سخنرانی تازه جک کلارک، هم‌بنیان‌گذار آنتروپیک: تکینگی هوش مصنوعی فرا رسیده است و مسیر اقتصاد جهانی را تغییر می‌دهد
جک کلارک، هم‌بنیان‌گذار شرکت آنتروپیک، در سخنرانی عمومی اخیر خود ارزیابی شگفت‌انگیزی مطرح کرد: تکینگی فرا رسیده است. به باور او، امسال شواهد قانع‌کننده‌ای به دست آمده که نشان می‌دهد سامانه‌های هوش مصنوعی نه‌تنها می‌توانند روند پیشرفت علمی را شتاب دهند، بلکه در برخی حوزه‌ها حتی در حال پشت سر گذاشتن متخصصان انسانی هستند. محور اصلی دیدگاه او این است که هوش مصنوعی در حال تغییر مسیر امنیت ملی و اقتصاد کشورهاست و هم‌زمان به توسعه توانایی‌های خودش سرعت می‌بخشد؛ علم بزرگ‌ترین بهره‌مند این تحول است، اما باید برای موفقیت آماده شویم و میان شتاب‌بخشیدن به پیشرفت و مهار مخاطرات آن تعادل برقرار کنیم.
۱. چهل سال تلاش برای رسیدن به این سخنرانی
من همان کسی هستم که حدود ۴۰ سال طول کشید تا بتوانم اینجا بایستم و چنین سخنرانی‌ای ایراد کنم.
تمام مسیر حرفه‌ای من حول یک فعالیت شکل گرفته است: یافتن اطلاعات و به‌اشتراک‌گذاشتن آن‌ها با تمام جهان. بیست سال پیش، فعالیت حرفه‌ای‌ام را به‌عنوان روزنامه‌نگاری آغاز کردم که حوزه مراکز داده را پوشش می‌داد. همین کار علاقه عمیقی به هوش مصنوعی در من ایجاد کرد. در سال ۲۰۱۶ روزنامه‌نگاری را کنار گذاشتم و به شرکتی فعال در حوزه هوش مصنوعی متن‌باز پیوستم. چند سال بعد نیز یکی از بنیان‌گذاران آنتروپیک شدم.
از آن زمان تلاش کرده‌ام به مردم سراسر جهان بگویم که روزی سامانه‌های هوش مصنوعی آن‌قدر قدرتمند خواهند شد که می‌توانند امنیت ملی را متحول کنند، مسیر اقتصادی جهان را تغییر دهند و شاید سرانجام توانایی توسعه مستقل خود را به دست آورند.
خب، آن روز فرا رسیده است.
هوش مصنوعی در حال متحول‌کردن امنیت ملی، تغییر مسیر اقتصادها و پیش‌بردن توسعه خود است. بسیاری از شما از این واقعیت آگاهید. باید هوش مصنوعی را یکی از نیروهای بی‌ثبات‌کننده متعددی بدانید که جهان و محیط کار شما را شکل می‌دهند. من اینجا هستم تا توضیح دهم که هوش مصنوعی به‌سمت ایجاد تغییراتی بسیار بزرگ‌تر از انتظارات کنونی ما حرکت می‌کند و باید خود را برای آن آماده کنیم.
۲. تکینگی فرا رسیده است: پیشرفت، موجودات هوشمندتری پدید خواهد آورد
سال‌هاست پژوهشگران و نویسندگان داستان‌های علمی‌تخیلی پیش‌بینی می‌کنند که سامانه‌های هوش مصنوعی آینده را متحول خواهند کرد، سرعت کلی پیشرفت علمی و فناوری را به‌شدت افزایش خواهند داد و روند تحولات چنان سریع خواهد شد که انسان‌ها به‌سختی می‌توانند همگام با آن پیش بروند. آن‌ها این وضعیت را تکینگی می‌نامند.
من معتقدم امسال شواهد قانع‌کننده‌ای به دست آورده‌ایم که نشان می‌دهد این روند از هم‌اکنون آغاز شده است.
ورنور وینج، نویسنده، در سال ۱۹۹۳ تکینگی را پیش‌بینی کرد. او گفت هنگامی که نیروهایی فراتر از هوش انسانی محرک پیشرفت شوند، سرعت این فرایند بیشتر خواهد شد. در واقع، به نظر نمی‌رسد دلیلی وجود داشته باشد که خودِ پیشرفت نتواند در بازه‌های زمانی کوتاه‌تر موجوداتی هوشمندتر پدید آورد. او تکینگی را نقطه‌ای بحرانی برای الگوهای ذهنی ما توصیف کرد؛ نقطه‌ای که در آن باید مفاهیم قدیمی را کنار بگذاریم و واقعیت جدید را بپذیریم.
تکینگی فرا رسیده است و تأثیر آن به تمام جنبه‌های زندگی گسترش خواهد یافت. اما مهم‌ترین پیامد آن بسیار ساده است: باید انتظار داشته باشیم که طی چند سال آینده، نه‌فقط هوش مصنوعی، بلکه سرعت پیشرفت کل حوزه علم نیز افزایش یابد. این تحول می‌تواند سردرگم‌کننده و دشوار برای درک باشد. ثروت عظیمی ایجاد خواهد کرد، اما ممکن است خطرات بزرگی نیز به همراه داشته باشد.
امروز بر جنبه نخست تمرکز می‌کنم، اما جنبه دوم را نادیده نمی‌گیرم. درباره مزایای این تحول، سرعت پیشرفت و اقداماتی صحبت خواهم کرد که برای بهره‌مندشدن همگان از این دستاوردها لازم است.
۳. اکتشافات علمی مبتنی بر هوش مصنوعی مسیر اقتصاد جهانی را تغییر خواهند داد
بخش بزرگی از مزایایی که هوش مصنوعی برای بشریت به ارمغان می‌آورد، از علم سرچشمه می‌گیرد. به باور من، اختراعات و اکتشافات علمی مبتنی بر هوش مصنوعی مسیر اقتصاد جهانی را تغییر خواهند داد، شیوه برنامه‌ریزی و ساخت زیرساخت‌ها در کشورها را متحول خواهند کرد، به بهبود سلامت ما کمک خواهند کرد و فرصت بیشتری برای گذراندن وقت با عزیزانمان فراهم خواهند آورد. در عین حال، این تحولات ما را وادار خواهند کرد درباره پرسش‌های عمیق فلسفی مربوط به انتخاب‌هایمان بیندیشیم.
در طول نیم‌قرن گذشته، بیشتر کشورها با مسئله کاهش بهره‌وری پژوهشگران علمی روبه‌رو بوده‌اند؛ آن هم در شرایطی که شمار پژوهشگران به‌سرعت افزایش یافته است. به نظر می‌رسد دستیابی به ایده‌های خلاقانه و اختراعات تازه روزبه‌روز دشوارتر شده باشد. اما اکنون اتفاق مهمی رخ داده است: سامانه‌هایی ساخته‌ایم که می‌توانند توانایی نیروی کار انسانی را افزایش دهند، دامنه آن را گسترش دهند و بخشی از فعالیت‌هایش را خودکار کنند.
این تغییر بیش از همه در حوزه توسعه نرم‌افزار آشکار است. سامانه‌های هوش مصنوعی اکنون از نظر توانایی و کارایی از اکثریت قریب به اتفاق مهندسان نرم‌افزار جهان پیشی گرفته‌اند. صنعت توسعه نرم‌افزار در حال تغییر است: یک نفر می‌تواند نرم‌افزار هر چیزی را که تصور می‌کند بنویسد و محصولاتی بسازد که پیش‌تر تکمیل آن‌ها به یک تیم کامل و چند ماه زمان نیاز داشت.
ما در آنتروپیک شواهد ملموسی از این تحول دیده‌ایم. پژوهشگران ما اکنون تقریباً ۱۰ برابر میزان چهار سال نخست پس از تأسیس شرکت کد می‌نویسند. این افزایش حجم کدنویسی نیز اساساً بازتابی مستقیم از بهبود توانایی‌های هوش مصنوعی است.
بااین‌حال، قابلیت‌های تازه هوش مصنوعی چالش‌های جدیدی نیز ایجاد می‌کنند. بهبود توانایی کدنویسی به این معناست که سامانه‌های هوش مصنوعی در امنیت سایبری نیز پیشرفت چشمگیری داشته‌اند. درحالی‌که کشورهای جهان برای به‌کارگیری این توانایی‌های قدرتمند در ساخت سامانه‌های دفاع سایبری با یکدیگر رقابت می‌کنند، مجرمان نیز می‌کوشند از همین سامانه‌ها برای حملات هکری استفاده کنند. این دو جنبه را نمی‌توان از یکدیگر جدا کرد. پیشرفت هوش مصنوعی در حوزه‌هایی مانند برنامه‌نویسی، هم آثار مثبت و هم پیامدهای منفی در عرصه‌های مهم بین‌المللی، از جمله امنیت سایبری، خواهد داشت. این وضعیت نشان می‌دهد که پیشرفت‌های آینده هم قابلیت‌های تازه ایجاد می‌کنند و هم چالش‌های جدیدی به وجود می‌آورند.
این قابلیت‌ها به برنامه‌نویسی محدود نمی‌شوند؛ همین اتفاق در حوزه‌های علم و رباتیک نیز رخ خواهد داد و نشانه‌های آن از هم‌اکنون پدیدار شده است. در نتیجه، برخی ویژگی‌های اساسی اقتصاد جهانی ممکن است تغییر کنند؛ از جمله سرعت نوآوری و تعداد دفعاتی که فناوری‌های عمومی کاملاً جدید اختراع می‌شوند. اینترنت، تلفن‌های همراه و هوش مصنوعی همگی فناوری‌های عمومی هستند که صنایع تازه‌ای پیرامون خود ایجاد کرده‌اند.
۴. شواهد شتاب‌گرفتن علم: از ریاضیات و زیست‌شناسی تا آزمایشگاه‌های رباتیک
در سال ۲۰۲۶، نشانه‌های اولیه‌ای دیده‌ایم که حاکی از آن است سامانه‌های هوش مصنوعی ممکن است بتوانند پژوهش‌های علمی پیشرفته و مرزدانش را انجام دهند.
در ریاضیات، از سامانه‌های هوش مصنوعی برای پیشنهاد راه‌حل استفاده شده است. در موارد متعددی، این سامانه‌ها درباره مسائل دیرپایی مانند مسئله معادلات ناویر–استوکس در مسائل جایزه هزاره، حدس ژاکوبین و چندین مسئله حل‌نشده اردوش، بینش‌های اساسی ارائه کرده‌اند که حل مسئله را امکان‌پذیر ساخته است.
در زیست‌شناسی، پژوهشگران از هوش مصنوعی برای طراحی ویروس‌ها از ابتدا و شناسایی نامزدهای دارویی جدید جهت آزمایش استفاده می‌کنند. در حال حاضر، داروهایی در مرحله کارآزمایی بالینی قرار دارند که طراحی آن‌ها تا حد زیادی به کمک سامانه‌های هوش مصنوعی انجام شده است.
در حوزه رباتیک نیز سامانه‌های هوش مصنوعی به‌تدریج توانایی بیشتری برای کار مستقل با تجهیزات آزمایشگاهی پیدا می‌کنند. این قابلیت امکان خودکارسازی بیشتر آزمایش‌ها را، از زیست‌شناسی گرفته تا علم مواد، فراهم می‌کند و می‌تواند پیشرفت در حوزه‌هایی مانند باتری‌ها و پیل‌های سوختی را سرعت ببخشد.
اگر این نمونه‌ها را جداگانه بررسی کنیم، هرکدام هیجان‌انگیز هستند. اما نکته اساسی این است که همگی به یک فناوری زیربنایی مشترک مربوط می‌شوند. در بیشتر این کاربردها، از یک مدل پیشرفته زیربنایی واحد استفاده می‌شود. اکنون با سامانه‌هایی مانند کلود، چت‌جی‌پی‌تی و جمینای روبه‌رو هستیم که می‌توانند در چندین رشته علمی مختلف، پژوهش‌هایی در مرز دانش انجام دهند. ما اکنون دانشمندانی مجازی با تخصص‌های گسترده در اختیار داریم.
شواهد کمی بیشتری نیز وجود دارد. یکی از شاخص‌ها، امتیاز سامانه‌های هوش مصنوعی در آزمونی به نام «آخرین آزمون برای انسان‌ها» است. این آزمون که نامی هشداردهنده دارد، موضوعات متنوعی از جمله شیمی، علوم رایانه، ریاضیات، ادبیات کلاسیک و بوم‌شناسی را پوشش می‌دهد. هنگام آغاز این آزمون در ژانویه ۲۰۲۵، بالاترین امتیاز یک سامانه هوش مصنوعی فقط ۸ درصد بود. اما تا این هفته، سامانه پیشتاز، کلود اوپوس ۵.۵، به امتیاز ۶۷٫۷ درصد رسیده است.
نمونه دیگر، آزمون «ریاضیات مرزی» (Frontier Math) است که در نوامبر ۲۰۲۴ معرفی شد. این آزمون برای سنجش توانایی سامانه‌های هوش مصنوعی در حل صدها مسئله دشوار ریاضی طراحی شده که ریاضی‌دانان حرفه‌ای آن‌ها را با دقت انتخاب و ارزیابی کرده‌اند. هنگام آغاز آزمون، بهترین سامانه‌ها تنها ۲ درصد امتیاز می‌گرفتند؛ اکنون این رقم به ۹۴ درصد رسیده است.
در مقیاسی گسترده‌تر، اگر حوزه‌های مختلف علمی را بررسی کنید، با الگوی مشابهی روبه‌رو خواهید شد: سرعت پیشرفت در حال افزایش است و این روند به‌ویژه طی دو سال گذشته شتاب گرفته است.
۵. یک نشانه مهم: هوش مصنوعی نه‌تنها پاسخ درست می‌دهد، بلکه اشتباه متخصصان انسانی را نیز اصلاح می‌کند
تازه‌ترین نمونه به مقاله‌ای بازمی‌گردد که هفته گذشته منتشر شد. در این پژوهش، توانایی سامانه‌های هوش مصنوعی برای حل مسائل منتشرنشده فیزیک نظری بررسی شده است. پنجاه مسئله این مقاله را فیزیک‌دانانی از سراسر جهان طراحی کرده‌اند. این مسائل پیش‌تر منتشر نشده بودند و پاسخ‌های آن‌ها نیز بر پژوهش‌های خود این دانشمندان استوار بود.
جای تعجب نداشت که سامانه‌های هوش مصنوعی امتیازهای بالایی کسب کردند؛ نکته شگفت‌انگیز، چگونگی دستیابی آن‌ها به این نتایج بود.
می‌خواهم به اظهارات سوآت راجو، فیزیک‌دان هندی و یکی از نویسندگان این آزمون، اشاره کنم. او نتایج را در فیس‌بوک توضیح داد و گفت ارزیابی‌های اولیه نشان می‌دادند که جی‌پی‌تی ۶ آسترا با امتیازی در محدوده بالای ۸۰ درصد در صدر قرار گرفته و اوپوس ۵.۵ فاصله اندکی با آن دارد. اما وقتی بررسی احتمال خطاهای مدل‌ها را آغاز کردیم، مدل‌ها، به‌ویژه آسترا، اصرار داشتند که پاسخ‌های خودشان درست است و پاسخ‌های ارائه‌شده از سوی متخصصان اشتباه است.
وقتی دوباره با متخصصان مشورت کردیم، مشخص شد که آن‌ها در چندین مورد، خطاهای ظریفی را در بخش‌های عمیق محاسبات خود مرتکب شده بودند. پس از اصلاح پاسخ‌ها، امتیاز آسترا به‌تدریج افزایش یافت و سرانجام به ۹۸ درصد رسید؛ یعنی ۴۹ پاسخ درست از مجموع ۵۰ پاسخ.
به این موضوع دقیق فکر کنید: برخی از برجسته‌ترین متخصصان علمی جهان آزمونی طراحی کردند که هوش مصنوعی پیش‌تر نمی‌توانست پرسش‌های آن را خوانده باشد. وقتی سامانه‌ها را ارزیابی کردند، هوش مصنوعی نه‌تنها امتیاز بالایی گرفت، بلکه با پیدا کردن اشتباه‌های پاسخ‌های انسانی، امتیاز خود را از این هم بالاتر برد.
در فیلم‌ها معمولاً صحنه‌ای وجود دارد که حدود دو سوم مسیر داستان رخ می‌دهد؛ جایی که قهرمان جوان سرانجام به استاد خود ثابت می‌کند توانایی لازم را دارد تا به‌تنهایی وارد جهان شود و موفق شود. این الگوی روایی شناخته‌شده‌ای است: استاد جای شاگرد را می‌گیرد یا شاگرد به جایگاه استاد می‌رسد. آنچه هفته گذشته اتفاق افتاد، دقیقاً چنین وضعیتی بود.
۶. چرا این تحول اهمیت دارد؟ خلاقیت آخرین مرز توانایی هوش مصنوعی است و جهش‌های علمی می‌توانند رشد انفجاری ایجاد کنند
چرا این مطالب را مطرح می‌کنم؟ چرا پیشرفت مداوم سامانه‌های هوش مصنوعی در عرصه علم اهمیت دارد؟
زیرا انجام پژوهش علمی واقعی در مرز دانش، پژوهشی که به کشفیات بزرگ منجر شود و مرزهای شناخت را گسترش دهد، در حقیقت آخرین مرز توانایی‌های هوش مصنوعی، یعنی خلاقیت، را به آزمون می‌گذارد. منظورم این است که اگر سامانه‌های هوش مصنوعی بتوانند با خلاقیت مسائل را حل کنند و در عرصه علمی به موفقیت برسند، باید این موضوع را نشانه‌ای بدانیم از توانایی آن‌ها برای گسترش دستاوردهای پژوهشی به حوزه‌های متعدد، از جمله خودِ پژوهش در زمینه هوش مصنوعی. چنین قابلیتی می‌تواند تأثیری انفجاری بر نوآوری داشته باشد.
بنابراین، اگر سامانه‌های هوش مصنوعی در علم توانمندتر شوند، رشد و ساختار اقتصاد آینده نیز به‌شدت تحت تأثیر قرار خواهد گرفت. این بدان معناست که کشورها می‌توانند از همین امروز تصمیم‌هایی بگیرند تا خود و مردمشان در آینده از این روند سود ببرند.
یکی از منابع اصلی رشد اقتصادی، پژوهش است که ایده‌های تازه تولید می‌کند. یکی از عوامل محرک رشد نیز سرمایه انسانی ماست: انسان‌هایی در سراسر جهان که پرسش مطرح می‌کنند، پژوهش علمی انجام می‌دهند و به پیشرفت جهان کمک می‌کنند. بااین‌حال، همان‌طور که برخی اقتصاددانان می‌گویند، یافتن ایده‌های خوب دشوارتر شده است. هزینه دستیابی به پیشرفت‌های بزرگ افزایش یافته و برای حفظ همان سرعت پیشین، باید منابع بیشتری به پژوهش اختصاص دهیم.
پس پرسش من این است: اگر این وضعیت تغییر کرده باشد، چه؟ اگر این فناوری بتواند شمار پژوهشگران در جهان را تغییر دهد، چه اتفاقی خواهد افتاد؟ تربیت این پژوهشگران چقدر زمان می‌برد؟
همان‌طور که در ابتدای سخنرانی و هنگام مرور سوابق حرفه‌ای‌ام گفتم، حدود ۴۰ سال طول کشید تا به جایگاه امروز برسم. اگر صدها یا هزاران نسخه از من هم‌زمان پدیدار شوند، چه معنایی خواهد داشت؟ اگر بتوان نسخه جدیدی از من را بی‌درنگ ایجاد کرد و دیگر نیازی به انتظار ۴۰ساله نباشد، کار من چگونه تغییر خواهد کرد؟ اگر بتوانم نسخه‌های متعددی از خودم بسازم و از آن‌ها بخواهم زیر نظر من کار کنند، چه خواهد شد؟
طی چند سال آینده، بیشتر بخش‌های اقتصاد با چنین وضعیتی روبه‌رو خواهند شد. می‌توانیم توانایی نیروی کار انسانی را افزایش دهیم و در رشته‌هایی مانند علوم پیشرفته، پژوهش‌هایی انجام دهیم که پیش‌تر امکان‌پذیر نبود. این تحول احتمالاً سرعت کشف ایده‌های ارزشمند را تغییر خواهد داد، زیرا می‌توانیم شمار پژوهشگران را صدها یا هزاران برابر کنیم. با تقویت توانایی دانشمندان انسانی، می‌توانیم برای هر مسئله‌ای که با آن روبه‌رو می‌شویم، در مدت کوتاه‌تری به نتیجه برسیم.
اگر بخواهید نسل تازه‌ای از پژوهشگران را در حوزه‌ای مشخص پرورش دهید، ممکن است به ۱۰ تا ۱۵ سال آموزش هدفمند و میلیون‌ها دلار هزینه برای گروه کوچکی از افراد نیاز داشته باشید. در مقابل، این سامانه‌های هوش مصنوعی را می‌توان فوراً ایجاد کرد. به شرط دسترسی به توان محاسباتی کافی، می‌توان هر تعداد از آن‌ها را ساخت. این سامانه‌ها قابلیت استفاده در رشته‌های مختلف را دارند و می‌توانند تقریباً بلافاصله امکان بهره‌مندی از بینش‌های علمی جدید را فراهم کنند. همچنین قادرند دانش موجود را به شیوه‌هایی تازه و غیرمنتظره با یکدیگر ترکیب کنند و به اکتشافات جدید برسند.
این یعنی می‌توانیم ظرفیت پژوهش را به‌سرعت گسترش دهیم: تمام مردم جهان می‌توانند در کنار دانشمندان مجازی فعالیت کنند. در نتیجه، طی چند سال آینده، نقش هر دانشمند در جهان اهمیت بیشتری پیدا خواهد کرد و توانایی او افزایش خواهد یافت؛ زیرا می‌تواند صدها یا هزاران متخصص مجازی هم‌فکر را برای بررسی هر مسئله مورد علاقه خود هدایت کند.
۷. رقم ۴۴ تریلیون دلار: احتمال شتاب‌گرفتن رشد اقتصادی
تیم اقتصاددانان آنتروپیک این موضوع را مدل‌سازی کرده است. ما تلاش کردیم بر اساس مسیرهای متفاوت پیشرفت فناوری هوش مصنوعی، سناریوهای مختلفی از اقتصاد را شبیه‌سازی کنیم.
اگر فرض کنیم، همان‌طور که پژوهشگران آزمایشگاه‌ها انتظار دارند، مدل‌های هوش مصنوعی طی چند سال آینده بتوانند به‌طور مستقل فعالیت کنند، طیف گسترده‌ای از وظایف را انجام دهند و در بخش‌های مختلف گسترش یابند، رشد اقتصادی شتاب خواهد گرفت. در چنین شرایطی که با تکینگی توصیف می‌شود، یکی از مدل‌ها تحول اقتصادی عظیمی را پیش‌بینی می‌کند: تولید ناخالص داخلی آمریکا ممکن است تا سال ۲۰۳۰ به ۴۴ تریلیون دلار برسد.
می‌دانم که این رقم غیرقابل‌باور به نظر می‌رسد، اما ارتباط نزدیکی با پیشرفت مداوم فناوری دارد. اگر تولید ناخالص داخلی به چنین سطحی برسد، دیگر نظریه‌های سنتی اقتصاد پاسخ‌گوی وضعیت نخواهند بود. این پیش‌بینی حاکی از آن است که صنایع نوظهور و اختراعات جدید باید سازوکارهایی برای پشتیبانی از چنین گسترش عظیمی در اقتصاد ایجاد کنند. این دقیقاً همان پیامد مهم این دیدگاه است: سامانه‌های هوش مصنوعی می‌توانند به‌طور مستقل پژوهش علمی انجام دهند.
پس چه باید بکنیم؟ چگونه می‌توانیم کاری کنیم که تمام جهان از این قابلیت‌های در حال تحول بهره‌مند شود؟ چگونه باید میان فرصت ناشی از این پیشرفت و احتیاط لازم تعادل برقرار کنیم؟
۸. آماده‌شدن برای موفقیت: زیرساخت‌ها، زنجیره‌های تأمین و امکانات علمی
همه ما باید برای موفقیت برنامه‌ریزی کنیم تا بشریت بتواند از این فناوری برای ساختن زندگی‌ای سرشار از رفاه استفاده کند. همچنین باید آماده باشیم تا درباره نحوه استفاده از خود این فناوری تصمیم‌های آگاهانه بگیریم. اینکه هوش مصنوعی در آینده به دانشمندی برجسته تبدیل خواهد شد، به این معنا نیست که حتماً باید آن را برای انجام همه کارها به کار بگیریم.
برای توضیح چگونگی برنامه‌ریزی جهت موفقیت، از تجربه شخصی خودم شروع می‌کنم. طی دهه گذشته با دولت‌های کشورهای مختلف در ارتباط بوده‌ام و کوشیده‌ام با مردم سراسر جهان درباره این موضوع صحبت کنم. به آن‌ها گفته‌ام که با قدرتمندتر و کاربردی‌ترشدن سامانه‌های هوش مصنوعی، یکی از بهترین اقدامات این است که خود را برای بهره‌گیری از انقلاب پیش رو آماده کنند: ظرفیت تولید برق و فضای کافی برای مراکز داده فراهم کنند تا امکان میزبانی از سامانه‌های قدرتمند هوش مصنوعی مورد بحث وجود داشته باشد و در زنجیره تأمین هوش مصنوعی سرمایه‌گذاری کنند.
تعداد کمی از سیاست‌گذاران این توصیه را جدی گرفته‌اند. به باور من، اکنون باید با پیامدهای این بی‌توجهی روبه‌رو شویم. در جهان امروز، ظرفیت مراکز داده عمدتاً در ایالات متحده و چین متمرکز است و خاورمیانه نیز به‌تدریج سهم بیشتری پیدا می‌کند. زنجیره تأمین این صنعت هم تمرکز بالایی دارد. ساخت چنین زیرساخت‌هایی همچنان اهمیت زیادی دارد، اما این فقط مرحله نخست انقلاب اقتصادی و علمی است. پیشرفت مداوم هوش مصنوعی نشان می‌دهد که هنوز باید زیرساخت‌های بیشتری ساخته شوند.
به باور من، کشورهای بیشتری نیز در صورت تمایل می‌توانند وارد این عرصه شوند؛ زیرا مرحله بعدی انقلاب هوش مصنوعی، گسترش آن به جهان فیزیکی است. به‌طور مشخص، باید به سامانه‌های هوش مصنوعی امکان دهیم آزمایش‌های علمی انجام دهند و در برخی موارد، ربات‌ها را نیز به کار بگیرند. بنابراین، همان‌طور که پیش‌تر در حوزه رایانش و برق عمل کردیم، به تجهیزات و روش‌های علمی بیشتر و سامانه‌های رباتیک گسترده‌تری نیاز خواهیم داشت. در غیر این صورت، به‌زودی با محدودیت ظرفیت روبه‌رو می‌شویم و تاریخ بار دیگر تکرار خواهد شد.
بنابراین، باید همین حالا توانمندی‌های خود را ارتقا دهیم تا فرصت‌های پیش رو را از دست ندهیم. بر اساس برآوردهای یونسکو، حدود ۱۰ میلیون دانشمند در جهان فعالیت می‌کنند. حتی با وجود همین ۱۰ میلیون دانشمند، نیروی انسانی ما برای نظارت بر حجم کارهای علمی امروز نیز کافی نیست. شمار آزمایشگاه‌های مجهز به تجهیزات تحلیل مواد بسیار کم است؛ آزمایشگاه‌های زیستی کافی برای توسعه و آزمایش داروهای جدید نداریم و تعداد ابزارهای علمی بزرگ و پیشرفته نیز محدود است.
تصور کنید به‌جای ۱۰ میلیون دانشمند، یک میلیارد دانشمند مجازی داشته باشیم که ۱۰ میلیون کاربر انسانی ما آن‌ها را هدایت می‌کنند. با پیشرفت جهان به‌سوی این وضعیت، چنین تصویری چندان دور از انتظار نخواهد بود. باید برای آن آماده شویم.
اگر آماده باشیم، موقعیت بهتری برای تبدیل هوش و سامانه‌های هوش مصنوعی به مزایایی برای همگان خواهیم داشت: زندگی طولانی‌تر و سالم‌تر، انرژی بیشتر، غذای فراوان‌تر و ثروت بیشتر. همانند مراکز داده، شرکت‌هایی در کشورهای مختلف که این زنجیره تأمین را می‌سازند و توسعه می‌دهند، بیشترین بهره را خواهند برد. این فرصتی است که انتخاب درباره استفاده از آن در اختیار همه قرار دارد.
اگر در کشوری توسعه‌یافته با زیست‌بوم علمی قدرتمند زندگی می‌کنید، این فرصت را دارید که بهره‌وری تمام دانشمندان خود را به میزان چشمگیری افزایش دهید. اگر شما در کشوری...