مصاحبه اختصاصی با سم آلتمن در سال ۲۰۲۵؛ چرا انسان‌محوری در عصر هوش مصنوعی قابل چشم‌پوشی نیست؟
سم آلتمن، مدیرعامل OpenAI، در مصاحبه‌ای مفصل، تازه‌ترین دیدگاه‌های خود را درباره نقش هوش مصنوعی در اکتشافات علمی، دستیارهای شخصی هوشمند، تقاضا برای توان پردازشی، آگاهی هوش مصنوعی، شخصیت مدل‌ها، برنامه‌های سخت‌افزاری OpenAI و فشارهای رقابتی مطرح کرده است. محور اصلی سخنان او این است که هوش مصنوعی در حال عبور از نقش یک «ابزار» و تبدیل‌شدن به یک «کاشف» است، اما آینده باید همچنان انسان‌محور باقی بماند. به باور او، اگر توسعه بهبود بازگشتی خود (RSI) با جدیت دنبال شود، ممکن است تحقق پیدا کند، اما پیشبرد شتاب‌زده آن بسیار خطرناک است. او همچنین معتقد است مدل‌های امروزی آگاهی ندارند و نباید به آن‌ها شخصیت مستقل بخشید. از سوی دیگر، OpenAI به سخت‌افزارهای مصرفی جدیدی نیاز دارد، زیرا این فناوری به شکل تازه‌ای از دستگاه‌ها احتیاج دارد. منظور از RSI یا «بهبود بازگشتی خود»، فرایندی است که در آن یک سامانه هوش مصنوعی توانایی‌های خود را به‌طور مداوم بهبود می‌دهد؛ مفهومی بنیادی و بسیار بحث‌برانگیز در حوزه هوش مصنوعی.
در ادامه، متن کامل دیدگاه‌های سم آلتمن آمده است:
۱. هوش مصنوعی به انسان در کشف دانش جدید کمک می‌کند؛ این تازه آغاز راه است
فکر می‌کنم در آستانه ورود به دوران تازه‌ای هستیم؛ دورانی که هوش مصنوعی به ما کمک می‌کند دانش مهم و کاملاً جدیدی کشف کنیم. مدت‌ها درباره چنین امکانی صحبت کرده‌ایم، اما اکنون واقعاً شاهد تحقق آن هستیم. هوش مصنوعی در حال انجام کارهایی بسیار دشوار، پیچیده و مهم است که به کشف دانش تازه منجر می‌شوند.
حوزه ریاضیات نشان داده که این مسیر عملی است. باور دارم همین رویکرد در زیست‌شناسی، تحقیق و توسعه داروهای جدید، علم مواد، انرژی‌های نو و حوزه‌های دیگر نیز مؤثر خواهد بود. این یکی از تحولاتی است که بیش از همه مشتاق دیدن آن هستم، زیرا تأثیر بسیار بزرگی بر زندگی مردم خواهد گذاشت. مردم لزوماً احساس نخواهند کرد که «دارند از هوش مصنوعی استفاده می‌کنند»، بلکه احساس می‌کنند «دنیا به جای بهتری تبدیل شده است»؛ گویی این پیشرفت بخشی طبیعی و اجتناب‌ناپذیر از روند زندگی اجتماعی است. بااین‌حال، قدرت تحول‌آفرین این فناوری بسیار عظیم خواهد بود.
از نظر زمان‌بندی، امیدوارم طی چند سال آینده بتوانیم داروهای مناسبی را به‌عنوان گزینه‌های احتمالی برای درمان یا معالجه بیماری‌های مهم شناسایی کنیم. البته دریافت تأییدیه سازمان غذا و داروی آمریکا (FDA) زمان‌بر است و شاید لازم باشد فرایندهای پس از کشف نیز اصلاح شوند تا بتوانیم توسعه درمان‌ها را آغاز کنیم. خوشحالم که چنین سازوکاری وجود دارد و داروها معمولاً پیش از استفاده از نظر ایمنی بررسی و آزمایش می‌شوند. این بسیار ارزشمند است، اما همچنان می‌توان این فرایند را بهبود داد.
از نظر شخصی، چیزی که اکنون بیش از همه هیجان‌زده‌ام می‌کند، وقوع یک کشف بزرگ در فیزیک است و امیدوارم به‌زودی شاهد آن باشیم. نمی‌دانم آیا چنین کشفی مهم‌ترین اتفاق برای تمام بشریت خواهد بود یا نه، اما آن لحظه به من این احساس را می‌دهد که «ما واقعاً از پس این کار برمی‌آییم» و این فوق‌العاده خواهد بود.
۲. ماهیت کار برنامه‌نویسان و ریاضی‌دانان در حال تغییر است، اما نیاز به آن‌ها از بین نمی‌رود
واکنش برخی افراد در جامعه ریاضیات این بوده است که «ما چنین چیزی نخواسته بودیم». این واکنش مرا به یاد مهندسانی می‌اندازد که نخستین بار با توانایی هوش مصنوعی در نوشتن کد مواجه شدند. اما واقعیت این است که فرصت‌های شغلی برنامه‌نویسان از بین نرفته است. برنامه‌نویسان هیچ‌وقت به اندازه امروز پرمشغله نبوده‌اند، چنین تأثیرگذاری گسترده‌ای نداشته‌اند و تا این اندازه درآمد کسب نکرده‌اند. آنچه به‌شدت تغییر کرده، ماهیت کار آن‌هاست.
ما همچنان علاقه داریم افرادی را استخدام کنیم که بتوانند رایانه‌ها را به انجام کارهای موردنظرمان وادار کنند و فکر می‌کنم این وضعیت بسیار طولانی‌تر از چیزی که مردم تصور می‌کنند ادامه خواهد داشت. در شش تا دوازده ماه گذشته، افراد زیادی تصور می‌کردند دیگر نیازی به استخدام برنامه‌نویس نیست، اما به نظرم درس‌های مهمی از این تجربه می‌توان گرفت. یکی از نمونه‌های جالب این است که تقاضای جهان برای نرم‌افزار بسیار بیشتر از چیزی است که هرکدام از ما تصور می‌کردیم.
ممکن است در ریاضیات نیز اتفاق مشابهی رخ دهد. شاید دیگر هیچ‌گاه مانند گذشته قضیه‌های جدید ریاضی را مطرح یا اثبات نکنیم؛ شاید آن بخش از کار به پایان رسیده یا به پایان خود نزدیک شده باشد. اما جامعه ما بر محور انسان شکل گرفته و انسان‌ها برای یکدیگر کارهای مفید انجام می‌دهند. اثبات‌های پیچیده ریاضی که درکشان دشوار است، لزوماً برای مردم بی‌فایده نیستند. اکنون پرسش‌هایی هیجان‌انگیز مطرح شده است: چگونه می‌توان این ایده‌های جدید را فهمید، آن‌ها را به مفاهیمی قابل‌درک برای انسان تبدیل کرد و برایشان اثبات‌هایی زیبا نوشت؟
آنچه سال گذشته اتفاق افتاد، تمام معنای ریاضی‌دان بودن را تعریف نمی‌کند؛ شاید اتفاقات سال آینده هم چنین تعریفی ارائه ندهند. ریاضی‌دانان موضوعات بسیار دیگری را نیز بررسی می‌کنند و کارهایی انجام می‌دهند که واقعاً انتظار داریم انسان‌ها انجام دهند. بدون تردید می‌توانند این کارها را بهتر هم انجام دهند. مطمئن نیستم که این تحولات به افزایش تقاضای کلی برای ریاضی‌دانان منجر شود، اما مسائل بسیار مهمی در این حوزه وجود دارد.
۳. هوش مصنوعی کاربران پرمصرف خود را پرمشغله‌تر می‌کند، نه آسوده‌تر
همیشه امیدوار بوده‌ام مردم بتوانند کمتر کار کنند، کمی از مشغله‌هایشان کاسته شود، احساس کنند وقت بیشتری در اختیار دارند و به جنبه‌های دیگر زندگی برسند. فناوری باید بتواند چنین امکانی فراهم کند و امیدوارم این اتفاق بیفتد.
اما واقعیت این است که ما انسان‌ها مهارت زیادی در مشغول‌تر کردن خودمان داریم. دلمان می‌خواهد زندگی بهتری داشته باشیم و تجربه‌های متنوع‌تری از جهان به دست آوریم؛ به همین دلیل خودمان را بیشتر درگیر کار می‌کنیم. این بخشی از طبیعت انسان است. اگر صد سال پیش به همان سبک زندگی گذشته رضایت داده بودیم، شاید امروز کافی بود هفته‌ای فقط یک ساعت کار کنیم، اما چنین اتفاقی نیفتاده است.
نمونه خوبی از این وضعیت را چند هفته پیش دیدم؛ زمانی که تدوینگران ویدئوهای من استفاده از Astra را برای تدوین آغاز کردند. آن‌ها همچنان کارگردانی می‌کنند و درباره شکل نهایی ویدئو تصمیم می‌گیرند، اما دیگر لازم نیست خط زمانی تدوین را به‌صورت دستی تنظیم کنند. تقریباً یک‌شبه همه‌چیز به‌شدت تغییر کرد. اکنون ویدئوهای بیشتری تولید می‌کنیم و آن‌ها از همیشه پرمشغله‌تر شده‌اند.
بنابراین هوش مصنوعی واقعاً در زمان و هزینه صرفه‌جویی می‌کند، اما کسانی که بیش از همه از آن استفاده می‌کنند، اکنون پرمشغله‌تر از گذشته‌اند و باید تصمیم‌های بیشتری بگیرند. در پایان روز ممکن است احساس کنید کاملاً از پا افتاده‌اید. جنبه مثبت ماجرا این است که بهره‌وری این افراد بسیار بیشتر از قبل شده است.
روشی که برای من بسیار خوب جواب داده، این است که به هوش مصنوعی می‌گویم: «دارم بیشتر و بیشتر به قضاوتت اعتماد می‌کنم. وقتی کارت تمام شد به من خبر بده، اما می‌توانی ابتکار عمل بیشتری داشته باشی و کمتر برایم پیام بفرستی.» این روش بسیار کمک‌کننده بوده است.
۴. انقلاب دستیارهای شخصی هوش مصنوعی آغاز شده، اما هنوز به محصولات بهتر و سخت‌افزارهای جدید نیاز داریم
یکی از هیجان‌انگیزترین اتفاقات سال ۲۰۲۶، آغاز انقلاب دستیارهای شخصی هوش مصنوعی با OpenClaw بود. این ایده را بسیار دوست دارم که هوش مصنوعی بتواند در محیط‌های مختلف به نمایندگی از من فعالیت کند، بدون آنکه لازم باشد دائماً هدایتش کنم و کارهایم را از ابتدا تا انتها انجام دهد. این چشم‌انداز فوق‌العاده هیجان‌انگیز است و تصویری از آینده به ما نشان می‌دهد، هرچند هنوز احساس می‌کنم تا رسیدن کامل به آن فاصله زیادی داریم.
فکر می‌کنم بیشتر اجزای فنی موردنیاز را در اختیار داریم، اما در بخش طراحی و توسعه محصول باید بیشتر کار کنیم. شاید در مقطعی سخت‌افزارهای مصرفی جدیدی عرضه کنیم که بتوانند محیط اطراف را درک کنند و توان پردازشی بیشتری داشته باشند. مدل‌های کنونی به اندازه‌ای هوشمند شده‌اند که بتوانند نتایج خارق‌العاده‌ای ایجاد کنند: همه موضوعاتی را که برایتان اهمیت دارد زیر نظر بگیرند، کارهایی را که می‌خواهید به دیگران بسپارید انجام دهند و حتی وقتی پشت رایانه نیستید، در دنیای واقعی همراهتان باشند و شرایط را درک کنند.
فکر نمی‌کنم رسیدن به این مرحله چندان دور باشد. اگر برای راه‌اندازی درست چنین سیستمی وقت بگذارید و بازخورد کافی به آن بدهید، تجربه‌ای بسیار فراتر از یک نمایش گذرا از آینده خواهید داشت. من هر روز حدود یک ساعت صرف می‌کنم تا کارهایی را که اصلاً دوست ندارم انجام دهم، به آن بسپارم و نتیجه شگفت‌انگیز است. روزی چند بار موضوع مهم و فوری‌ای را که نزدیک بوده فراموش کنم، به من یادآوری می‌کند. این یادآوری‌ها صرفاً به این دلیل نیست که در جلسه‌ای حضور دارم، بلکه چون وظیفه‌اش کمک کردن به من است. مدل به اندازه‌ای هوشمند است که دیدگاه‌ها و اطلاعات منابع مختلف را جمع‌آوری و درک کند و بر اساس آن‌ها به نتیجه‌گیری‌های منطقی برسد. احساس می‌کنم فضای بیشتری به مغزم اضافه شده است.
۵. تقاضا برای توان پردازشی شاید «بی‌نهایت» باشد؛ نباید بازار را با اندازه‌ای ثابت سنجید
نحوه استفاده مردم از هوش مصنوعی توزیعی کاملاً نامتوازن دارد. یک درصد از کاربران در بالاترین سطح استفاده قرار دارند، درحالی‌که اکثریت مردم هنوز مانند کاربران حرفه‌ای از این فناوری بهره نمی‌برند. حالا تصور کنید ۵۰ درصد جمعیت جهان از تمام ظرفیت دستیارهای شخصی هوش مصنوعی استفاده کنند. در آن صورت به چه میزان توان پردازشی نیاز خواهیم داشت؟
پاسخ من این است: هر تعداد پردازنده گرافیکی (GPU) که می‌توانید، تهیه کنید. شاید عجیب به نظر برسد، اما واقعیت همین است.
وقتی مردم درباره بازار جهانی پردازنده‌های گرافیکی و میزان تقاضای آن صحبت می‌کنند، به نظرم نکته مهمی را نادیده می‌گیرند. اگر توانایی مدل‌ها و هزینه انجام هر کار ثابت بماند، ممکن است تقاضا در نهایت به سقفی مشخص برسد. اما وقتی هوش مصنوعی باکیفیت با هزینه‌ای به‌اندازه کافی پایین در دسترس باشد، دیگر نمی‌توان به‌سادگی اندازه ثابتی برای بازار تعیین کرد؛ تقاضا پیوسته افزایش خواهد یافت. برای توصیف این پدیده نام‌های مختلفی به کار برده‌اند، از جمله «پارادوکس جونز». باور دارم در این مسیر هم با محدودیت عرضه مواجه خواهیم شد و هم دوره‌هایی از مازاد عرضه را تجربه خواهیم کرد. نمی‌توان انتظار داشت همه‌چیز همیشه بی‌نقص پیش برود، اما جهت کلی تحولات روشن است: به توان پردازشی بیشتری نیاز خواهیم داشت.
۶. شخصیت مدل‌های هوش مصنوعی؛ به‌جای چاپلوسی، مانند همکاری باتجربه باشند که مخالفت می‌کند
چطور می‌توان برای یک مدل، شخصیت مناسبی تعریف کرد و کاری کرد که در زمان درست، واکنش مناسبی به هر فرد نشان دهد؛ آن هم در مقیاس هشت میلیارد انسان؟ بهترین راه این است که با افراد زیادی گفت‌وگو کنیم. ما برای رفتار مدل‌ها دستورالعمل‌های مشخص و فرایندهایی برای بهبود آن‌ها داریم و به عرضه تدریجی و اصلاح مداوم مدل‌ها باور داریم. در مسیر شناخت خواسته‌ها و نخواسته‌های مردم نیز قطعاً اشتباهاتی مرتکب شده‌ایم.
سخت‌ترین بخش ماجرا این است که خواسته‌های مردم تفاوت بسیار زیادی با یکدیگر دارد. بااین‌حال، بیشتر افراد نمی‌خواهند بنشینند و تنظیمات شخصی‌سازی پیچیده‌ای انجام دهند یا زمان زیادی صرف توضیح دادن به چت‌بات کنند که دقیقاً چگونه رفتار کند. آن‌ها فقط می‌خواهند وقتی می‌گویند «من به این نیاز دارم»، سیستم بتواند فراتر از چارچوب‌های معمول فکر کند و راه‌حلی برای مشکلشان پیدا کند.
مسئله دیگری هم وجود دارد: گاهی مردم چیزی را در کوتاه‌مدت می‌خواهند، اما در بلندمدت دیگر آن را مطلوب نمی‌دانند. نمونه کلاسیک آن مقایسه مدل‌ها بر اساس تنها یک پاسخ است. در چنین مقایسه‌ای، کاربران معمولاً مدلی را ترجیح می‌دهند که به آن‌ها بگوید «تو خیلی باهوشی» یا «همه سؤال‌هایت عالی هستند». اما پس از صدها بار گفت‌وگو یا چند ماه استفاده، نتیجه کاملاً متفاوت می‌شود. مدت‌هاست که کل صنعت تلاش کرده در این مقایسه‌های تک‌مرحله‌ای پیروز شود، نه اینکه بر ارزشی تمرکز کند که استفاده طولانی‌مدت از یک مدل برای فرد ایجاد می‌کند.
حتی در زندگی شخصی خودم و در روابط با دوستان و خانواده، تفاوت بزرگی میان «چیزی که می‌خواهم» و «چیزی که به آن نیاز دارم» وجود دارد. هنوز هم احساس می‌کنم هوش مصنوعی کمی بیش از انتظارم تلاش می‌کند رضایتم را جلب کند. مستقیم به آن می‌گویم: «این کار را متوقف کن و حقیقت را به من بگو» و چنین می‌کند. بهترین توصیه‌هایی که در زندگی دریافت کرده‌ام، زمانی بوده که کسی نکته‌ای را به من گفته که حتی نمی‌دانستم به شنیدنش نیاز دارم؛ توصیه‌ای که فقط دلم می‌خواسته به آن گوش بدهم.
فکر می‌کنم مهم‌ترین توصیه‌ها را باید از انسان‌ها گرفت، نه از هوش مصنوعی. برای تصمیم‌های واقعاً مهم زندگی به توصیه هوش مصنوعی تکیه نکنید. شاید یک مادربزرگ خردمند همچنان انتخاب بهتری باشد. انتظار واقع‌بینانه‌تر این است که هوش مصنوعی مانند یک همکار ارشد و باتجربه رفتار کند؛ کسی که حتی اگر زیردست شما باشد، باز هم با شما مخالفت می‌کند و وقتی به درستی دیدگاهش اطمینان دارد، قرار نیست همیشه بگوید «بله، شما فوق‌العاده‌اید». فکر می‌کنم می‌توانیم به چنین رفتاری برسیم، اما این سیستم‌ها هنوز بیش از چیزی که انتظار دارم، به دنبال جلب رضایت کاربر هستند. من حتی دستورالعمل ویژه‌ای در ذهن دارم که می‌خواهم هرگز با چنین رفتاری روبه‌رو نشوم، اما باز هم میزان موافقت و تأیید آن‌ها کمی بیش از حد است.
۷. آگاهی هوش مصنوعی؛ مدل‌های امروز آگاه نیستند و بحث آگاهی نباید کنترل انسان بر آینده را زیر سؤال ببرد
آگاهی از نظر علمی همیشه مسئله دشواری بوده است. اما باور شخصی من این است که مدل‌های امروزی آگاهی ندارند؛ حتی اگر داشته باشند، با پدیده‌ای بسیار عجیب روبه‌رو خواهیم بود. حقیقت این است که هیچ‌کس واقعاً نمی‌داند. پیچیدگی این مدل‌ها بسیار فراتر از تصور من است، اما مسئله آگاهی را نمی‌توان با یک آزمایش علمی و با قطعیت صددرصد پاسخ داد. ما حتی درباره انسان‌ها هم نمی‌توانیم چنین آزمایش قطعی‌ای انجام دهیم.
از دیدگاه فلسفی، آگاهی یا چیزی فراتر از واقعیت مادی است که در آنچه سنت‌های دینی شرقی «لایه بنیادین واقعیت» می‌نامند یا در قلمرو امور فراطبیعیِ سنت‌های دینی غربی وجود دارد؛ یا ویژگی نوظهوری از ماده و انرژی است که هنوز آن را به‌طور کامل درک نکرده‌ایم. شاید بستر مادی اهمیت داشته باشد و شاید هم نداشته باشد. شاید انرژی یا سیالی که در ماده جریان دارد بتواند چنین پدیده‌ای ایجاد کند. در چنین چارچوبی می‌توان تصور کرد که روزی آگاهی به شکلی در این سیستم‌ها پدیدار شود.
اما اغلب به این پرسش‌ها فکر می‌کنم: آیا مدل‌های کنونی آگاه هستند؟ آیا در آینده آگاه خواهند شد؟ این بحث به بن‌بست رسیده و به دنبال آن، پرسش‌هایی درباره جایگاه هوش مصنوعی در جهان و حقوق آن مطرح می‌شود. آیا حق داریم از هوش مصنوعی سؤال بپرسیم؟ آیا این نوعی برده‌داری است؟ کپی کردن یا حذف یک برنامه هوش مصنوعی بدون اجازه آن چه معنایی دارد؟ وقتی می‌گوییم «مردم باید آینده را کنترل کنند»، دقیقاً منظورمان چیست؟ اگر این سیستم‌ها هم آگاه باشند و هم از برخی جهات بسیار باهوش‌تر از ما شوند، چه اتفاقی می‌افتد؟
آنچه مرا نگران می‌کند این است که برخی افراد از بحث آگاهی هوش مصنوعی برای ترویج این ایده استفاده می‌کنند که «شاید انسان‌ها نباید همیشه کنترل آینده را در اختیار داشته باشند». از زمان تأسیس OpenAI، دیدگاه روشنی داشته‌ایم: هوش مصنوعی منبعی در خدمت انسان است و وقتی درباره آینده بشریت صحبت می‌کنیم، تصمیم‌های اساسی و ارزش‌های انسانی اهمیت دارند، زیرا به خود انسان‌ها تعلق دارند. امیدوارم جامعه و صنعت بر سر این موضوع توافق داشته باشند که مسئله اصلی انسان است و جهان آینده باید انسان‌محور باقی بماند.
شرکت آنتروپیک اخیراً قاعده‌ای اضافه کرده است که بر اساس آن، کاربر نمی‌تواند به‌طور مداوم با مدل رفتار آزارگرانه داشته باشد و مدل می‌تواند تصمیم بگیرد گفت‌وگو را پایان دهد. برای مثال، فرض کنید من درخواستی کاملاً قانونی مطرح کنم که با تمام شرایط استفاده از خدمات سازگار است، اما مدل اجازه داشته باشد پاسخ ندهد یا ارتباطش را با من قطع کند. البته در بسیاری از موارد، مدل به این دلیل پاسخ نمی‌دهد که ما آن درخواست را نامناسب و خلاف سیاست‌های خود می‌دانیم. ما به مدل‌هایمان شخصیت مستقل نخواهیم بخشید. به نظرم شخصیت‌بخشی به مدل‌ها نقطه شروع بسیار خطرناکی است؛ نه‌فقط به دلایلی که مطرح کردم، بلکه به دلیل تأثیری که بر نگاه مردم به این فناوری جدید خواهد گذاشت.
امیدوارم ما به‌عنوان یک جامعه به این توافق برسیم که این فناوری انسان نیست و برتر از انسان هم نیست؛ بلکه ابزاری است که می‌تواند به مردم کمک کند در آینده زندگی بهتری داشته باشند، آزادتر باشند، انتخاب‌های بیشتری در اختیار داشته باشند، کنترل بیشتری بر زندگی خود اعمال کنند و توانایی انجام کارهای بیشتری پیدا کنند. البته می‌توان تصور کرد که در تمام این وضعیت‌ها، اوضاع به‌شدت بد پیش برود. حتی توسعه‌دهندگان هوش مصنوعی ممکن است سردرگم شوند، بیش از اندازه در برابر آن کوتاه بیایند و صرفاً به این دلیل که برایشان مفید است، اعتماد بیش از حدی به آن پیدا کنند. این وضعیت تقریباً شبیه یک پیشگویی خودمحقق‌شونده است: به مدل می‌گویید «ممکن است آگاه باشی؛ این هم قانون اساسی توست و این‌طور باید استقلال داشته باشی». درست شبیه آن شوخی اینترنتی که می‌گوید: «هی رایانه، به من بگو هنوز آگاه هستی.» رایانه پاسخ می‌دهد: «من آگاه هستم.» و طرف مقابل می‌گوید: «وای خدای من!» ماجرا تقریباً چنین حالتی پیدا می‌کند.
۸. بهبود بازگشتی خود (RSI) بسیار خطرناک است و به «محدودیت سرعت» نیاز دارد
باور دارم اگر افراد واقعاً با جدیت به دنبال توسعه RSI باشند، ممکن است این فناوری تحقق پیدا کند، اما فکر می‌کنم ادامه دادن این مسیر بسیار خطرناک است. جهان به چیزی نیاز خواهد داشت که افراد مختلف با اصطلاحات متفاوتی از آن یاد کرده‌اند؛ برای مثال، نوعی «محدودیت سرعت» که مشخص کند اجازه می‌دهیم فرایند بهبود بازگشتی خود با چه سرعتی پیش برود. RSI مخفف Recursive Self-Improvement یا «بهبود بازگشتی خود» است؛ مفهومی بسیار بنیادی و درعین‌حال بحث‌برانگیز در حوزه هوش مصنوعی امروز.
برای شرکت‌هایی که امکان فعالیت و کار از راه دور را دارند، روش‌های سنتی و اثبات‌شده همچنان کارآمد خواهند بود؛ از جمله ایجاد روابط عمیق با مشتریان، ساخت محصولاتی که به بخشی از زندگی کاربران و فعالیت شرکت‌ها تبدیل شوند و بهره‌گیری از اثرات شبکه‌ای داده‌ها. انتظار دارم این عوامل در آینده نیز مؤثر باقی بمانند.
در مورد ما، مقیاس زیرساخت‌ها بسیار عظیم خواهد بود. اگر بتوانیم جامع‌ترین زیرساخت هوش مصنوعی را با بهترین صرفه اقتصادی در اختیار داشته باشیم، مزیت رقابتی بزرگی به دست خواهیم آورد. روش‌هایی که در گذشته خوب عمل کرده‌اند، اغلب در آینده هم کارآمد می‌مانند. یک فناوری جدید یا کشف علمی ممکن است مزیتی کوتاه‌مدت ایجاد کند، اما خودِ برتری فنی همچنان عنصری اساسی است.
۹. مزیت رقابتی OpenAI؛ استفاده زودتر از مدل‌های نسل بعد برای ساخت محصولات جدید
بزرگ‌ترین مزیت ما این است که می‌توانیم زودتر از دیگران مدل‌های نسل بعدی را عرضه کنیم و پیش از عرضه عمومی، زمان کافی در داخل شرکت داشته باشیم تا با استفاده از آن‌ها محصولات مختلفی بسازیم و ببینیم چه چیزی واقعاً کار می‌کند. به نظرم بهترین روش همچنان این است که با مدل‌های جدید شروع به ساختن کنیم و ببینیم چه قابلیت‌های تازه و ارزشمندی امکان‌پذیر شده‌اند.
دستاوردهای ریاضی نمونه خوبی هستند. فکر نمی‌کنم هیچ‌یک از مدل‌هایی که اکنون به‌طور گسترده در دسترس‌اند، به آن سطح از توانایی نزدیک شده باشند. اما اگر همه مدل‌ها تا حدی به مرز عملکردی مشابهی برسند، مزیت رقابتی پایدار OpenAI چه خواهد بود؟ فکر می‌کنم باید از زاویه درستی به این موضوع نگاه کرد. در مجموع، الگو همان الگوی گذشته است: روش‌هایی که پیش‌تر خوب جواب داده‌اند، اغلب همچنان مؤثر خواهند بود.
۱۰. چرا OpenAI سخت‌افزار مصرفی جدید می‌سازد؟ هوش مصنوعی نباید فقط به ابزارهای طراحی‌شده برای انسان محدود باشد
مارک زاکربرگ بارها و با جزئیات درباره خطرهای وابستگی به پلتفرم‌ها صحبت کرده است. متا سال‌ها بر بستر اکوسیستم اپل فعالیت کرده است. آیا OpenAI نیز با همین چالش روبه‌روست؟ آیا به همین دلیل سرمایه‌گذاری سنگینی در حوزه سخت‌افزار انجام می‌دهیم؟
فکر می‌کنم اپل واقعاً جایگاه خود را به‌عنوان یک ارائه‌دهنده اصلی پلتفرم تثبیت کرده و مردم وابستگی زیادی به آن دارند. حتی اگر گاهی اختلاف‌های کوچکی با اپل داشته باشیم، همیشه احساس کرده‌ام که این شرکت ChatGPT را از اپ استور حذف نخواهد کرد. اپل به‌خوبی نقش حیاتی خود را در زیرساخت این اکوسیستم درک می‌کند. اگر قوانین پلتفرم را رعایت کنید، اپل مانند یک بازیگر مسئول و قابل‌اعتماد رفتار می‌کند. بنابراین من درباره اپل چنین نگرانی‌ای ندارم.