בינה מלאכותית צרה מול כללית (Narrow vs General AI)

"צרה" (Narrow/Weak AI) מתארת מערכת שמצטיינת במשימה מוגדרת — זיהוי פנים, תרגום, שחמט — אבל לא מסוגלת לבצע משימות אחרות מחוץ לתחום שלה, גם אם הן פשוטות לבני-אדם. כמעט כל מערכת AI שבה נתקלים בפועל היום — ממנוע-ההמלצות של שירותי-סטרימינג ועד רכב-אוטונומי — היא בינה מלאכותית צרה, גם אם היא מתוחכמת מאוד בתחום הצר שלה.

"כללית" (General/Strong AI) — ולעיתים גם (AGI — Artificial General Intelligence) — מתארת יכולת תיאורטית ללמוד ולבצע כל משימה קוגניטיבית שאדם מסוגל לה — יעד עתידי שרוב החוקרים מסכימים שעדיין לא הושג, למרות ההתקדמות המרשימה של מודלי השפה הגדולים. ההבחנה בין "AI חלש" ל"AI חזק" (Strong AI) מקורה במאמר מוקדם ומשפיע של הפילוסוף האמריקאי ג'ון סירל מ-1980, שטען (בניסוי-המחשבה המפורסם "החדר הסיני") שגם מערכת שמדמה בהצלחה מוחלטת שיחה אנושית לא בהכרח "מבינה" באמת מה שהיא עושה — הבחנה שעדיין מרכזית בוויכוח על מודלי-שפה-גדולים כיום.

הדוגמאות הטובות ביותר להמחשת הפער: AlphaGo של Google DeepMind היה מצטיין-עולמי במשחק גו בלבד — לא היה מסוגל לשחק אפילו משחק-לוח פשוט אחר בלי אימון-מחדש מלא. לעומת זאת אדם ממוצע שמשחק גו יכול, באותו יום, גם לנהוג ברכב, גם לבשל, וגם לנהל שיחה — גמישות-קוגניטיבית שהיא בדיוק מה ש"כלליות" אמורה ללכוד.

השאלה אם מודלי-שפה-גדולים כבר מראים ניצני-יכולת-כללית, או שהם עדיין "רק" AI צר מתוחכם-במיוחד שיודע לעשות הרבה דברים שונים בלי להיות באמת "כללי", שנויה במחלוקת חריפה גם בין חוקרים בכירים — יש הטוענים שהדור האחרון של המודלים כבר חוצה במידה-מסוימת את הגבול, ואחרים שרואים בכך בלבול בין שטף-שיחה משכנע לבין הבנה-אמיתית. אין היום קריטריון מוסכם-על-הכול לבחינה מתי בדיוק חוצים את הגבול — עובדה שהופכת את הוויכוח לקשה ליישוב, לא רק למחלוקת-דעות רגילה.