پرش به محتوای اصلی
پرش به محتوای مقاله

آیا سرمایه‌گذاری سنگین در AWS، عصر عامل‌های خودبهبودبخش را آغاز می‌کند؟

·۶ مرداد ۱۴۰۵۲ دقیقه مطالعه۱ بازدید
قرارداد ۴۱۰ میلیون دلاری سوپراینتلیجنس بازگشتی با آمازون برای قدرت پردازشی
قرارداد ۴۱۰ میلیون دلاری سوپراینتلیجنس بازگشتی با آمازون برای قدرت پردازشی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی کامل معیارِ «تعداد کارکنان» با «تعداد عامل‌های خودکار» به‌عنوان شاخص رشد در یک آزمایشگاه سطح اول هوش مصنوعی.

تصور کنید مدیرعامل یک استارتاپ به‌جای استخدام مهندسان ارشد، تمام بودجه‌اش را صرف خرید سرور کند تا هوش مصنوعی خودش، کدهای بهتری بنویسد. Recursive Superintelligence دقیقاً همین بازی خطرناک و جسورانه را آغاز کرده است.

این شرکت قصد دارد از طریق محاسبات (Compute) — که در واقع کرایهٔ آشپزخانهٔ صنعتی برای پخت مدل‌های عظیم است — به نقطه‌ای برسد که هوش مصنوعی بتواند بدون دخالت انسان، کد خود را بهینه کند. به این وضعیت «بهبود خودبازگشتی» (RSI) می‌گویند؛ جایی که مدل‌های هوش مصنوعی تبدیل به معماران خود می‌شوند. این رویکرد یادآور توافق ۱۰ میلیارد دلاری متا برای اجارهٔ زیرساخت‌های محاسباتی به آنتروپیک است که نشان می‌دهد غول‌های فناوری چگونه در حال تبدیل شدن به تأمین‌کنندگان اصلی توان پردازشی برای مدل‌های پیشرو هستند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی قوانین مقیاس‌پذیری اشاره کردیم، مسیر رسیدن به هوش مصنوعی عمومی همواره از افزایش توان پردازشی می‌گذرد. این شرکت که در مه ۲۰۲۶ با ۶۵۰ میلیون دلار سرمایه از حالت پنهان خارج شد، حالا بخشی کلیدی از این مبلغ را به زیرساخت‌ها اختصاص داده است.

به گزارش TechCrunch، در تاریخ ۲۸ ژوئیه ۲۰۲۶، جزییات این قرارداد چندساله با AWS فاش شد. محورهای اصلی این توافق عبارتند از:

  • تخصیص ۴۱۰ میلیون دلار برای مقیاس‌پذیری محاسباتی (بیشتر سرمایه‌ی فعلی شرکت).
  • توسعه مشترک زیرساختی که به‌طور خاص برای سیستم‌های بازگشتی طراحی شده است.

جیسون بنت، معاون استارتاپ‌های AWS، تأکید کرد که این زیرساخت‌ها برای مدل‌هایی ساخته می‌شوند که مدام در حال بازنویسی خود هستند. نکته عجیب این است که طبق اعلام مدیرعامل شرکت، این معامله هیچ سرمایه‌گذاری مستقیم از سوی آمازون ندارد و صرفاً یک تبادل منابع است. این استراتژی در راستای تغییر رویکرد آمازون برای تقلید از مدل عملیاتی پالانتیر دیده می‌شود که بر تقویت همکاری‌های عملیاتی و زیرساختی متمرکز است. او حتی ادعا کرد که این قرارداد احتمالاً کوچک‌ترین خرید پردازشی شرکت در سال‌های آینده خواهد بود.

برای دنیای کسب‌وکار، این یک چرخش استراتژیک است. دیگر معیار موفقیت یک آزمایشگاه AI، تعداد PhDهای استخدام‌شده نیست، بلکه تعداد عامل‌ها (Agent) — یعنی ربات‌های نرم‌افزاری که مثل کارمندان دیجیتال وظایف پیچیده را انجام می‌دهند — است. در همین راستا، تلاش‌هایی مانند پروژه Hive-32B برای تغییر استانداردهای کنترل سیستم‌عامل نشان می‌دهد که تمرکز صنعت از مدل‌های چت‌محور به سمت عامل‌های فعال (Agents) در حال انتقال است. این شرکت شرط بسته است که قدرت پردازشی، اهرم رشد سریع‌تری نسبت به مهندسی انسانی است.

سوچر (مدیرعامل شرکت) وعده داده است که خروجی‌های ملموس این استراتژی را تا اکتبر ۲۰۲۶ خواهیم دید و منتظر گزارش‌های سالانه نخواهیم ماند.

گام بعدی شما

  • تغییر دیدگاه از «تیم انسانی» به «ناوگان عامل‌ها» در برنامه‌ریزی مدل‌های کسب‌وکار.
  • رصد نتایج اکتبر ۲۰۲۶ برای بررسی صحت ادعای بهبود خودکار مدل‌ها.
  • بررسی جایگزینی نقش‌های توسعه‌دهنده با سیستم‌های خودبهبودبخش در پروژه‌های کوچک.

اما این مسیر بدون ریسک نیست؛ چالش‌های ایمنی در مدل‌هایی که خودشان را بازنویسی می‌کنند، بحثی است که در گزارش بعدی ما درباره‌ی نظارت بر AGI خواهیم پرداخت.

چرا این موضوع مهم است؟

این مدل عملیاتی، اعتبار مفروضِ «نیروی انسانی متخصص» را در برابر «قدرت پردازشی خام» به آزمون می‌گذارد. اگر موفق شود، سرعت دستیابی به AGI را به دلیل حذف گلوگاه‌های تصمیم‌گیری انسانی افزایش می‌دهد.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های دسترسی به AWS، توسعه‌دهندگان ایرانی فعلاً نمی‌توانند از این زیرساخت‌های تخصصی استفاده کنند، اما تغییر مدل رشد از نیروی انسانی به عامل‌های خودکار، الگوی رقابتی جدیدی را برای استارتاپ‌های داخلی ایجاد می‌کند.

·نگاه ما
تحریریه دات‌هوش

این رویکرد «محاسبات‌محور» به جای «انسان‌محور»، فرضیه سنتی رشد استارتاپ‌ها را به چالش می‌کشد. اگر مدل‌های self-improving واقعاً کار کنند، هزینه حاشیه عملیاتی شرکت‌ها به‌شدت افت می‌کند چون رشد محصول دیگر به سرعت استخدام نیروی متخصص گره نمی‌خورد و تبدیل به یک تابع خطی از قدرت پردازشی می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.