تصور کنید هر انسان روی زمین، هر ثانیه از شبانه‌روز به یک مدل زبانی پیشرو مثل Fable یا Sol دسترسی داشته باشد. طبق سناریویی که GPU World در ۱ سپتامبر ۲۰۲۶ مطرح کرد، مانع اصلی این آینده نه نبودِ هوش، بلکه «فقر پردازشی» بشریت است.
امروز اکثر مردم هرگز با مدل‌های تراز اول تعامل نداشته‌اند؛ چون محدودیت‌های محاسباتی، هوش مصنوعی باکیفیت را به بخش کوچکی از جمعیت محدود کرده است. این وضعیت شکافی دیجیتال ایجاد کرده که در آن سالانه تنها چند میلیون واحد پردازش گرافیکی (GPU) — شبیه موتورهای قدرتمندی که تمام کارهای سخت ریاضی را در کسری از ثانیه انجام می‌دهند — برای سرویس‌دهی به مدل‌های پیشرو تولید می‌شوند.
برای تحلیل اثر این دسترسی، GPU World یک فرض خاص را مطرح می‌کند: تصور کنید پیشرفت مدل‌های پیشرو از ۱ سپتامبر ۲۰۲۶ به‌طور کامل متوقف شود. در این حالت، هوش مصنوعی سریع‌تر و ارزان‌تر می‌شود اما هرگز به «ابرهوش» یا نقطه تکینگی تبدیل نمی‌شود.
همان‌طور که در بحث‌های گذشته ما درباره‌ی قوانین مقیاس‌پذیری اشاره کردیم، رشد در این سناریو صرفاً صنعتی است. بر اساس این پیش‌بینی، تا سال ۲۰۴۰ جهان می‌تواند معادل ۸ میلیارد GPU در اختیار داشته باشد؛ یعنی هر فرد قدرتی برابر با یک B300 GPU برای اجرای مدل‌های زبانی فعلی داشته باشد.
این تغییر، هوش مصنوعی را از یک منبع کمیاب به یک ابزار روزمره تبدیل می‌کند. در چنین دنیایی، آموزش توسط مدرسانی با صبر نامحدود دگرگون می‌شود و سلامت با پزشکان شخصی AI متحول می‌گردد؛ اما در مقابل، این فراوانی می‌تواند سیستمی از نظارت‌های خستگی‌ناپذیر AI را ایجاد کند. این گذار بنیادین در دسترسی به تکنولوژی، یادآور هشدارهای بیل گیتس درباره متلاطم‌ترین دوران تاریخ بشر است که بر پیچیدگی‌های اجتماعی این انتقال تأکید داشت.
به گزارش این منبع، برای کشورهای در حال توسعه، این وفور سخت‌افزاری می‌تواند شکاف‌های زیرساختی سنتی را دور بزند. پرسش بنیادین این است که آیا همگانی کردن هوش فعلی، بیش از تلاش برای رسیدن به ابرهوش، تحول‌آفرین است یا خیر.
گام بعدی شما
- بررسی هزینه‌های استنتاج مدل‌های فعلی برای تخمین زمان رسیدن به نقطه «ابزار روزمره».
- مطالعه اثرات توزیع سخت‌افزاری بر کاهش نابرابری آموزشی در کشورهای جنوب جهانی.
- تحلیل مدل‌های محلی (Local LLMs) که امروز پیش‌نمونه‌ای از این آینده هستند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو