تصور کنید تمام سرمایهی خود را روی گلهایی سرمایهگذاری کنید که فقط زیبا هستند و هیچ کاربرد عملی ندارند؛ این دقیقاً همان اتفاقی است که امروز در بازار سختافزارهای گرافیکی رخ میدهد. اگر فکر میکنید هرچه توکنهای بیشتری بخرید موفقتر میشوید، شاید در حال تکرار اشتباهات قرن هفدهمیها باشید.
به نقل از مایکل پولان، نویسندهای که درباره هر چیزی از قارچها گرفته تا سیبها و ذرت نوشته است، شور و هیجان فعلی برای تصاحب واحد پردازش گرافیکی (GPU) و توکنهای مدلهای زبانی، بیشتر از آنکه یک پیشرفت تکنولوژیک باشد، یک حباب گمانهزن است. روایت پولان از تکامل مشترک لاله ها و انسانها، با توجه به شباهتهای فعلی بازار، پیشگویانهترین تحلیل ممکن است. این وضعیت شبیه به «جنون لاله» در هلند قرن ۱۷ است؛ جایی که «روحیات حیوانی» (Animal Spirits) و سرمایههای کلان با ریسک بالا، نبودِ شفافیت بنیادی در مدلها را میپوشانند. این شور و شوق کورکورانه، یادآور جنون شرکتی در فضای هوش مصنوعی است که در آن تردیدهای فنی به نوعی کفر قلمداد میشود.
قدرت پردازشی GPUها که در دهه گذشته موتور محرک کریپتو بود، حالا به یک رونق بزرگتر در مدلهای زبانی سرایت کرده است. ما در مسیری هستیم که از پیازهای گل به سکههای دیجیتال و اکنون به توکنها رسیدهایم. این تغییر در حالی رخ میدهد که مدیران عامل شرکتها از هوش مصنوعی زاینده (Generative AI) — مثل آشپزی که بدون تجربه قبلی، فقط با خواندن میلیاردها دستور پخت، غذا میپزد — برای توجیه اخراجهای دستهجمعی استفاده میکنند، در حالی که سرمایهگذاران به دنبال نقطه تکینگی یا همان «سنگولاریتی» هستند. این نگرانی از جایگزینی نیروی انسانی، با هشدار ۱۶ برنده جایزه نوبل درباره ریسک شوک شغلی گسترده در دهه آینده همسو است. ما به عصری میرویم که ارزش تنها توسط چند آزمایشگاه پیشرو استخراج میشود، در حالی که بقیه نیروی کار با یک «ربایش آمیگدال» (Amygdala Hijack) یا همان واکنش استرسی شدید، در مورد امنیت شغلی خود دستوپنجه نرم میکنند. همانطور که رالف والدو امرسون زمانی اشاره کرد: «چیزها بر زین سوار شدهاند و بشر را میرانند».
توهم هوشمندی
بسیاری ادعا میکنند هوش مصنوعی مسئله دشوار «آگاهی» را حل کرده است. اما متخصصانی مانند یان لکان (Yann LeCun) استدلال میکنند که یادگیری حیوانات هنوز بسیار فراتر از تواناییهای ماشین است. جهانبینی کاهشگرایانه — که موجودات را صرفاً حاملهای DNA میبیند — در توضیح رابطه پیچیده بین انسان و گیاهان ناتوان است و قطعاً در توضیح وضعیت ما با هوش مصنوعی هم شکست میخورد. اصطلاح «AI» خود به یک «میم» در معنای اصلی ریچارد داکینز تبدیل شده و شروع به تکثیر مستقل کرده است.
سیستمهای فعلی تنها حلقههای خودتقویستی از مدلها و دادهها هستند. با این حال، ما هنوز نمیتوانیم توافق کنیم که آیا عاملها (Agents) — شبیه دستیارهای اداری که میتوانند بهجای شما ایمیل بزنند و قرار ملاقات بگیرند — واقعاً هوشمند هستند یا شاید حتی دارای آگاهی باشند.
این شکاف بین ادراک و واقعیت، نسخهی مدرنی از «تورک مکانیکی» (مشابه آنچه در برشهای سال ۱۷۸۹ راکنیتز دیده میشود) است؛ جایی که یک رابط پیچیده، حقیقتی سادهتر، انسانی یا الگوریتمیک را پنهان میکند. مشخص شد که کلود (Claude) در واقع یک انسان واقعی نیست. دونالد هافمن حتی فراتر رفته و ریاضیاتی را پشت جهانبینیای قرار میدهد که در آن عاملهای آگاه، لایه پایه هستند، نه چیزی که از ماده تکامل یافته باشد. حتی ادعاهای سم آلتمن (Sam Altman) درباره رسیدن به تکینگی، با واقعیت کارگرانی که نگران حقوق ماه آیندهاند، در تضاد شدید است. اگر آزمایشگاهها واقعاً باور دارند این سیستمها در حال بیدار شدن هستند، اینکه آنها را مالکیت کرده و بهصورت توکن اجاره دهند، سوالی است که هیچکدام تمایلی به مواجهه با آن ندارند.
الگوی وعدههای توخالی
سوابق تاریخی نشان میدهد که یک چرخه از پیشبینیهای تهاجمی و سپس اصلاحات سخت وجود دارد. پیشبینیهای ایلان ماسک (Elon Musk) برای رانندگی تمامخودکار (FSD) نمونهای بارز است:
- ۲۰۱۴: پیشبینی خودمختاری بزرگراهها (از رمپ ورودی تا خروجی بدون لمس کنترلها) در کمتر از یک سال.
- ۲۰۱۶: ادعای اینکه خودمختاری کامل کمتر از دو سال فاصله دارد.
- ۲۰۱۹: وعده حضور یک میلیون روبوتاکسی در جادهها تا سال بعد، با این ادعا که سیستم «از نظر ویژگیها کامل» است.
- ۲۰۲۶: پیشبینی اینکه تا پایان سال، یک چهارم تا یک دوم ایالات متحده تحت پوشش باشد.
به همین ترتیب، یک برنده جایزه تورینگ و نوبل در دهه ۱۹۶۰ پیشبینی کرد که حرفه برنامهنویسی منقرض میشود چون کامپیوترها خودشان برنامهنویسی میکنند. ۶۰ سال بعد، برنامهنویسان هنوز ضروری هستند، هرچند حالا در ترسی دائمی از اخراج و استخدام در یک ترنهوایی بیثبات به سر میبرند. گریس هاپر زمانی که پیشنهاد نوشتن برنامهها به زبان انگلیسی را داد، به او گفته شد ماشینها فقط میتوانند محاسبات حسابی انجام دهند؛ اما امروز تراشههای هر مرکز داده نام او را یدک میکشند. در نهایت، کدنویسی هرگز گلوگاه نبود؛ بلکه روابط و درک متقابل است که ارزش ایجاد میکند.
ابهام فراکتالی در غولهای AI
یک فقدان سیستماتیک در شفافیت هزینههای فیزیکی هوش مصنوعی وجود دارد. طبق تحلیلی در وبسایت seanhelvey.com منتشر شده در ۲ آگوست ۲۰۲۶، این صنعت دچار «ابهام فراکتالی» است. ما محتوایی را تولید کردیم که سیستمهای آنها بر پایه آن ساخته شده است، اما آزمایشگاهها درباره اثرات خارجی (externalities) مبهم باقی ماندهاند. این ابهامات در حالی رخ میدهد که محدودیتهای فیزیکی زنجیره تأمین، توهم «جهش سریع» هوش مصنوعی را به شدت به چالش میکشد.
شرکتها از افشای موارد زیر خودداری میکنند:
- انرژی دقیق مصرف شده برای هر کوئری واحد.
- حجم آب مورد نیاز برای خنکسازی مراکز داده.
- اینکه وقتی یک سایت در نهایت خاموش میشود، چه کسی مالک زمین و سفرههای آب زیرزمینی میشود.
تا جولای ۲۰۲۶، نقشههای مراکز داده ۳۳ سایت فعال و ۶۶ سایت در حال ساخت را نشان میدهند و ۸,۸۳۷ مورد گزارش نگرانی شهروندان ثبت شده است. «ترس از شکست در رقابت با چین» ابزاری است که مکرراً برای ساکت کردن اعتراضات محلی به کار میرود و دقیقاً بازتابدهنده منطق مجتمعهای نظامی-صنعتی است.
این ابهام به محیط زیست هم سرایت کرده است. مدیریت عاملها منابع طبیعی ما را میبلعد. به صورت تجربی، عاملها ۵ تا ۱۰ بار وب را جستوجو میکنند چون مدل قدیمی شده است (stale)، که این موضوع با فرضیه «SaaSpocalypse» در تضاد است. ایجاد خطوط انتقال جدید چهار تا هشت سال زمان میبرد و ترانسفورماتورها در لیست انتظار هستند، به این معنی که تقاضا به شکل همهمهای تبدیل شده که همسایگان نمیتوانند با آن بخوابند. ارین بروکویچ در حال حاضر در حال نقشهبرداری از سایتهای پیشنهادی و شهرهایی است که با آنها میجنگند.
بهسوی حاکمیت داده
یک مسیر جایگزین برای این مدل استخراجی وجود دارد. لایلا جون در یک دوره اخیر جنگلهای خوراکی پیشنهاد کرد که انسانها میتوانند بهجای تسلط بر سیاره، به عنوان یک «گونه کلیدی» (keystone) به سیاره خدمت کنند. مفهوم «آگریولتاییک» (Agrivoltaics) — جایی که پنلهای خورشیدی و محصولات کشاورزی در یک زمین مشترک هستند — الگویی برای «حاکمیت داده» ارائه میدهد.
در هفته اقلیم PNW، توری به نام «خورشید، خاک و حاکمیت» در اورورا، اورگان، نشان داد که محصولات کشاورزی میتوانند بین پنلها رشد کنند. تصور کنید محاسبات درست در جایی مستقر شده باشد که پنلها و محصولات هستند و ساکنان محلی سهمی در زمین، آب و ماشینها داشته باشند. این کار هوش مصنوعی را از یک نیروی استخراجی به یک خدمت عمومی تبدیل میکند. این نگاه، رقابت با چین را بازتعریف میکند؛ چرا که احتمالاً آنها خودشان پنلهای آن زمین را ساختهاند و در یک جو مشترک، مفهومی به نام «آنها» وجود ندارد.
فروپاشی قریبالوقوع
من اخیراً از Claude Code خواستم عنوانی طنز برای وبسایت خود بنویسد تا برای کاربران Reddit و Hacker News ادای روشنفکری درنیاورم (pretentious نباشم). او بهجای پاسخ ساده، کد نوشت و تغییر را اعمال کرد. حالا وبلاگ من عنوان دارد؛ پس دیگر خبری از «انسان در حلقه» (human in the loop) نیست.
«جنون AI» احتمالاً از طریق نیروهای بازار، رخنههای امنیتی یا قوانین سختگیرانه به پانیک تبدیل خواهد شد. با این حال، برخی استانداردها از این فروپاشی بزرگ جان سالم به در میبرند: وزنهای باز (Open Weights) — یعنی دستور پخت مدل علناً منتشر شده باشد — میزبانی محلی و رابطهای زبانی ساده. مانند گیاهان Fireweed و Alder که پس از آتشسوزی خاک را تغذیه میکنند، یا فیبرهای نوری که در جریان حباب داتکام پهن شدند و سالها تاریک ماندند، زیرساختهای مفید باقی خواهند ماند.
در نهایت، ما در معرض خطر تبدیل شدن به «ابزارِ ابزارهایمان» هستیم، همانطور که هنری دیوید ثورو نوشت. پولان از این نقلقول در کتاب The Omnivore’s Dilemma برای توصیف کشاورزی به نام بیلی استفاده کرد که برای خرید یک تراکتور جدید، سخت کار میکرد. این سوال را ایجاد میکند: بیلی واقعاً برای چه کسی کار میکند؟ بانک؟ جان دیر (John Deere)؟ یا مونسانتو (Monsanto)؟ و همانطور که پولان اشاره میکند، خودِ ذرت از پوچی این وضعیت به تعجب خواهد افتاد.
گام بعدی شما
- بررسی ابزارهای میزبانی محلی (Local LLM) برای کاهش وابستگی به توکنهای گرانقیمت.
- مطالعه درباره مدلهای با وزن باز برای درک ساختار واقعی مدلها بهجای تکیه بر ادعاهای شرکتها.
- پیگیری گزارشهای محیطزیستی مراکز داده برای ارزیابی پایداری ابزارهای مورد استفاده در کسبوکار خود.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو