«خوب، بد و زشت»

 

«خوب، بد و زشت»

هوش مصنوعی قراره مثل لوله‌کشی توی خونه یا نون تست آووکادو بشه؛ یعنی یه چیز خیلی عادی و همه‌گیر. ولی فکر نکن مسیرش صاف و بی‌دردسره. قضیه بیشتر «خوب، بد و زشت»ه.

خوبش چیه؟
هوش مصنوعی واقعاً باهوشه. مثلاً ChatGPT تو آزمون‌های SAT نمره‌ای آورده که از ۹۳ درصد آدم‌ها بهتره. تو امتحان‌های سخت دانشگاهی و حرفه‌ای هم قبول می‌شه؛ از آزمون وکالت بگیر تا پزشکی. خلاصه اگه قرار بود آدم باشه، راحت می‌تونست بره یه دانشگاه درست‌وحسابی.

ولی خب یه سوال مهم اینجاست:
واقعاً حاضری وکیلت، دکترت یا مشاور مالیت یه هوش مصنوعی باشه؟
احتمالاً نه با خیال راحت.

مشکل اینه که آزمون‌هایی که داریم، خودشون خیلی چیزها رو درست نمی‌سنجن. الان تقلب با ChatGPT اون‌قدر زیاد شده که استادها برگشتن به امتحان‌های قدیمی و بی‌روح. این که پیشرفت نشد. ولی واقعیت اینه که تفکر تحلیلی داره عوض می‌شه؛ یعنی خیلی وقت‌ها اول از هوش مصنوعی می‌پرسیم، بعد می‌شینیم نتیجه‌شو بررسی می‌کنیم. نمره دادن به این روند؟ عملاً غیرممکنه.

آموزش هم داره زیر و رو می‌شه.
تا الان بیشتر آموزش یعنی حفظ کردن برای امتحان. ولی این مدل داره می‌میره. نه حفظیات می‌مونه، نه سخنرانی‌های خسته‌کننده. آینده مال یادگیری پروژه‌محوره؛ جایی که خودت یاد می‌گیری، با بقیه کار می‌کنی، و هوش مصنوعی هم کنارت هست.

مثلاً می‌گن:
«یه موشک سرنشین‌دار (مجازی) بفرست مریخ.»
برای این کار، خودبه‌خود مجبوری ریاضی، فیزیک، زیست، اقتصاد و کلی چیز دیگه یاد بگیری. این می‌شه یادگیری واقعی.

تو خدمات مشتری هم غوغا کرده.
چت‌بات‌ها الان با متن و حتی صدا جواب مردم رو می‌دن. می‌گن بین ۳۰ تا ۷۰ درصد سوال‌ها اصلاً به آدم واقعی نمی‌رسه. هزینه‌ها هم حدود ۳۰ درصد کم شده. بعد از چت‌بات‌ها، این شاید بزرگ‌ترین استفاده عملی از هوش مصنوعیه.
البته یه هشدار جدی: هنوز گند می‌زنه.

بدش کجاست؟
همون چیزی که بهش می‌گن «توهم». البته اسم شیکیه؛ واقعیتش اینه که هوش مصنوعی اشتباه می‌کنه. بعضی وقت‌ها خیلی هم اشتباه. جواب‌هاش همیشه ثابت نیست و ممکنه از یه سوال به سوال دیگه تناقض داشته باشه.

برای شرکت‌ها این خطرناکه. یه جواب غلط می‌تونه برند رو خراب کنه. مسئولیت‌پذیری هنوز یه مشکل بزرگه.

تو برنامه‌نویسی هم وضع همینه. زاکربرگ می‌گه هوش مصنوعی‌شون در حد یه برنامه‌نویس متوسطه. ابزارهایی مثل Cursor و Replit محبوب شدن، ولی برنامه‌نویس‌ها خیلی به خروجی نهایی اعتماد نمی‌کنن چون پر از باگه. نتیجه؟
برنامه‌نویس‌های حرفه‌ای بیشتر شدن «اصلاح‌کننده کد هوش مصنوعی».
بهره‌وری بالاتر رفته، ولی کار کاملاً عوض شده.

از اون طرف، آموزش این مدل‌ها برق و سخت‌افزار وحشتناکی می‌بلعه. انبوهی GPU، حافظه‌های گرون، مصرف انرژی بالا. این وضعیت تا ابد دوام نمیاره. به همین خاطر شرکت‌ها دارن دنبال مدل‌های کم‌مصرف‌تر می‌رن.

زشتش؟ بازار و پول.
بازار سهام یه‌هو عاشق هوش مصنوعی شده، مثل بچه‌ای که فقط Cocoa Puffs می‌خوره. ولی سوال اینه:
آیا این‌همه سرمایه‌گذاری تو دیتاسنترها واقعاً در کوتاه‌مدت پول درمیاره؟
احتمالش کمه.

تاریخ نشون داده ما تو هر چرخه‌ای زیاده‌سازی می‌کنیم: مخابرات، فیبر نوری، حافظه. الان هم همینه. تا ۲۰۲۸ بیش از ۱ تریلیون دلار ظرفیت برنامه‌ریزی شده، خیلی جلوتر از درآمد واقعی.

بازارها هم بی‌رحمن. جف بزوس یادآوری می‌کنه که اوایل دهه ۲۰۰۰، سهام آمازون از ۱۱۳ دلار رسید به ۶ دلار؛ اون هم در حالی که شرکت عالی کار می‌کرد.
یعنی مسیر موفقیت صاف نیست؛ زیگزاگه.

الان بازارها دارن سود ۳ تا ۵ سال آینده هوش مصنوعی رو از الان قیمت‌گذاری می‌کنن. ممکنه ۶ ماه تا ۱.۵ سال طول بکشه تا اوضاع منطقی‌تر بشه. این تو هر چرخه‌ای اتفاق می‌افته.

نوآوری‌های جدید هم می‌تونن قیمت‌ها رو سریع‌تر از انتظار پایین بکشن؛ هم قیمت خدمات هوش مصنوعی، هم سهامش.

خلاصه
هوش مصنوعی میاد، همه‌جا هم میاد، ولی نه بی‌دردسر، نه خطی، نه همیشگی به نفع سرمایه‌گذار. باید هم هیجانشو دید، هم اشتباه‌هاشو، هم حباب‌هاشو.