آیا واقعاً اَبَرخِرَد دیجیتالی در آستانه تولد است؟

در یک صبح بارانی در سان‌فرانسیسکو، سام آلتمن در دفتر مدرن خود به پنجره‌ای زل زده بود که مه بر آن نشسته بود. درست در همان لحظه، در دنیای دیجیتال، میلیون‌ها درخواست توسط مدل‌های زبانی به‌سرعت پردازش می‌شد. او می‌دانست چیزی بزرگ‌تر از همه این‌ها در راه است: اَبَرخِرَد (Superintelligence). آیا واقعاً نزدیک شده‌ایم به لحظه‌ای که ماشین‌ها نه تنها مانند ما فکر کنند، بلکه از ما پیشی بگیرند؟ این پرسشی است که ذهن بسیاری از کارشناسان و شهروندان نگران را به خود مشغول کرده است.

مقالهٔ پیش‌رو، هم چشم‌انداز جسورانهٔ سام آلتمن را بررسی می‌کند و هم تردیدهای نخبگان علمی را به چالش می‌کشد. آیا واقعاً از «افق رویداد» عبور کرده‌ایم؟ یا هنوز در ابتدای مسیر بلند تکامل الگوریتم‌ها هستیم؟

عبور از افق رویداد: آیا دیگر بازگشتی نیست؟

آلتمن، مدیرعامل OpenAI، با اعتماد به‌نفس اعلام کرده است که بشریت از «افق رویداد» عبور کرده و دیگر بازگشتی به دنیای پیشا‌هوش‌مصنوعی وجود ندارد. او روند پیشرفت فناوری را نه مانند انفجار، بلکه همچون منحنی آرامی توصیف می‌کند که با گذشت زمان شدت می‌گیرد. از دیدگاه نسبیتی، به‌گفتهٔ او، تَکینگی (Singularity) به‌تدریج اتفاق می‌افتد و نه ناگهانی. همین حالا، مدل‌هایی مانند GPT-4o و Claude 3.7 Sonnet در حال انجام کارهایی هستند که تا چند سال پیش رویا تلقی می‌شدند. این ادعا، خود نقطه‌ای محوری در بحث هوش مصنوعی فراگیر است. منتقدان ممکن است بگویند که ما هنوز فاصله زیادی با «درک عمومی» و «حل مسئلهٔ واقع‌گرایانه» داریم، اما آلتمن بر این باور است که تغییرات به‌ظاهر کوچک امروز، در بازنگری آینده، تحولی عظیم خواهند بود.

هوش، رُباتیک و بازآفرینی زنجیرهٔ تولید

یکی از بخش‌های جذاب پیش‌بینی آلتمن، نقش رُبات‌ها در آینده‌ای نه‌چندان دور است. به‌گفتهٔ او، سال ۲۰۲۵ آغاز ورود عامل‌هایی (Agents) است که می‌توانند کارهای فکری واقعی انجام دهند؛ از جمله نوشتن کدهای نرم‌افزاری. در سال ۲۰۲۶، شاهد ظهور سیستم‌هایی خواهیم بود که قادر به کشف بینش‌های نو هستند و در ۲۰۲۷ نیز، به گفتهٔ او، رُبات‌هایی پدید می‌آیند که می‌توانند وظایف فیزیکی پیچیده را در دنیای واقعی انجام دهند.

نکتهٔ مهم اینجاست: اگر اولین میلیون رُبات انسان‌نما را با روش‌های سنتی بسازیم، اما آن‌ها قادر باشند به‌صورت خودگردان زنجیرهٔ تأمین را در اختیار بگیرند—از استخراج مواد اولیه گرفته تا ساخت تراشه‌ها و مراکز داده—در آن صورت، نرخ پیشرفت نه خطی، بلکه تصاعدی خواهد شد. در دل این چشم‌انداز، مفهوم «هوش مصنوعی فراگیر» نه‌فقط به نرم‌افزار، بلکه به سخت‌افزار تجسم‌یافته در قالب رُبات‌های خودتکثیرگر گره خورده است.

فرصت‌های نو و چالش‌های شغلی در دنیای تازه

مسئلهٔ ازبین‌رفتن مشاغل همواره در کنار هر انقلاب فناوری مطرح بوده است. آلتمن اذعان می‌کند که بسیاری از مشاغل سنتی ممکن است از بین بروند، اما در عین حال می‌گوید که قابلیت‌های انسانی نیز رشد خواهند کرد و جامعه غنی‌تر خواهد شد. به‌عبارت دیگر، او پیش‌بینی می‌کند که هم‌زمان با حذف برخی از حرفه‌ها، بسترهایی نو برای اکتشاف علمی، ارتباط مغز-ماشین با پهنای باند بالا (High-bandwidth Brain-Computer Interfaces)، و حتی استعمار فضا فراهم خواهد شد.

در جهان آلتمن، اقتصاد جهانی آن‌چنان از نظر فکری و مادی گسترش می‌یابد که دولت‌ها می‌توانند دربارهٔ ایده‌هایی فکر کنند که پیش‌تر حتی تصورشان هم دور از ذهن بود. «هوش مصنوعی فراگیر» در این بخش از آینده نه‌فقط تهدیدی برای امنیت شغلی، بلکه بذرِ تحولی تازه برای سیاست‌گذاری کلان تلقی می‌شود.

اَبَرخِرَد برای همه: دموکراتیزه‌کردن هوش مصنوعی فراگیر

سام آلتمن در ادامهٔ چشم‌انداز آینده‌محور خود، بر این باور است که اَبَرخِرَد دیجیتالی نه‌تنها قابل دستیابی است، بلکه باید در دسترس همگان قرار گیرد. به اعتقاد او، مسیر درست این است که ابتدا «مسئلهٔ هم‌راستاسازی» یا همان alignment problem حل شود؛ یعنی مطمئن شویم که سیستم‌های هوش مصنوعی مطابق با منافع جمعی و در بلندمدت عمل می‌کنند. در گام بعدی، باید کاری کرد که این هوش فراگیر، نه در انحصار یک شرکت، کشور یا طبقهٔ خاص، بلکه به شکلی باز و گسترده قابل بهره‌برداری باشد.

آلتمن بر نقش حیاتی گفت‌وگوهای جهانی دربارهٔ مرزهای اخلاقی و اجتماعی هوش مصنوعی تأکید می‌کند. او می‌نویسد: «هرچه زودتر جهان دربارهٔ مرزهای کلی و تعریف هم‌راستاسازی جمعی به اجماع برسد، آینده‌ٔ مطمئن‌تری خواهیم داشت.» بنابراین، هوش مصنوعی فراگیر باید به گونه‌ای طراحی شود که با ارزش‌های انسانی هماهنگ باشد و آزادی کاربر در چارچوب توافقات اجتماعی حفظ شود.

تَرک‌هایی در چشم‌انداز: تردیدهایی که نباید نادیده گرفت

با تمام اعتمادبه‌نفسی که در لحن آلتمن دیده می‌شود، برخی پژوهش‌های تازه از شرکت‌هایی مثل اپل نشان می‌دهد که هنوز موانع جدی بر سر راه تحقق هوش مصنوعی فراگیر وجود دارد. در مقاله‌ای با عنوان «توهم اندیشیدن» (The Illusion of Thinking)، محققان اپل نشان داده‌اند که مدل‌های زبانی قدرتمند—از جمله o1/o3 از OpenAI و مدل Claude 3.7 Sonnet—در مواجهه با مسائل پیچیدهٔ برنامه‌ریزی (Planning Tasks) به‌شدت افت عملکرد دارند و دچار فروپاشی شناختی می‌شوند.

آن‌ها می‌نویسند: «کاهش تلاش استدلالی مدل‌ها با نزدیک‌شدن به آستانهٔ پیچیدگی بحرانی، نشان می‌دهد که یک محدودیت بنیادین در مقیاس‌پذیری محاسباتی (Compute Scaling) وجود دارد.» به بیان ساده، هرچقدر هم مدل‌های کنونی پیچیده‌تر شوند، در لحظه‌ای خاص از سطح دشواری، از نفس می‌افتند. این یافته‌ها باعث شده برخی کارشناسان بگویند که هنوز با دستیابی به یک هوش واقعاً فراگیر فاصله داریم.

تناقض چشم‌اندازها: ایمان یا شواهد؟

در نقطهٔ مقابل نتایج علمی، آلتمن همچنان اطمینان دارد. او استدلال می‌کند که اگر کسی در سال ۲۰۲۰ پیش‌بینی می‌کرد که هوش مصنوعی در ۲۰۲۵ به چنین نقطه‌ای برسد، باورش سخت بود؛ بنابراین ممکن است پیش‌بینی‌های او دربارهٔ ۲۰۳۰ نیز، اکنون غیرواقعی به‌نظر برسد اما بعدها عادی شوند. جمله‌ای از او که به‌وضوح جهان‌بینی‌اش را می‌نمایاند این است: «اَبَرخِرَد ارزان و در دسترس، واقعاً در دسترس ماست؛ این حرف شاید دیوانه‌وار به‌نظر برسد، اما از آنچه در ۲۰۲۰ می‌گفتیم، عاقلانه‌تر است.»

در نهایت، خواننده بین دو مسیر سرگردان می‌ماند: اعتماد به آینده‌گرایی تکنولوژیک یا تردید علمی محتاطانه. هوش مصنوعی فراگیر، همچنان که در افق نزدیک نمایان می‌شود، ممکن است هم فرصت باشد و هم خطری که باید با دقت به آن نگریست.

خلاصه

در یک نگاه کلی می‌توان گفت که سام آلتمن چشم‌اندازی الهام‌بخش اما جنجال‌برانگیز از آیندهٔ هوش مصنوعی ارائه می‌دهد. او تحقق اَبَرخِرَد دیجیتالی را امری محتوم می‌داند و بر نقش تعیین‌کنندهٔ رُباتیک، تغییرات اجتماعی و هم‌راستاسازی اخلاقی تأکید دارد. با این‌حال، پژوهش‌های مستقل نشان می‌دهند که محدودیت‌های محاسباتی و شناختی فعلاً مانع رسیدن به هوش فراگیر هستند. در نتیجه، باید این مسیر را هم با امید و هم با دقت علمی دنبال کرد.

منبع

سؤالات پرتکرار (FAQ)

هوش مصنوعی فراگیر دقیقاً به چه معناست؟
هوش مصنوعی فراگیر (Artificial General Intelligence) به سامانه‌ای گفته می‌شود که مانند انسان بتواند در طیف وسیعی از وظایف شناختی، استدلال کند، بیاموزد و تصمیم بگیرد.

آیا واقعاً رُبات‌هایی که رُبات می‌سازند، نزدیک‌اند؟
طبق پیش‌بینی سام آلتمن، در سال‌های آینده رُبات‌هایی خواهیم داشت که می‌توانند زنجیرهٔ تولید را کنترل و رُبات‌های جدید بسازند، اما هنوز برای تحقق کامل این ایده نیاز به زیرساخت‌های فنی و اخلاقی داریم.

مسئلهٔ هم‌راستاسازی در هوش مصنوعی چیست؟
هم‌راستاسازی (Alignment) به مفهوم هماهنگی اهداف هوش مصنوعی با ارزش‌های انسانی است تا از پیامدهای ناخواسته جلوگیری شود.

چرا برخی پژوهشگران در مورد آیندهٔ AGI تردید دارند؟
به‌خاطر محدودیت‌هایی که در توانایی برنامه‌ریزی و استدلال مدل‌های فعلی مشاهده می‌شود، برخی معتقدند که تا رسیدن به AGI هنوز راه درازی در پیش داریم.

آیا ممکن است هوش مصنوعی فراگیر فقط در اختیار ابرقدرت‌ها باشد؟
آلتمن معتقد است باید این فناوری به‌شکلی توزیع‌شده و عمومی توسعه یابد تا در انحصار یک کشور یا شرکت خاص قرار نگیرد.

آیا هوش مصنوعی می‌تواند جایگزین کامل نیروی انسانی شود؟
ممکن است برخی مشاغل از بین بروند، اما هم‌زمان فرصت‌های تازه‌ای برای یادگیری، خلاقیت و مشاغل جدید به‌وجود خواهد آمد.