مقاله‌ای در OpenAI: هوش مصنوعی ممکن است گلوگاه پیشرفت را جابه‌جا کند

«اقتصاد عصر هوش مصنوعی» موضوع نخستین مقاله از مجموعه‌ای درباره اقتصاد آینده است که در ۱ اکتبر ۲۰۲۶ در بخش خبری OpenAI منتشر شد؛ نویسندگان در آن استدلال می‌کنند هوش مصنوعی می‌تواند فاصله میان داشتن یک ایده و اجرای آن را کاهش دهد، اما اگر توان تولید ایده از ظرفیت آزمایش و ساخت جلو بزند، خودِ اجرا به گلوگاه تازه پیشرفت تبدیل خواهد شد. این مقاله یادداشتی تحلیلی است، نه اعلام محصول یا مدل جدید؛ نویسندگان نیز تأکید کرده‌اند دیدگاه‌های متن متعلق به خودشان است و نباید آن را نظر OpenAI یا همکاران این شرکت تلقی کرد.

پیشرفت فقط به ایده‌های بزرگ نیاز ندارد

نویسندگان مقاله بحث را با فاصله‌ای میان توان ذهن انسان و توان عملی او آغاز می‌کنند: انسان‌ها درباره آغاز جهان نظریه‌پردازی کرده و با تلسکوپ‌ها به گذشته کیهان نگریسته‌اند، اما از ماه فراتر نرفته‌اند. از نگاه آن‌ها، این فاصله دو توضیح ممکن دارد. شاید بتوان بخش زیادی از واقعیت را با استدلال و ابزارهای کارآمد، بدون سفر یا مداخله گسترده در جهان شناخت؛ یا شاید توان فکری ما از ظرفیت اجرای برنامه‌ها جلو زده باشد.

برای نشان‌دادن رشد نیازهای اجرایی، مقاله تلسکوپ جیمز وب را با ابزار گالیله مقایسه می‌کند. به روایت نویسندگان، تلسکوپ گالیله با دو عدسی و یک لوله ساخته شد، اما جیمز وب رصدخانه‌ای ده‌میلیارددلاری است که در موشک جا داده شد و به فاصله‌ای حدود یک میلیون مایل از زمین فرستاده شد. آینه اصلی آن از ۱۸ بخش بزرگ تشکیل شده و تنظیم این بخش‌ها به دقت ۵۰ نانومتر نیاز داشت. ساخت این رصدخانه هم به همکاری حدود ۳۰۰ سازمان در ۱۴ کشور وابسته بود.

این مقایسه در مقاله فقط درباره تفاوت ابزارها نیست؛ نویسندگان می‌خواهند نشان دهند که رسیدن به توانایی علمی تازه، به نیروی انسانی، سازمان‌دهی و منابع اقتصادی بیشتری نیاز پیدا کرده است. به بیان آن‌ها، برای دیدن دورتر فقط ذهن‌های درخشان‌تر لازم نبود؛ مجموعه‌ای بزرگ‌تر از نهادها و سازوکارهای اجرایی هم باید کار می‌کرد.

برای پشتیبانی از این دیدگاه، مقاله به پژوهش نیک بلوم و همکارانش درباره بهره‌وری پژوهش در اقتصاد آمریکا استناد می‌کند. طبق ارقامی که در مقاله آمده، حفظ قانون مور در سال‌های اخیر به بیش از ۱۸ برابر شمار پژوهشگران اوایل دهه ۱۹۷۰ نیاز دارد. تلاش مؤثر پژوهشی در کل اقتصاد از دهه ۱۹۳۰ تاکنون ۲۳ برابر شده، درحالی‌که بهره‌وری اندازه‌گیری‌شده پژوهش ۴۱ برابر افت کرده است. همچنین نیروی کار فنی دو برابر سریع‌تر از دانشمندان رشد کرده و استفاده از تجهیزات تخصصی در علم طی چهار دهه دو برابر شده است. نویسندگان می‌گویند کارخانه ساخت تراشه امروز پنج برابر پرهزینه‌تر از ۳۰ سال پیش است و عملیات گسترده‌تری دارد.

اقتصاد عصر هوش مصنوعی و مکمل‌های پیشرفت

مقاله از این روند برای پیشنهاد نگاه متفاوتی به نوآوری استفاده می‌کند: ایده یا نبوغ را نباید جدا از فرایندی دانست که آن را به نتیجه تبدیل می‌کند. یک فرضیه علمی به شواهد، ابزار و امکان اجرای آزمایش نیاز دارد. در زبان اقتصاد، دو عامل زمانی «مکمل» یکدیگرند که افزایش یکی، ارزش دیگری را هم بالا ببرد. نویسندگان می‌گویند هوش پیشرفته و ظرفیت تحقق ایده‌های آن از همین نوع مکمل‌اند؛ پرسش بهتر می‌تواند ارزش یک تلسکوپ را افزایش دهد و ابزار بهتر هم می‌تواند پرسش‌های تازه‌ای را ممکن کند.

بعضی از این مکمل‌ها ملموس‌اند: شتاب‌دهنده ذرات، دستگاه آزمایشگاهی، ماشین‌آلات یا انرژی لازم برای ساخت فناوری. اما بخشی دیگر در قالب نهادها و فرایندهایی عمل می‌کنند که کمتر به چشم می‌آیند؛ از قوانین و سازوکارهای تأمین مالی گرفته تا زنجیره تأمین و اداره سازمان‌ها. نویسندگان این توانایی را «هوش نهادی» می‌نامند: توانایی انجام هماهنگ و قابل اتکای کارهای اجرایی در کنار ایده‌پردازی.

این نکته، به‌گفته مقاله، در بحث درباره ابرهوش نیز اهمیت دارد. تصور هوش برتر به‌عنوان جمعی از نوابغ، به‌تنهایی توضیح نمی‌دهد چه کسی تجهیزات را می‌سازد، امور مالی را اداره می‌کند یا زنجیره‌ای از کارهای روزمره را پیش می‌برد. پیشرفت علمی به شبکه بزرگی از فعالیت‌ها وابسته است؛ از ساخت قطعه‌ای برای تلسکوپ تا خدمات و سازمان‌هایی که امکان ادامه کار دانشمندان را فراهم می‌کنند.

هوش مصنوعی؛ فرصت برای اجرا و خطر ازدحام ایده‌ها

نویسندگان می‌گویند ابزارهای هوش مصنوعی هم‌اکنون می‌توانند بخشی از کارهای اجرایی را آسان‌تر کنند: کدنویسی، جست‌وجو در ادبیاتی ناآشنا و تبدیل یک طرح اولیه به نمونه‌ای قابل‌استفاده. در نتیجه، پروژه‌هایی که پیش‌تر به یک سازمان کامل نیاز داشتند، ممکن است برای فردی باانگیزه دسترس‌پذیرتر شوند. در حوزه‌هایی مانند فیلم‌سازی یا طراحی بازی نیز چنین تغییری می‌تواند به کسانی که پیش‌تر به منابع و نهادهای بزرگ دسترسی نداشتند، امکان دهد ایده‌های خود را دنبال کنند.

در این وضعیت، کمیابی ممکن است از توان اجرا به توان انتخاب منتقل شود. وقتی چندین مسیر ممکن برای ساخت یا پژوهش وجود دارد، تشخیص اینکه کدام ایده ارزش دنبال‌کردن دارد و کدام پرسش مهم‌تر است، اهمیت بیشتری پیدا می‌کند. مقاله این توانایی را «سلیقه» می‌نامد؛ نه به معنای صرفاً شخصی آن، بلکه به معنای داوری درباره ارزش و اولویت ایده‌ها.

بااین‌حال، نویسندگان این تغییر را پایان ماجرا نمی‌دانند. اگر هوش مصنوعی بتواند خودش بینش‌های تازه‌ای تولید کند و برنامه‌های پژوهشی یا طرح‌های فراوانی پیشنهاد دهد، ممکن است شمار ایده‌های نیازمند پشتیبانی از ظرفیت زیرساخت‌ها فراتر برود. در آن صورت، جامعه نه به‌دلیل کمبود ایده، بلکه به‌دلیل کمبود امکان ساخت، آزمایش و بررسی آن‌ها با محدودیت روبه‌رو می‌شود. این پیش‌بینی به‌عنوان احتمال مطرح شده است، نه نتیجه‌ای قطعی.

دو مسیر پیش روی تمدن

مقاله دو مسیر کلی برای آینده ترسیم می‌کند. در مسیر نخست، نویسندگان از تمدنی با «عمق» بیشتر سخن می‌گویند: هوش پیشرفته با استدلال قوی‌تر، استفاده بهتر از داده‌های موجود و شبیه‌سازی‌های دقیق‌تر، نیاز به سرمایه فیزیکی و هماهنگی پیچیده را کاهش می‌دهد. ریاضیات نمونه‌ای از حوزه‌هایی است که استدلال می‌تواند در آن نقش پررنگی داشته باشد. همچنین ممکن است داده‌هایی که برای پاسخ به پرسشی خاص گردآوری شده‌اند، با کمک تحلیل بهتر پاسخ پرسش‌های دیگری را هم آشکار کنند.

این مسیر به معنای بی‌نیازی از جهان واقعی نیست. واکنش‌های شیمیایی باید رخ دهند، موجودات زنده باید رشد کنند و فضاپیماها باید مسافت واقعی را طی کنند. به گفته نویسندگان، حتی ذهنی بسیار توانمند نمی‌تواند نتیجه آزمایشی را ببیند که هنوز انجام نشده است. اما می‌تواند با شبیه‌سازی و استدلال، آزمایش‌های غیرضروری را کنار بگذارد و مشخص کند کدام پرسش را باید در جهان واقعی آزمود.

در مسیر دوم، تمدنی با «عرض» بیشتر شکل می‌گیرد؛ یعنی پیشرفت به آزمایش‌های بزرگ‌تر و زیرساخت پیچیده‌تر وابسته می‌ماند یا حتی بیش از گذشته به آن نیاز پیدا می‌کند. نویسندگان با اشاره به تاریخ فناوری می‌گویند ساخت ترانزیستور نخستین در محیطی کوچک با پیشرفت‌های امروز در تراشه‌سازی، که به زنجیره تأمین جهانی پیچیده متکی است، قابل قیاس نیست. بااین‌همه، آن‌ها تأکید می‌کنند تاریخ سرنوشت قطعی آینده نیست: نوآوری می‌تواند ابزارهای کارآمدتر بسازد، نیاز به برخی منابع را کاهش دهد یا با انتخاب دقیق‌تر آزمایش‌ها از هدررفت جلوگیری کند.

مقاله در نهایت پاسخ قطعی نمی‌دهد که کدام مسیر غالب خواهد شد. میزان پیشرفتی که بتوان با اندیشیدن به‌تنهایی به دست آورد و اندازه زیرساختی که نبوغ برای تماس دوباره با واقعیت نیاز دارد، به حوزه و مسئله بستگی دارد. نویسندگان این دو مسیر را دو جهت احتمالی می‌دانند، نه تصویرهای کاملی از آینده.

این خبر برای چه کسانی اهمیت دارد

این بحث برای پژوهشگران، مدیران شرکت‌های فناوری، سیاست‌گذاران و کسانی اهمیت دارد که درباره اثر هوش مصنوعی بر کار و اقتصاد تصمیم می‌گیرند. پیام مقاله این است که سنجش پیشرفت هوش مصنوعی فقط با توجه به توان مدل‌ها کافی نیست؛ باید دید نهادها، نیروی کار، تجهیزات و فرایندهای لازم برای به‌کارگیری ایده‌های تولیدشده نیز با آن توان پیش می‌روند یا نه. اگر اجرای ایده‌ها ارزان‌تر شود، افراد بیشتری ممکن است فرصت ساخت داشته باشند؛ و اگر ایده‌ها بسیار سریع‌تر از ظرفیت تحققشان رشد کنند، توسعه زیرساخت و هماهنگی نهادی اهمیتی بیشتر پیدا خواهد کرد.