آیندهٔ هوش مصنوعی

پیش‌بینی آیندهٔ AI کار سختیه — خیلی از کسانی که در ۲۰۱۸ گفتن «هنوز ده سال مونده تا LLM‌های کاربردی داشته باشیم» امروز دارن با ChatGPT کار می‌کنن. ولی این به معنی نیست که هر ادعایی معتبره. این مقاله چند محور مشخص رو بررسی می‌کنه: عوامل، مشاغل، AGI، و زاویهٔ ایران.

Agentها — بزرگ‌ترین تغییر نزدیک

الان LLM‌ها اساساً جواب می‌دن. قدم بعدی اینه که عمل کنن. Agent یه مدل AI‌ه که می‌تونه ابزارها رو صدا بزنه، چند مرحله برنامه‌ریزی کنه، و برای رسیدن به هدف اقدام کنه.

نمونه‌های واقعی که الان داریم:

• Devin — یه AI که می‌تونه یه ریپو گیت‌هاب رو کلون کنه، باگ پیدا کنه، و PR بفرسته
• Computer Use کلاد — مدل می‌تونه موس رو کنترل کنه، روی صفحه کلیک کنه، فایل بسازه
• OpenAI Operator — مرورگر رو کنترل می‌کنه، فرم‌ها رو پر می‌کنه

مشکل الانشون اینه: در محیط‌های پیچیده و طولانی اغلب منحرف می‌شن. ولی شیب پیشرفتشون تند هست.

AiraCode هم از همین رویکرد استفاده می‌کنه — به جای اینکه فقط کد پیشنهاد بده، می‌تونه توی ترمینال عمل کنه.

AGI — بحث واقعی کجاست؟

«AGI چه زمانی میاد؟» اشتباه‌ترین سوالیه که می‌شه پرسید — چون کسی تعریف دقیقی از AGI نداره.

موضع خوش‌بینانه (OpenAI، Demis Hassabis): در دههٔ ۲۰۳۰ به چیزی شبیه AGI می‌رسیم. استدلالشون: scaling law‌ها هنوز کار می‌کنن، و هر بار که گفتیم «این دیوار مقیاس‌پذیری رو متوقف می‌کنه» مدل‌های بزرگ‌تر از دیوار رد شدن.

موضع محتاط (Yann LeCun، Gary Marcus): LLM‌ها اساساً «درک» ندارن — روی توزیع آماری توکن‌ها کار می‌کنن. مشکلات ریاضی پیچیده، استدلال علّی، و سازگاری با محیط جدید هنوز ضعف اساسی‌ان. AGI به معماری‌های کاملاً متفاوت نیاز داره.

موضع میانه‌رو (عملی‌ترین): ما شاید به «AGI» به اون شکل فلسفی نرسیم، ولی سیستم‌هایی که عملاً کارهای اکثر مشاغل دانشی رو انجام بدن در افق ۵-۱۵ ساله قابل تصوره.

مشاغل — نه جایگزین کامل، نه بی‌تأثیر

رایج‌ترین دو اشتباه: ۱. «AI همهٔ شغل‌ها رو می‌گیره» — خیلی ساده‌انگارانه ۲. «AI نگرانی نداره، انقلاب‌های صنعتی قبلی هم گذشتن» — هم درست هم گمراه‌کننده

چی می‌دونیم از تحقیقات؟ گزارش McKinsey 2024 تخمین می‌زنه تا ۲۰۳۰ حدود ۱۲ میلیون نفر در آمریکا باید شغل عوض کنن — این عدد بزرگه، ولی کمتر از «همه».

کارهایی که بیشتر در معرض تغییرن:

• ورود و پردازش داده‌های تکراری
• پاسخ‌گویی مشتری سطح اول
• خلاصه‌نویسی و ترجمه
• بعضی وظایف حقوقی و اداری

کارهایی که کمتر تهدید شدن:

• مدیریت رابطه در شرایط پیچیده
• قضاوت در موقعیت‌های اخلاقی
• کارهایی که نیاز به حضور فیزیکی دارن
• خلاقیت مبتنی بر تجربهٔ زیسته

توصیه‌ای که کمتر می‌شنوی: مهارت ارزشمند امروز «کار با AI» نیست — «تشخیص کِی از AI استفاده کنی و کِی نکنی» مهارت اصلیه.

ایمنی و تراالگنمنت — چرا نباید نادیده گرفت

Anthropic (سازندهٔ Claude) شرکتی‌ه که آیراچت روی مدل‌هاش کار می‌کنه. یکی از تمرکزهای اصلیشون «Constitutional AI» و «alignment» هست — مطمئن شدن از اینکه مدل‌های قوی‌تر رفتاری که ما می‌خوایم داشته باشن، نه چیزی که به‌نظر می‌رسه ما می‌خوایم.

این موضوع رو جدی می‌گیرن چون استدلال‌شون اینه: اگه سیستم‌های خیلی قوی‌تر از الان بسازیم بدون اینکه alignment رو حل کنیم، ریسک واقعی داریم. خوش‌بین‌ها می‌گن این ترس مبالغه‌آمیزه. واقعیت اینه که هیچ‌کدام قطعیت ندارن.

زاویهٔ ایران — چه اتفاقی می‌افته؟

برای ایران چند نقطهٔ مشخص داریم:

مدل‌های فارسی: پروژه‌هایی مثل PersianMind و ParsBERT وجود دارن ولی با GPT-4 فاصلهٔ زیادی دارن. این شکاف در ۲-۳ سال آینده احتمالاً کمتر می‌شه چون مدل‌های open-source دارن بزرگ‌تر می‌شن.

تحریم‌ها: ابزارهای اصلی — ChatGPT، Claude، Gemini — برای کاربر ایرانی مستقیماً در دسترس نیستن (این رو عمیق‌تر در مقالهٔ Claude و تحریم بررسی کردیم). این فاصله در ۵ سال آینده احتمالاً بیشتر اهمیت داره چون AI بیشتر وارد کار روزمره می‌شه.

فرصت: ایرانی‌ها تاریخچهٔ موفقی در بهره‌برداری از ابزارهای تکنولوژیک دارن حتی با محدودیت. اگه زیرساخت AI بومی قوی‌تر بشه، شکاف دسترسی می‌تونه کمتر بشه.

چی ثابته، چی نامشخصه

تقریباً قطعی:

• مدل‌ها ارزان‌تر و قوی‌تر می‌شن
• Agentها بیشتر وارد کار روزمره می‌شن
• مشاغلی که امروز وجود دارن تغییر می‌کنن (نه ناپدید — تغییر)

نامشخص:

• زمان‌بندی AGI (اگه بیاد)
• شکل دقیق تأثیر بر بازار کار
• اینکه alignment رو موقع رسیدن به سیستم‌های خیلی قوی‌تر حل می‌کنیم یا نه

همچنین بخوان

• AGI، ASI و ANI — تفاوت‌ها به زبان ساده — پایه‌های فلسفی بحث AGI
• هوش مصنوعی و آیندهٔ کار — تأثیر مشخص‌تر روی مشاغل
• ریسک‌ها و محدودیت‌های AI Agent — چرا Agentها هنوز ناقصن
• شناخت پیوسته در هوش مصنوعی — رویکرد آیرا برای AI که واقعاً کاربرش رو می‌شناسه

---

وقتی از «آیندهٔ AI» حرف می‌زنیم، بهترین کاری که می‌شه کرد اینه که الان باهاش کار کنی — نه اینکه منتظر آینده باشی. آیراچت نقطهٔ شروع خوبیه.