«کشورِ نابغه‌ها» در آستانه شکل‌گیری است؛ جمعیتی ۵۰ میلیون نفری از نخبه‌های دیجیتالی

داریو آمودی، مدیرعامل آنتروپیک، آینده‌ای را برای حوالی سال ۲۰۲۷ ترسیم می‌کند که در آن معادلِ ۵۰ میلیون انسان، هرکدام از هر برنده‌ی نوبل توانمندتر و تا ۱۰۰ برابر سریع‌تر فکر می‌کنند؛ جمعیتی دیجیتال که نه بدن دارد و نه شهر، اما می‌تواند در دلِ زیرساخت محاسباتی به‌صورت هم‌زمان کار کند.

آمودی این تصور را در قالبِ «کشورِ نابغه‌ها در یک دیتاسنتر» پیش می‌کشد؛ سناریویی که کنارِ چند فرضِ جداگانه قرار می‌گیرد؛ از برتریِ فراانسانی و استقلالِ بلندمدت گرفته تا امکانِ ساخت میلیون‌ها نسخه و سرعتی بسیار بیشتر از کارِ انسانی.

نکته‌ی اصلی همین‌جا است. عدد ۵۰ میلیون، ظرفیتِ اندازه‌گیری‌شده‌ی یک دیتاسنتر نیست. آمودی در مقاله‌ی خود ابتدا از مدلی سخن می‌گوید که در بیشتر حوزه‌های فکریِ مرتبط از قوی‌ترین انسان‌ها بهتر عمل می‌کند، از رابط‌های دیجیتال استفاده می‌کند، مأموریت‌هایی در مقیاس ساعت‌ها، روزها یا هفته‌ها را پیش می‌برد و ابزارهای موجود را از طریق کامپیوتر هدایت می‌کند. سپس، همان توان را در مقیاسی بسیار بزرگ‌تر به تصویر می‌کشد و از خواننده می‌خواهد ۵۰ میلیون نفر را تصور کند که حوالی ۲۰۲۷ ناگهان ظاهر می‌شوند.

آمودی درباره‌ی سرعت هم همان مسیرِ تقریبی را دنبال می‌کند. او می‌نویسد یک مدلِ قدرتمند می‌تواند اطلاعات را جذب کند و اقدام‌ها را حدود ۱۰ تا ۱۰۰ برابر سریع‌تر از انسان انجام دهد. در جای دیگری، هنگامِ بیانِ تشبیهِ امنیت ملی، از هوش مصنوعی‌ای سخن می‌گوید که حتی «صدها برابر» سریع‌تر عمل می‌کند، اما برای کشورِ فرضی‌اش، نسبتِ ۱۰ به ۱ را در حوزه‌ی کنش‌های شناختی نگه می‌دارد. نتیجه روشن است؛ سرعت در متنِ او یک پارامترِ ساده‌سازی‌شده است، نه یک ثابتِ آزمایشگاهی.

با این حال، تندتر شدنِ تولیدِ توکن به‌معنای تندتر شدنِ همه‌چیز نیست. نرم‌افزار مکث می‌کند، شبکه زمان می‌خواهد، آزمایشگاه باید مواد سفارش دهد، سلول‌ها رشد کنند و ابزارها کار کنند. ربات‌ها هم هنوز در جهانی فیزیکی حرکت می‌کنند که با مکانیک و شیمی اداره می‌شود. آمودی صریحا اشاره می‌کند که زمانِ پاسخ در بیرون از خودِ مدل می‌تواند به گلوگاه تبدیل شود.

نکته‌ی دیگر، تفاوتِ سرعت با قابلیتِ اعتماد است. اگر یک نسخه بارها همان فرضِ غلط را تکرار کند، ساختنِ یک میلیون کپی لزوما خطا را خنثی نمی‌کند؛ فقط همان خطا را تکثیر می‌کند. همکاریِ ثمربخش به تقسیمِ کار، ارتباط، حلِ تعارض، ثبتِ مشترک و راستی‌آزمایی نیاز دارد. تکثیرِ دیجیتال، ارزان‌تر از تکثیرِ انسانی است، اما خروجیِ مفیدِ آن الزاما هم‌نسبت با تعدادِ نسخه‌ها بالا نمی‌رود.

خودِ آمودی می‌گوید هوش مصنوعیِ قدرتمند شاید فقط یک یا دو سال با ما فاصله داشته باشد، هرچند در همان جمله می‌پذیرد که ممکن است فاصله بیشتر باشد. در جای دیگری نیز از «احتمالِ مناسب» برای رسیدن در بازه‌ی کوتاه‌تر و «احتمالِ بسیار بالا» در چند سالِ آینده حرف می‌زند. لحنِ او بیشتر شبیه یک پیش‌بینیِ همراه با عدم‌قطعیت است تا وعده‌ی روشنِ فعال شدنِ سامانه‌ای در سال ۲۰۲۷.

اما هر دو قدم، برون‌یابی‌اند. روندهای بنچمارک به‌تنهایی نشان نمی‌دهند که یک سامانه واقعا در زیست‌شناسی، ریاضیات، مهندسی، نوشتن و سیاست‌ورزی به سطحی در حدِ نوبل رسیده باشد. کمک‌گرفتن از هوش مصنوعی در کدنویسی هم ثابت نمی‌کند که مدل بتواند مسیر پژوهش را انتخاب کند، نتیجه‌ی گمراه‌کننده را تشخیص دهد، آزمایشگاه را هماهنگ سازد و ماه‌ها بدون هدایت انسانی قضاوتِ درست را حفظ کند. آمودی یکی از آگاه‌ترین چهره‌ها در توسعه‌ی مرزیِ این فناوری به‌شمار می‌رود، اما هم‌زمان مدیرعاملی است که شرکتش همین مسیر را می‌سازد و می‌فروشد.

گزارش‌های خودِ آنتروپیک نیز شکافِ موجود را روشن می‌کنند. در هابِ شفافیتِ ۲۰۲۶، آنتروپیک گفت Claude Opus 5 در برخی ارزیابی‌های کدنویسی و کارِ دانشی به عملکردِ پیشرو رسیده است. با این حال، همان گزارش تأکید می‌کند که مدل هنوز از آستانه‌ی لازم برای پژوهشِ خودکارِ هوش مصنوعی عبور نکرده، به‌مرحله‌ای نرسیده که جای پژوهشگران و مهندسانِ شرکت را بگیرد و باعثِ دو برابر شدنِ پایدارِ سرعتِ پیشرفتِ آنتروپیک نشده است.

معنای این فاصله، شکستِ سناریوی آمودی نیست. پیش‌بینی‌ها درباره‌ی سیستم‌هایی هستند که هنوز وجود ندارند. اما همین فاصله، نقطه‌ی شروعی را نشان می‌دهد که پیش‌بینیِ یک یا دو ساله باید از آن عبور کند. بر اساسِ ارزیابیِ خودِ سازنده، مرزِ فعلی هنوز پایین‌تر از جایگزینیِ خودکارِ یک نقشِ پژوهشیِ سطحِ ابتدایی قرار دارد، چه برسد به ۵۰ میلیون ذهنِ مستقل که از هر برنده‌ی نوبل فراتر می‌روند.

ارزیابی‌های مستقل هم تصویری مشابه، هرچند محدود، ارائه می‌کنند. افق‌های زمانیِ انجامِ وظایف در METR به‌سرعت افزایش یافته‌اند، اما مجموعه‌ی آزمون‌ها عمدتا روی مهندسی نرم‌افزار، یادگیری ماشین و امنیت سایبری متمرکز است.

از سوی دیگر، وب‌سایت ساینس‌بلاگ اخیرا به نمونه‌ای دیگر از شواهدِ مقیاس‌دار در هوش مصنوعی پرداخت؛ یک مدلِ کوچکِ استدلالِ نهفته روی ARC-AGI-1. نتیجه‌ی هزینه‌اش چشمگیر بود، اما فقط درباره‌ی معماهای شبکه‌ایِ رنگی صدق می‌کرد، نه درباره‌ی هوشِ عمومی.

اما کشور معمولا از انسان‌هایی با هدف‌های متنوع، بدن، جایگاه حقوقی، مالکیت و رابطه تشکیل می‌شود. نسخه‌های مدل ممکن است تقریبا یکسان، به‌طور مرکزی دستورپذیر و وابسته به همان سخت‌افزار باشند. نامیدنِ آن‌ها به‌عنوان «ساکنان» می‌تواند ضعف‌های هم‌بسته را پنهان کند و تنوعِ اجتماعی را بیش از حد نشان دهد.

در طرفِ مقابل، نامیدنِ سامانه‌ی میزبان به‌عنوان یک دیتاسنتر هم ممکن است شبکه‌ای از مراکز، تأمین‌کنندگان برق، سازندگان تراشه، لینک‌های مخابراتی و اپراتورهای انسانی را پنهان کند.

اجرای نسخه‌های بیشتر به شتاب‌دهنده، پهنای باندِ حافظه و برق نیاز دارد و کنشِ مفید، به اتصال به پایگاه‌های داده، ابزارها و نهادها وابسته است. ساینس‌بلاگ پیش‌تر ردپای برق و آبِ موردنیازِ مراکز داده‌ی جهانی را بررسی کرده بود. استعاره‌ی شناختیِ در مقیاسِ یک کشور، همچنان بر یک پایه‌ی صنعتی استوار می‌شود.

هدفِ این تمثیل، پیش‌بینیِ جمعیت نیست؛ آزمونِ فشار است. آمودی از آن برای صورت‌بندیِ پنج دسته ریسک استفاده می‌کند. یک کشورِ دیجیتالِ فراانسانی ممکن است هدف‌هایی را دنبال کند که انسان‌ها آن‌ها را نمی‌خواهند. افراد می‌توانند از آن برای ویرانی سوءاستفاده کنند. یک حاکم یا شرکت ممکن است از آن برای قبضه‌ی قدرت بهره ببرد. حتی مشارکتِ صلح‌آمیز هم می‌تواند کار را جابه‌جا کند و ثروت را متمرکز سازد. اختراع‌های سریع نیز ممکن است پیامدهای بی‌ثبات‌کننده‌ای بسازند که نه هوش مصنوعی و نه گردانندگانش قصدِ آن را نداشته‌اند.

برای فکر کردن به این ریسک‌ها، نیازی نیست عدد ۵۰ میلیون را واقعی بدانیم. نهادها می‌توانند پیش از رسیدن به آستانه‌ی آمودی، برای دفاعِ سایبریِ قوی‌تر، ارزیابیِ مدل، امنیتِ محاسبات، اختلالِ بازار کار و پاسخ‌گویی برنامه‌ریزی کنند. در مقابل، اگر این سناریو را شبیهِ جدولِ زمان‌بندیِ مهندسیِ قطعیِ ۲۰۲۷ بخوانیم، بحث را ضعیف می‌کنیم؛ چون یک استعاره‌ی هشداردهنده را به ظاهری شبیه ظرفیتِ اندازه‌گیری‌شده تبدیل می‌کنیم.

آمودی باور دارد مدلی با توانِ فوق‌العاده گسترده شاید به‌زودی برسد، خوشه‌های آینده بتوانند میلیون‌ها نسخه را اجرا کنند و کارِ دیجیتال بسیار سریع‌تر از فکرِ انسانی پیش برود. سپس می‌پرسد اگر همه‌ی این فرض‌ها در مقیاسِ یک کشور با هم جمع شوند، چه رخ می‌دهد.

«کشورِ نابغه‌های» او امروز درونِ هیچ دیتاسنتری منتظر نمانده است. با یک توانمندیِ پیش‌بینی‌شده و یک استعاره‌ی ژئوپولیتیکی روبه‌رو هستیم؛ استعاره‌ای که ارزشش دقیقا در همین است که آینده‌ای نامطمئن را آن‌قدر ملموس می‌کند تا بتوان آن را آزمود.

نظر شما درباره‌ی این سناریوی ۲۰۲۷ چیست؟