اگر استراتژی شغلی خود را برای دهه آینده می‌چینید، باید بدانید تاریخ رسیدن به هوش مصنوعی عمومی (AGI) اکنون دقیق‌تر شده است.
ما از عصر چت‌بات‌ها به سمت عامل‌های (Agent) هوشمند می‌رویم. این روند تکاملی را می‌توان در گزارش‌های اخیر درباره سرعت تکثیر عامل‌های هوشمند در سطح جهانی مشاهده کرد که نشان می‌دهد این فناوری‌ها با چه سرعتی در حال گسترش هستند. این‌ها مثل کارمندی هستند که خودشان تصمیم می‌گیرند برای رسیدن به هدف از چه ابزاری استفاده کنند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی تکامل مدل‌های استدلالی اشاره کردیم، هدف نهایی رسیدن به هوش مصنوعی عمومی (AGI) است. این فناوری شبیه به مغز دیجیتالی است که هر مهارت انسانی را یاد می‌گیرد.
به نقل از دیمیس هاسابیس، مدیرعامل گوگل دیپ‌مایند (Google DeepMind)، در مصاحبه‌ای در ۲۷ مه ۲۰۲۶، رسیدن به AGI تا سال ۲۰۳۰ محتمل است. او چهار شکاف فنی را شناسایی کرد که باید بسته شوند:
- فیزیک جهان
- حافظه
- ثبات (Consistency)
- یادگیری مستمر
طبق اعلام هاسابیس، این شرکت اکنون روی درمان سرطان و بیماری‌های ایمنی تمرکز کرده است. هدف آن‌ها ساخت موتور پردازشی است که بتواند هر بیماری را درمان کند.
در همین راستا، جنسن هوانگ، مدیرعامل انویدیا (Nvidia)، به گزارش CNA، معتقد است دانشجویان نباید به دنبال رشته‌های «مصون از AI» باشند. او می‌گوید «سلیقه»، تفکر اصیل و ارتباط عاطفی، ارزش بیشتری پیدا می‌کنند.
اما این مسیر بدون خطا نیست. بر اساس مطالعه‌ای از دانشگاه استنفورد روی ۴ میلیون درخواست شغلی، ابزارهای استخدام AI دارای سوگیری نژادی هستند. این گزارش نشان می‌دهد ۱۰.۶۲٪ پست‌ها اثرات منفی علیه متقاضیان سیاه‌پوست و ۵.۳۲٪ علیه آسیایی‌ها داشتند.
این یعنی خندق «مهارت‌های فنی» در حال خشک شدن است. اگر AGI تا ۲۰۳۰ برسد، ارزش از «دانستنِ نحوه انجام کار» به «دانستنِ اینکه چه کاری ارزش انجام دادن دارد» منتقل می‌شود.
گام بعدی شما
- مدل‌های جدید «فیزیک جهان» دیپ‌مایند را دنبال کنید؛ این اصلی‌ترین سد راه AGI است.
- برای پیش‌تازی در بهره‌وری، گردش‌های کاری عامل‌محور (Agentic) را با ابزاری مثل کلود کد (Claude Code) امتحان کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو