاوه بر محققان هوش مصنوعی شرکت‌ها، LEAP شامل دانشمندان کامپیوتر دانشگاهی، اقتصاددانان و افراد سیاست‌گذار است. این پنل همچنین شامل "پیش‌بینی‌کنندگان برتر" (superforecasters) می‌شود، گروهی از پیشگوها، برخی آماتور و برخی حرفه‌ای، که تخصصشان در هیچ زمینه خاصی نیست جز اینکه در پیش‌بینی آینده دقیق‌تر از سایر کارشناسان عمل می‌کنند. سرانجام، این پروژه در طول سال‌ها همان سؤالات را دوباره خواهد پرسید. هدف این است که درکی از چگونگی افزایش و کاهش امید – و هیجان – پیرامون هوش مصنوعی ایجاد شود.
نتایج دور اول، که در ۱۰ نوامبر منتشر شد، نشان می‌دهد که تأثیرات هوش مصنوعی تازه در حال نمایان شدن است. پیش‌بینی میانه نشان می‌دهد که بیش از ۱۸ درصد از ساعات کاری آمریکایی‌ها تا سال ۲۰۳۰ به کمک هوش مصنوعی انجام خواهد شد، در حالی که این رقم در سپتامبر امسال ۲ درصد بود. پیش‌بینی‌کنندگان انتظار دارند که هوش مصنوعی تا همان سال حدود ۷ درصد از مصرف برق آمریکا را به خود اختصاص دهد.
پیش‌بینی‌کنندگان تردید داشتند که هوش مصنوعی بتواند به بالاترین انتظارات حامیان خود برسد – یا حداقل، نه به سرعت ادعاهای آن‌ها. میانگین کارشناسان فکر می‌کردند تنها یک از پنج احتمال وجود دارد که "هوش مصنوعی قدرتمند" آقای آمودی تا سال ۲۰۳۰ توسعه یابد. اما تا سال ۲۰۴۰، آن‌ها انتظار دارند که هوش مصنوعی به اندازه برق یا خودرو در قرن گذشته، برای این قرن مهم باشد – امتیازی معادل هشت در مقیاس ده‌نقطه‌ای که توسط نیت سیلور، آمارشناس، برای سنجش تأثیر اختراعات مختلف ابداع شده است. آن‌ها همچنین فکر می‌کردند که تقریباً یک از سه احتمال وجود دارد که هوش مصنوعی حداقل در سطح نه قرار گیرد، جایی که به فناوری‌هایی مانند ماشین چاپ ملحق می‌شود، یعنی فناوری‌ای که "مسیر تاریخ بشر را تغییر داده است".
از سوی دیگر، پیشرفت سریع در این زمینه حتی کارشناسان را نیز قبلاً غافلگیر کرده است. هنگامی که کار میدانی برای گزارش فعلی در ماه آوریل انجام شد، بالاترین امتیاز یک سیستم هوش مصنوعی در چالش ریاضی دشواری به نام FrontierMath، ۱۹ درصد بود. حدس میانه کارشناسان برای این رقم تا پایان سال ۲۰۲۵، ۳۱ درصد بود. در یک مطالعه موازی که همین سؤالات را از عموم مردم پرسید، حدس میانه ۲۷ درصد بود. اما در ماه اوت، گوگل امتیازی معادل ۲۹ درصد را اعلام کرد که بسیاری از پیش‌بینی‌ها را شکست داد – و چهار ماه دیگر برای بهبود بیشتر باقی مانده است.
زیست‌شناسی مثال دیگری ارائه می‌دهد. اوایل سال جاری، موسسه تحقیقاتی پشت LEAP از یک پنل دیگر، این بار متشکل از پیش‌بینی‌کنندگان و زیست‌شناسان، خواست تا حدس بزنند چه زمانی یک سیستم هوش مصنوعی قادر خواهد بود نحوه سنتز یک ویروس جدید را با دقتی مشابه تیم ویروس‌شناسان انسانی توصیف کند. حدس‌ها از ۲۰۳۰ تا ۲۰۳۴ متغیر بود. هنگامی که محققان این چالش را به مدل o3 OpenAI، که در ماه آوریل منتشر شد، ارائه دادند، این مدل قبلاً به آن سطح رسیده بود.
آقای کارگر می‌گوید یکی از مزایای سؤالات با مهلت کوتاه این است که می‌توانند به سرعت به شناسایی بهترین پیش‌بینی‌کنندگان کمک کنند. سپس می‌توان به پیش‌بینی‌های آن‌ها در آینده وزن بیشتری داد. او می‌گوید بهترین پیش‌بینی‌کنندگان اغلب کسانی هستند که ناهماهنگی‌ها را در پیش‌بینی‌های خود مشاهده می‌کنند: به عنوان مثال، ادعای افزایش شدید مصرف برق هوش مصنوعی ممکن است با پیش‌بینی تأثیر کم بر اشتغال، سازگار نباشد. در نهایت، دکتر کارگر امیدوار است که تکنیک‌های توسعه یافته توسط پنل LEAP در کنار تحقیقات اقتصادی استاندارد در کار روزانه‌اش برای کمک به برنامه‌ریزی برای دنیایی که می‌تواند بسیار متفاوت از امروز باشد، استفاده شود.