وضعیت هوش مصنوعی: چشم‌اندازی از جهان در سال ۲۰۳۰

به «وضعیت هوش مصنوعی»، همکاری جدید بین Financial Times و MIT Technology Review، خوش آمدید. هر دوشنبه، نویسندگان هر دو نشریه درباره یکی از جنبه‌های انقلاب هوش مصنوعی مولد که در حال تغییر شکل قدرت جهانی است، بحث می‌کنند. می‌توانید بقیه این مجموعه را اینجا بخوانید.

در این ویرایش پایانی، ویل داگلاس هون، ویراستار ارشد هوش مصنوعی MIT Technology Review، با تیم بردشاو، خبرنگار جهانی فناوری FT، درباره مسیر آینده هوش مصنوعی و آنچه جهان ما در پنج سال آینده به نظر خواهد رسید، گفتگو می‌کند.

ویل داگلاس هون می‌نویسد:

هر بار که از من می‌پرسند در آینده چه چیزی در راه است، آهنگ لوک هینز در ذهنم می‌چسبد: «لطفاً درباره آینده از من نپرسید / من فالگیر نیستم.» اما با این حال، پیش می‌رویم. اوضاع در سال ۲۰۳۰ چگونه خواهد بود؟ پاسخ من: همان، اما متفاوت.

اختلاف نظرهای بزرگی در مورد پیش‌بینی تأثیرات نزدیک‌مدت هوش مصنوعی مولد وجود دارد. در یک اردوگاه، پروژه «آینده‌های هوش مصنوعی» را داریم، یک گروه تحقیقاتی کوچک با بودجه کمک‌های مالی که توسط دنیل کوکوتایلو، پژوهشگر سابق OpenAI، رهبری می‌شود. این سازمان غیرانتفاعی در ماه آوریل با انتشار AI 2027، یک روایت گمانه‌زنی از آنچه جهان در دو سال آینده به نظر خواهد رسید، سروصدای زیادی به پا کرد.

این داستان پیشرفت‌های سرسام‌آور یک شرکت هوش مصنوعی به نام OpenBrain (هر شباهتی اتفاقی است و غیره) را تا یک پایان «بوم یا نابودی» به سبک انتخاب-ماجراجویی-خودتان دنبال می‌کند. کوکوتایلو و همکارانش هیچ تردیدی در انتظار خود ندارند که در دهه آینده، تأثیر هوش مصنوعی از انقلاب صنعتی فراتر خواهد رفت—یک دوره ۱۵۰ ساله از تحولات اقتصادی و اجتماعی به قدری بزرگ که ما هنوز در جهانی که آن را به وجود آورده زندگی می‌کنیم.

در انتهای دیگر طیف، تیم «فناوری عادی» را داریم: آرویند نارایانان و سایاش کاپور، دو پژوهشگر دانشگاه پرینستون و نویسندگان کتاب «AI Snake Oil»، که نه تنها اکثر پیش‌بینی‌های AI 2027، بلکه مهم‌تر از آن، جهان‌بینی اساسی آن را زیر سوال می‌برند. آن‌ها استدلال می‌کنند که فناوری اینگونه کار نمی‌کند.

پیشرفت‌ها در لبه‌های فناوری ممکن است به سرعت رخ دهند، اما تغییر در اقتصاد گسترده‌تر و جامعه به طور کلی، با سرعت انسانی حرکت می‌کند. پذیرش گسترده فناوری‌های جدید می‌تواند آهسته باشد؛ قبول آن‌ها آهسته‌تر. هوش مصنوعی نیز تفاوتی نخواهد داشت.

چه برداشتی باید از این افراط‌ها داشته باشیم؟ ChatGPT سه سال پیش در ماه گذشته منتشر شد، اما هنوز مشخص نیست که آخرین نسخه‌های این فناوری تا چه حد در جایگزینی وکلا یا توسعه‌دهندگان نرم‌افزار یا (اوه) روزنامه‌نگاران خوب عمل می‌کنند. و به‌روزرسانی‌های جدید دیگر آن جهش‌های قابلیت را که قبلاً داشتند، به ارمغان نمی‌آورند.

با این حال، این فناوری رادیکال آنقدر جدید است که نادیده گرفتن آن در این زودی‌ها احمقانه خواهد بود. فقط فکر کنید: هیچ‌کس حتی نمی‌داند این فناوری دقیقاً چگونه کار می‌کند—چه برسد به اینکه واقعاً برای چیست.

همانطور که سرعت پیشرفت در فناوری هسته‌ای کند می‌شود، کاربردهای آن فناوری به تمایز اصلی بین شرکت‌های هوش مصنوعی تبدیل خواهند شد. (شاهد جنگ‌های جدید مرورگرها و پیک-اَند-میکس ربات‌های گفتگوگر که قبلاً در بازار موجود است، باشید.) در عین حال، اجرای مدل‌های پیشرفته ارزان‌تر و قابل دسترس‌تر می‌شوند. انتظار می‌رود بیشتر فعالیت‌ها در این زمینه باشد: راه‌های جدید برای استفاده از مدل‌های موجود آن‌ها را تازه نگه می‌دارد و حواس افراد را که منتظر آینده هستند، پرت می‌کند.

در همین حال، پیشرفت‌ها فراتر از مدل‌های زبان بزرگ (LLM) ادامه دارد. (فراموش نکنید—قبل از ChatGPT هم هوش مصنوعی وجود داشت، و پس از آن نیز خواهد بود.) فناوری‌هایی مانند یادگیری تقویتی—نیروی محرکه پشت AlphaGo، هوش مصنوعی بازی‌کننده گُو (تخته‌ای) DeepMind که در سال ۲۰۱۶ یک استاد بزرگ گُو را شکست داد—قرار است بازگردند. همچنین صحبت‌های زیادی در مورد «مدل‌های جهانی» (world models) وجود دارد، نوعی هوش مصنوعی مولد با درکی قوی‌تر از نحوه عملکرد جهان فیزیکی نسبت به LLM‌ها.

در نهایت، من با تیم «فناوری عادی» موافقم که پیشرفت‌های سریع تکنولوژیک بلافاصله به پیشرفت‌های اقتصادی یا اجتماعی تبدیل نمی‌شوند. مسائل پیچیده انسانی زیادی در این میان وجود دارد.

اما تیم، نوبت شماست. کنجکاوم بدانم فال شما چه می‌گوید.

تیم بردشاو پاسخ می‌دهد:

ویل، من از شما مطمئن‌ترم که جهان در سال ۲۰۳۰ بسیار متفاوت به نظر خواهد رسید. در پنج سال آینده، انتظار دارم انقلاب هوش مصنوعی با سرعت پیش برود. اما اینکه چه کسی از این پیشرفت‌ها سود می‌برد، جهانی از دارندگان و ندارندگان هوش مصنوعی ایجاد خواهد کرد.

به نظر می‌رسد ناگزیر است که حباب هوش مصنوعی زمانی قبل از پایان دهه خواهد ترکید. چه تعدیل سرمایه‌گذاری خطرپذیر در شش ماه یا دو سال (احساس می‌کنم هجوم کنونی هنوز راهی برای ادامه دارد) رخ دهد، بخش‌های وسیعی از توسعه‌دهندگان برنامه‌های هوش مصنوعی یک شبه ناپدید خواهند شد. برخی شاهد جذب کارشان توسط مدل‌هایی خواهند بود که به آن‌ها وابسته هستند. دیگران به سختی خواهند آموخت که نمی‌توانید خدماتی را که ۱ دلار هزینه دارند، بدون جریان عظیم بودجه سرمایه‌گذاری خطرپذیر، با ۵۰ سنت بفروشید.

تعداد شرکت‌های مدل پایه که باقی می‌مانند، دشوارتر است، اما از هم‌اکنون واضح است که زنجیره وابستگی‌های متقابل OpenAI در سیلیکون ولی آن را بیش از حد بزرگ کرده است تا شکست بخورد. با این حال، یک تسویه حساب مالی، آن را مجبور خواهد کرد که قیمت‌گذاری خدمات خود را افزایش دهد.

زمانی که OpenAI در سال ۲۰۱۵ ایجاد شد، تعهد کرد که «هوش دیجیتال را به گونه‌ای توسعه دهد که به احتمال زیاد به کل بشریت سود برساند.» این موضوع به طور فزاینده‌ای غیرقابل دفاع به نظر می‌رسد. دیر یا زود، سرمایه‌گذارانی که با ارزش ۵۰۰ میلیارد دلار سهام خریدند، به دنبال بازده خواهند بود. آن مراکز داده خود به خود پول نمی‌سازند. در آن زمان، بسیاری از شرکت‌ها و افراد برای گردش کارهای روزانه خود به ChatGPT یا سایر خدمات هوش مصنوعی وابسته شده‌اند. کسانی که توانایی پرداخت را دارند، از مزایای بهره‌وری بهره‌مند خواهند شد و قدرت محاسباتی مازاد را در حالی که دیگران از بازار خارج می‌شوند، به دست خواهند آورد.

توانایی روی هم قرار دادن چندین سرویس هوش مصنوعی، یک اثر ترکیبی ایجاد خواهد کرد. یک مثال که در سفر اخیر به سانفرانسیسکو شنیدم: رفع ایرادات در کدنویسی «وایب» (vibe coding) صرفاً با چند بار حل همان مشکل و سپس اجرای چند عامل هوش مصنوعی دیگر برای یافتن اشکالات و مسائل امنیتی امکان‌پذیر است. این امر به شدت نیازمند پردازنده‌های گرافیکی (GPU-intensive) است، که به این معنی است که برای اینکه هوش مصنوعی واقعاً به وعده بهره‌وری فعلی خود عمل کند، مشتریان باید بسیار بیشتر از آنچه امروز پرداخت می‌کنند، هزینه کنند.

همین امر در مورد هوش مصنوعی فیزیکی نیز صادق است. من کاملاً انتظار دارم که ربوتاکسی‌ها تا پایان دهه در هر شهر بزرگی رایج شوند، و حتی انتظار دارم ربات‌های انسان‌نما را در بسیاری از خانه‌ها ببینم. اما در حالی که قیمت‌های Waymo مشابه Uber در سانفرانسیسکو و انواع ربات‌های کم‌هزینه تولید شده توسط Unitree چین امروز این تصور را می‌دهند که این‌ها به زودی برای همه مقرون به صرفه خواهند بود، هزینه محاسباتی لازم برای مفید و فراگیر کردن آن‌ها مقدر است که حداقل در کوتاه‌مدت، آن‌ها را به کالاهای لوکس برای افراد مرفه تبدیل کند.

در همین حال، بقیه ما با اینترنتی پر از محتوای بی‌کیفیت و ناتوان از تهیه ابزارهای هوش مصنوعی که واقعاً کار می‌کنند، رها خواهیم شد.

شاید برخی پیشرفت‌ها در کارایی محاسباتی این سرنوشت را از بین ببرد. اما رونق کنونی هوش مصنوعی به این معنی است که شرکت‌های هوش مصنوعی سیلیکون ولی انگیزه کافی برای ساخت مدل‌های سبک‌تر یا آزمایش با انواع رادیکالاً متفاوت تراشه‌ها را ندارند. این تنها احتمال اینکه موج بعدی نوآوری هوش مصنوعی از خارج از ایالات متحده، خواه چین، هند یا جایی حتی دورتر، سرچشمه بگیرد را افزایش می‌دهد.

رونق هوش مصنوعی در سیلیکون ولی قطعاً قبل از سال ۲۰۳۰ به پایان خواهد رسید، اما رقابت برای نفوذ جهانی بر توسعه این فناوری—و بحث‌های سیاسی در مورد نحوه توزیع مزایای آن—به نظر می‌رسد تا دهه آینده نیز ادامه یابد.

ویل پاسخ می‌دهد:

من با شما موافقم که هزینه این فناوری منجر به جهانی از دارندگان و ندارندگان خواهد شد. حتی امروز، ۲۰۰ دلار یا بیشتر در ماه، تجربه‌ای بسیار متفاوت را برای کاربران قدرتمند ChatGPT یا Gemini نسبت به افرادی که از سرویس رایگان استفاده می‌کنند، فراهم می‌کند. این شکاف توانایی مطمئناً با تلاش سازندگان مدل برای جبران هزینه‌ها افزایش خواهد یافت.

ما شاهد نابرابری‌های جهانی عظیمی نیز خواهیم بود. در شمال جهانی، پذیرش بسیار زیاد بوده است. گزارشی اخیر از مؤسسه اقتصاد هوش مصنوعی مایکروسافت اشاره می‌کند که هوش مصنوعی سریع‌ترین فناوری در حال گسترش در تاریخ بشر است: «در کمتر از سه سال، بیش از ۱.۲ میلیارد نفر از ابزارهای هوش مصنوعی استفاده کرده‌اند، سرعتی از پذیرش که سریع‌تر از اینترنت، کامپیوتر شخصی، یا حتی تلفن هوشمند است.» با این حال، هوش مصنوعی بدون دسترسی آسان به برق و اینترنت بی‌فایده است؛ بخش‌های وسیعی از جهان هنوز هیچ‌یک از این‌ها را ندارند.

من همچنان شک دارم که تا سال ۲۰۳۰ چیزی شبیه به انقلابی که بسیاری از افراد آگاه وعده می‌دهند (و سرمایه‌گذاران دعا می‌کنند) را شاهد باشیم. وقتی مایکروسافت در اینجا از پذیرش صحبت می‌کند، کاربران عادی را شمارش می‌کند، نه اندازه‌گیری انتشار بلندمدت فناوری، که زمان می‌برد. در همین حال، کاربران عادی خسته می‌شوند و به سراغ چیزهای دیگر می‌روند.

نظرتان چیست: اگر من در پنج سال آینده با یک ربات خانگی زندگی کنم، شما می‌توانید لباس‌هایتان را هر روز هفته با یک ربوتاکسی به خانه من بفرستید.

شوخی می‌کنم! انگار می‌توانستم یکی از آن‌ها را بخرم.

• هوش مصنوعی چیست؟ این سؤال ممکن است احمقانه به نظر برسد، اما هرگز به این اندازه فوری نبوده است. در این بررسی عمیق، ویل دهه‌ها گمانه‌زنی و تبلیغات را آشکار می‌کند تا به قلب رویای فناورانه جمعی ما برسد.
• AGI—این ایده که ماشین‌ها به هوشمندی انسان خواهند رسید—کل یک صنعت (و احتمالاً اقتصاد ایالات متحده) را ربوده است. برای بسته‌بندی اخیر «عصر توطئه جدید» MIT Technology Review، ویل نگاهی تحریک‌آمیز به این می‌اندازد که AGI چگونه مانند یک توطئه است.
• FT تابستان امسال اقتصاد خودروهای خودران را بررسی کرد و پرسید چه کسی قبض چند میلیارد دلاری را برای خرید تعداد کافی ربوتاکسی برای خدمت‌رسانی به یک شهر بزرگ مانند لندن یا نیویورک پرداخت خواهد کرد.
• یک استدلال متقابل محتمل در برابر تز تیم در مورد نابرابری‌های هوش مصنوعی این است که مدل‌های متن‌باز رایگان (یا دقیق‌تر، «وزن-باز») قیمت‌ها را پایین نگه خواهند داشت. ایالات متحده ممکن است بخواهد مدل‌های پیشرفته بر روی تراشه‌های آمریکایی ساخته شوند، اما در حال حاضر جنوب جهانی را به نرم‌افزار چینی واگذار می‌کند.