سم آلتمن از «تکینگی ملایم» می‌گوید؛ چشم‌اندازی تازه از آینده هوش مصنوعی

سم آلتمن، مدیرعامل OpenAI، در تازه‌ترین یادداشت خود با عنوان «تکینگی ملایم» که سه‌شنبه گذشته منتشر شد، دیدگاه جدیدش را درباره آینده هوش مصنوعی و تأثیر آن بر تجربه انسانی در پانزده سال آینده ارائه کرده است.

این یادداشت، بار دیگر نمونه‌ای از آینده‌نگری ویژه آلتمن را به نمایش می‌گذارد؛ او با همان لحنی که پیش‌تر نیز در نوشته‌هایش به چشم می‌خورد، وعده نزدیک بودن هوش عمومی مصنوعی (AGI) را مطرح می‌کند، اما در عین حال از تأثیر پرهیاهوی آن کاسته و آن را تدریجی توصیف می‌کند. آلتمن در این یادداشت مانند همیشه، چشم‌اندازی از دگرگونی اساسی در مفاهیمی چون کار، انرژی و ساختار اجتماعی به تصویر کشیده و تلویحاً از مسیری سخن گفته که OpenAI برای دستیابی به آن در پیش گرفته است.

در بخشی از این یادداشت آمده است که تا سال ۲۰۲۶، «احتمالاً شاهد ورود سیستم‌های هوش مصنوعی خواهیم بود که قادرند بینش‌های جدیدی را کشف کنند». گرچه این بیان کلی به‌نظر می‌رسد، اما مقامات OpenAI در ماه‌های اخیر بارها اشاره کرده‌اند که تمرکز آینده آن‌ها، توسعه مدل‌هایی است که بتوانند ایده‌ها و بینش‌های نوآورانه درباره جهان ارائه دهند.

در جریان معرفی مدل‌های جدید «o3» و «o4-mini» در آوریل گذشته، گرگ براکمن، یکی از بنیان‌گذاران و رئیس‌ هیئت مدیره OpenAI، اعلام کرد که این مدل‌ها برای نخستین بار توسط دانشمندان به‌عنوان ابزاری برای تولید ایده‌های جدید مورد استفاده قرار گرفته‌اند. این تحولات نشانه‌ای از آن است که OpenAI احتمالاً در ماه‌های پیش‌رو تلاش خود را برای توسعه هوش مصنوعی مولدی که قادر به کشف و تحلیل بینش‌های علمی باشد، افزایش خواهد داد.

البته OpenAI در این مسیر تنها نیست. گوگل در ماه مه از پروژه‌ای به نام AlphaEvolve رونمایی کرد که مدعی است می‌تواند رویکردهای نوینی برای حل مسائل پیچیده ریاضی ارائه دهد. همچنین استارت‌آپ FutureHouse با پشتیبانی اریک اشمیت، مدیرعامل پیشین گوگل، ادعا کرده که ابزار عامل‌محور آن موفق به یک کشف علمی واقعی شده است. شرکت Anthropic نیز در همین ماه، ابتکار جدیدی برای حمایت از تحقیقات علمی مبتنی بر هوش مصنوعی راه‌اندازی کرد.

اگر این پروژه‌ها موفق باشند، می‌توانند مسیر تحول در صنایعی نظیر داروسازی، علم مواد و علوم پایه را دگرگون کرده و روند پژوهش‌های علمی را به‌صورت اساسی خودکار کنند.

این نخستین بار نیست که آلتمن با یادداشت‌های وبلاگی، مسیر احتمالی آینده OpenAI را ترسیم می‌کند. در ژانویه سال جاری، او در مطلبی دیگر، سال ۲۰۲۵ را «سال عامل‌ها» معرفی کرده بود؛ عبارتی که با معرفی سه عامل هوش مصنوعی این شرکت – Operator، Deep Research و Codex – به واقعیت نزدیک شد.

با این حال، دستیابی به سیستمی که واقعاً بتواند «بینش جدید» خلق کند، چالشی به‌مراتب بزرگ‌تر از صرفاً ساختن یک عامل هوش مصنوعی است. برخی از چهره‌های برجسته حوزه علم داده و یادگیری ماشین درباره توانایی واقعی هوش مصنوعی برای خلق فرضیه‌های اصیل تردید دارند. توماس ولف، مدیر ارشد علمی Hugging Face، در مقاله‌ای استدلال کرده بود که سیستم‌های فعلی نمی‌توانند سؤالات بزرگ و بنیادی بپرسند؛ سؤالاتی که سنگ بنای پیشرفت علمی هستند.

کنت استنلی، یکی از محققان سابق OpenAI نیز معتقد است مدل‌های کنونی فاقد توانایی برای خلق فرضیه‌های نو هستند. او اکنون رهبری استارت‌آپ جدیدی به نام Lila Sciences را برعهده دارد که ۲۰۰ میلیون دلار بودجه جذب کرده تا آزمایشگاهی مبتنی بر هوش مصنوعی برای توسعه مدل‌هایی با تمرکز بر فرضیه‌سازی علمی تأسیس کند. از نگاه استنلی، این مسأله در اصل یک مسئله خلاقیت است؛ یعنی ایجاد حسی از جذابیت و اصالت در مدل‌های یادگیری ماشین.

با اینکه هنوز مشخص نیست OpenAI واقعاً موفق به توسعه مدلی شود که بتواند بینش‌های علمی واقعی تولید کند، اما یادداشت آلتمن را می‌توان همچون نقشه راهی دانست که نشان می‌دهد این شرکت در چه مسیری گام برمی‌دارد.