آنتروپیک از فرا رسیدن تکینگی خبر می‌دهد؛ هوش مصنوعی می‌تواند تولید ناخالص داخلی آمریکا را به ۴۴ تریلیون دلار برساند
آنتروپیک لحظاتی پیش پیش‌بینی قابل‌توجهی منتشر کرد: هوش مصنوعی ممکن است تا سال ۲۰۳۰ تولید ناخالص داخلی آمریکا را به ۴۴ تریلیون دلار برساند.
جک کلارک، هم‌بنیان‌گذار آنتروپیک، امروز در سخنرانی پر یاکوبسون صندوق بین‌المللی پول در بانکوک، اظهارنظری مطرح کرد که بازتاب گسترده‌ای در جهان داشته است: «تکینگی فرا رسیده است.»
تکینگی چیست؟ منظور وضعیتی است که در آن سرعت پیشرفت فناوری چنان افزایش می‌یابد که توانایی انسان برای درک آن و همگام ماندن با تحولاتش دیگر کافی نیست.
بر اساس این سناریو، تکینگی می‌تواند اقتصاد آمریکا را پیش از سال ۲۰۳۰ به رقم خیره‌کننده ۴۴ تریلیون دلار برساند.
در مقابل، برآورد مبتنی بر روند متعارف رشد اقتصادی، رقمی معادل ۳۳٫۵ تریلیون دلار را نشان می‌دهد. به این ترتیب، تحقق سناریوی تکینگی به معنای تولید ناخالص داخلی حدود ۱۵٫۴ درصد بیشتر از خط مبنا و افزایش متوسط رشد سالانه اقتصاد به میزان تقریبی ۶ واحد درصد خواهد بود.
در این سناریوی افراطی، بهبود انباشته بهره‌وری و افزایش سرمایه انباشته می‌تواند نرخ رشد سالانه‌شده اقتصاد آمریکا را در حوالی سال ۲۰۳۰ به رقم چشمگیر ۱۵٫۴ درصد برساند.
معنای این پیش‌بینی آن است که یک اقتصاد بزرگ و بالغ می‌تواند تنها در حدود ۴٫۵ سال، اندازه خود را دو برابر کند.
تولید ناخالص داخلی ۴۴ تریلیون دلاری؛ دستگاه چاپ پول یا چرخ‌گوشت اقتصادی؟
شتاب انفجاری فناوری ناگزیر منطق بنیادین سرمایه و اقتصاد کلان را دگرگون خواهد کرد.
جک کلارک در سخنرانی خود در صندوق بین‌المللی پول، از یک شبیه‌سازی کلان اقتصادی خبر داد که می‌تواند پیامدهای چشمگیری داشته باشد: اگر هوش مصنوعی بتواند به‌طور کامل و مستقل هدایت فعالیت‌های پیچیده اکتشاف علمی را بر عهده بگیرد و از طریق بهبود خودبازگشتی (RSI) به تکینگی منجر شود، تولید ناخالص داخلی آمریکا ممکن است تا سال ۲۰۳۰ به ۴۴٫۴ تریلیون دلار افزایش یابد.
این رقم غیرواقعی به نظر می‌رسد؟
تیم اقتصادی آنتروپیک برای توضیح این برآورد، محاسبات و سناریوهای تفصیلی ارائه کرده است.
در این مدل فرض شده است که اگر اثر افزوده هوش مصنوعی را کنار بگذاریم، اقتصاد آمریکا طبق روند متعارف خود پیش می‌رود و به‌طور متوسط سالانه حدود ۲ درصد رشد می‌کند؛ از این میزان، ۱٫۶۷ واحد درصد ناشی از رشد بهره‌وری و ۰٫۳۳ واحد درصد حاصل رشد نیروی کار است. بر این اساس، تولید ناخالص داخلی آمریکا تا سال ۲۰۳۰، با محاسبه بر مبنای قیمت‌های سال ۲۰۲۵، به حدود ۳۳٫۵ تریلیون دلار خواهد رسید.
اما با وارد کردن متغیر واگذاری فعالیت‌های دانشی به هوش مصنوعی، تصویر اقتصاد تغییر می‌کند:
سناریوی ملایم: افزایش ۱٫۶ درصدی تولید ناخالص داخلی و رسیدن آن به ۳۴٫۱ تریلیون دلار.
سناریوی قابل‌توجه: افزایش ۸٫۳ درصدی و رسیدن تولید ناخالص داخلی به ۳۶٫۳ تریلیون دلار.
سناریوی افراطی: تکینگی رخ می‌دهد و تولید ناخالص داخلی مستقیماً ۳۲٫۴ درصد از سطح خط مبنا فراتر می‌رود.
محاسبه ساده است: ۳۳٫۵ تریلیون دلار × ۱٫۳۲۴ ≈ ۴۴٫۴ تریلیون دلار.
دلیل اصلی این جهش، امکان تکثیر نامحدود توانایی‌های شناختی و تجربه انسانی است.
جک کلارک روی صحنه به خودش اشاره کرد و گفت:
«من یک انسان هستم. در تمام جهان فقط یک نفر مثل من وجود دارد. ۴۰ سال تمام طول کشید تا دانش و شناختی را به دست بیاورم که امروز به من امکان می‌دهد اینجا بایستم.»
تربیت یک دانشمند برجسته انسانی به ۱۵ سال آموزش و میلیون‌ها دلار سرمایه‌گذاری نیاز دارد. اما اگر در آینده قدرت محاسباتی به ما اجازه دهد هزار یا حتی ۱۰۰ هزار نسخه مجازی از دانشمندان تراز اول ایجاد کنیم، چه اتفاقی خواهد افتاد؟
بر اساس آمار یونسکو، در حال حاضر تنها حدود ۱۰ میلیون پژوهشگر تمام‌وقت در جهان فعالیت می‌کنند. تمدن مدرن بشر تا حد زیادی بر تلاش‌های همین ۱۰ میلیون نفر استوار است.
اما تصویری که جک کلارک ترسیم می‌کند، بسیار متفاوت است:
در آینده‌ای نزدیک، این ۱۰ میلیون دانشمند انسانی ممکن است فرماندهی ارتشی متشکل از یک میلیارد دانشمند دیجیتال خستگی‌ناپذیر و برخوردار از تخصص‌های میان‌رشته‌ای را بر عهده بگیرند.
در چنین شرایطی، پژوهش علمی دیگر به کارگاهی متکی بر فعالیت دستی افراد شباهت نخواهد داشت، بلکه به خط تولیدی صنعتی تبدیل می‌شود.
چرخه تحقیق‌وتوسعه داروهای جدید ممکن است از ۱۰ سال به چند هفته کاهش یابد. با استفاده از توان محاسباتی گسترده، مواد ابررسانای دمای اتاق و مواد مورد استفاده در باتری‌های حالت‌جامد می‌توانند به‌صورت فراگیر بررسی شوند و موانع فنی این حوزه‌ها با سرعتی بی‌سابقه پشت سر گذاشته شوند. افزایش بهره‌وری و شتاب پیشرفت علمی نیز یک چرخه بازخورد مثبت ایجاد می‌کند که می‌تواند رشد اقتصادی را به‌شدت افزایش دهد.
این موضوع همچنین توضیح می‌دهد که چرا دونالد ترامپ باید بر «شتاب بخشیدن به توسعه هوش مصنوعی» تأکید کند.
در این رقابت ملی که به باور نویسنده، برنده سهم اصلی را از آن خود می‌کند، رویکرد صرفاً دفاعی کافی نیست و باید تهاجمی عمل کرد. دولت باید با اتکا به اراده ملی، موانع را از میان بردارد و منابع گسترده‌ای را به توسعه زیرساخت‌های محاسباتی، جذب استعدادها و به‌کارگیری صنعتی فناوری اختصاص دهد.
اگر آمریکا زودتر از دیگران اقدام کند، می‌تواند منافع بالقوه تکینگی را به موج صنعتی تازه‌ای تبدیل کند که رهبری آن به‌طور کامل در اختیار این کشور باشد.
در مقابل، کشورهایی که زمان خود را صرف کشمکش‌های مقرراتی کنند، ممکن است با پیشی گرفتن رقبایشان، به بازماندگان دوران گذشته تبدیل شوند.
اما آیا در جهان واقعاً چیزی به نام ناهار مجانی وجود دارد؟
این یک «معجزه» است؛ شاگرد در حضور استاد اشتباه او را اصلاح کرد
چرا جک کلارک جرئت کرد در تریبون صندوق بین‌المللی پول و در برابر مقام‌های ارشد بانک‌های مرکزی جهان اعلام کند که «تکینگی فرا رسیده است»؟
او مجموعه‌ای از داده‌های قابل‌توجه را مستقیماً مطرح کرد.
به گفته او، کارکنان آنتروپیک اکنون تقریباً ۱۰ برابر گذشته کد تولید می‌کنند.
اما آنچه در آزمون‌های سنجش بالاترین سطح توانایی‌های فکری انسان رخ داده، به‌گفته نویسنده، حتی نگران‌کننده‌تر است.
۱. آزمون نهایی بشر (Humanity’s Last Exam)
این آزمون مجموعه‌ای از پرسش‌های بسیار دشوار در حوزه‌هایی مانند شیمی، علوم رایانه، ریاضیات پیشرفته، ادبیات کلاسیک و بوم‌شناسی است. هنگامی که این آزمون در ژانویه ۲۰۲۵ منتشر شد، قوی‌ترین سامانه‌های هوش مصنوعی جهان تنها به نرخ پاسخ‌گویی صحیح ناامیدکننده ۸ درصد دست یافتند.
اما همین هفته، مدل Claude Opus 5.5 توانست ۶۷٫۷ درصد امتیاز کسب کند.
۲. فرانتیر مَث (Frontier Math)
این مجموعه شامل مسائل حل‌نشده‌ای است که صدها ریاضی‌دان حرفه‌ای از سراسر جهان در طراحی آن مشارکت داشته‌اند. هنگام راه‌اندازی این آزمون در اواخر سال ۲۰۲۴، قوی‌ترین مدل موجود تنها به امتیاز ۲ درصد دست یافت.
امروز این رقم به ۹۴ درصد رسیده است.
هوش مصنوعی همچنین در مسائل ریاضی دیرپایی که مدت‌ها ذهن پژوهشگران را به خود مشغول کرده‌اند، از جمله مسئله جایزه هزاره ناویه–استوکس و حدس ژاکوبین، به ارائه بینش‌هایی کلیدی برای پیشرفت‌های احتمالی آغاز کرده است.
بااین‌حال، آنچه بیش از همه شگفت‌آور توصیف شده، ارزیابی فیزیک نظری (TheoPhys Eval) است که هفته گذشته منتشر شد.
این آزمون شامل ۵۰ پرسش است که فیزیک‌دانان برجسته جهان آن‌ها را بر اساس تازه‌ترین یافته‌های پژوهشی خود، که هنوز منتشر نشده‌اند، تدوین کرده‌اند. پاسخ‌ها در دسترس عموم قرار نگرفته‌اند و در نتیجه، هوش مصنوعی امکان حفظ کردن پرسش‌ها و پاسخ‌های آن‌ها را نداشته است.
در ابتدای این آزمون، GPT-6 Astra و Opus 5.5 هر دو امتیازی بالاتر از ۸۰ کسب کردند.
اما هنگامی که ارزیابان پاسخ‌هایی را که به‌عنوان پاسخ‌های «اشتباه» هوش مصنوعی علامت‌گذاری شده بودند بررسی کردند، سامانه هوش مصنوعی با اطمینان بر موضع خود پافشاری کرد: «پاسخ من درست است و پاسخ مرجع کارشناسان انسانی اشتباه است.»
دانشمندان با تردید، مراحل استدلال و محاسبات را دوباره بررسی کردند.
نتیجه همه را شگفت‌زده کرد:
هوش مصنوعی در بسیاری از مسائل پیشرفته فیزیک توانسته بود خطاهای محاسباتی ظریفی را شناسایی کند که فیزیک‌دانان انسانی در دل فرمول‌های پیچیده مرتکب شده بودند و از چشمشان دور مانده بود.
پس از اصلاح اشتباهات انسانی، امتیاز نهایی هوش مصنوعی به ۹۸ درصد رسید؛ به این ترتیب، این سامانه توانست ۴۹ مسئله از مجموع ۵۰ مسئله پیشرفته فیزیک را حل کند.
جک کلارک برای توضیح این وضعیت به الگوی رایج رشد شخصیت‌ها در فیلم‌ها اشاره کرد:
قهرمان جوان داستان سرانجام به استاد خود ثابت می‌کند که می‌تواند مستقل از او عمل کند.
شاگرد کم‌کم جای استاد را می‌گیرد.
هوش مصنوعی امروز دیگر صرفاً ابزاری برای تکمیل کد نیست که برای هر مرحله به دستور مستقیم انسان نیاز داشته باشد.
بلکه به چیزی تبدیل شده است که می‌توان آن را «همه‌چیزدان مجازی» (Virtual Polymath) نامید.
بهبود خودبازگشتی هولناک؛ هوش مصنوعی ساخت نسل بعدی خودش را آغاز می‌کند
اگر هوش مصنوعی فقط فیزیک و ریاضیات را درک می‌کرد، انسان‌ها همچنان می‌توانستند آن را ابزاری در خدمت خود بدانند.
اما موضوع دومی که سیلیکون‌ولی و حتی پنتاگون را نگران کرده، این است:
هوش مصنوعی کار توسعه هوش مصنوعی را نیز به‌صورت مستقل آغاز کرده است.
این همان پدیده‌ای است که در محافل دانشگاهی با نگرانی از آن با عنوان بهبود خودبازگشتی (RSI یا Recursive Self-Improvement) یاد می‌شود.
به‌محض آنکه