تصور کنید دستگاهی بخرید که ادعای دستیار بودن دارد، اما در عمل هیچ گرهی از مشکلات روزمره شما باز نمی‌کند. این دقیقاً همان نقطه‌ای است که تونی فادل، خالق آی‌فون و مؤسس Nest، شکست نسل اول سخت‌افزارهای هوش مصنوعی را در آن می‌بیند. او در جریان نخستین جشنواره MIT Future Fest، نقد تندی را به این صنعت وارد کرد.
به نقل از سخنرانی او، فادل استدلال می‌کند که موج اول گجت‌های AI به‌جای حل یک مسئله ملموس انسانی، صرفاً ارائه تکنولوژی‌های جذاب برای «گیک‌ها» بود. او برای به تصویر کشیدن این شکست، اسلایدی را نمایش داد که در آن سه محصول Rabbit R1، Humane AI pin و گردنبند Limitless به عنوان نمونه‌های «نسل اول» (Gen 1) معرفی شده بودند؛ محصولاتی که هدف را گم کردند. فادل اشاره کرد که شرکت‌های سازنده این دستگاه‌ها از او درخواست مشاوره کرده بودند، اما او این درخواست‌ها را رد کرد؛ زیرا این دستگاه‌ها هیچ نیاز واقعی و ملموسی را در زندگی مصرف‌کنندگان عادی برطرف نمی‌کردند. او صراحتاً گفت: «در هر یک از این موارد، هیچ‌کدام نیازی را برطرف نکردند. این‌ها فقط تکنولوژی‌های جالبی برای گیک‌ها بودند و کاربر با خودش می‌گوید: خب، این جالب است، اما واقعاً به زندگی من کاربردی ندارد.»
پارادوکس دستیار شخصی
بسیاری از ما تصور می‌کنیم داشتن یک دستیار شخصی اتفاق عادی است، اما فادل به نکته‌ای تکان‌دهنده اشاره می‌کند: کمتر از ۰.۰۱٪ جمعیت جهان تا به حال یک دستیار انسانی را استخدام کرده‌اند. این آمار نشان‌دهنده یک شکاف عظیم میان چشم‌انداز شرکت‌های AI و واقعیت رفتار مصرف‌کننده است. وقتی شرکت‌ها ادعا می‌کنند که می‌خواهند یک «دستیار» بسازند، در واقع در حال بازتاب خواسته‌های بخش بسیار کوچکی از جمعیت هستند.
ساخت اعتماد با یک عامل (Agent) — شبیه به استخدام یک کارمند جدید که باید هفته‌ها تحت نظارت باشد تا به او اعتماد کنید — فرآیندی کند و تدریجی است. فادل تجربه شخصی خود را به اشتراک گذاشت و گفت که برای او چند سال طول کشید تا بفهمد چگونه به بهترین شکل از یک دستیار انسانی استفاده کند و در نهایت بتواند داده‌های حساس بانکی و برنامه‌های جلساتش را به او بسپارد. بنابراین، این تصور که کاربر از روز اول به یک عامل هوش مصنوعی استقلال کامل برای تصمیم‌گیری و اجرا بدهد، کاملاً غیرواقع‌بینانه است؛ زیرا کاربران ابتدا باید یاد بگیرند چگونه به یک عامل اعتماد کنند تا از طرف آن‌ها عمل کند.
شکاف اعتماد و حریم خصوصی
در این میان، آسیب‌پذیری‌های امنیتی همچنان گریبان‌گیر این صنعت است. شرکت Meta اخیراً دستیار همه‌منظوره خود یعنی Muse را عرضه کرد، اما این عرضه با مشکلات امنیتی جدی همراه بود. یک پژوهشگر امنیتی بلافاصله پس از لانچ، حفره‌ای خطرناک در Muse پیدا کرد. علاوه بر این، گزارشی از 404 Media فاش کرد که کارکنان متا در یک «تلاش جنون‌آمیز» و با اضافه‌کاری‌های شدید سعی کردند پیش از عرضه رسمی، این آسیب‌پذیری‌ها را برطرف کنند.
فادل معتقد است که در دنیایی که ما زندگی خود را به یک هوش مصنوعی می‌سپاریم، «اعتماد و ایمنی» اولویت مطلق خواهد بود. او استدلال می‌کند که تنها یک شرکت زیرساخت لازم برای حل این بحران را در اختیار دارد: اپل. از نظر او، اپل در موقعیتی منحصر‌به‌فرد قرار دارد زیرا کنترل کامل سخت‌افزار، تراشه‌ها و تمام قطعات ضروری را در دست دارد. البته او اعتراف می‌کند که اپل در حال حاضر فاقد یک مدل هوش مصنوعی اختصاصی در سطح جهانی است؛ برای مثال، سیری جدید اپل برای عملکردهای خود به نسخه‌های سفارشی‌سازی شده از مدل Gemini گوگل متکی است.
دفاع از هوش مصنوعی روی دستگاه (On-Device AI)
فادل پیش‌بینی می‌کند که تنها عامل‌های هوش مصنوعی «ماندگار» (Sticky)، آن‌هایی هستند که منحصراً روی خودِ دستگاه اجرا شوند. او این ایده را که مراکز داده عظیم آینده‌ی هوش مصنوعی شخصی را تسخیر می‌کنند، رد می‌کند و می‌گوید: «وقتی می‌شنوم که می‌گویند مراکز داده قرار است دنیا را فتح کنند... من این را باور نمی‌کنم.»
او این دیدگاه را بر دو عامل اصلی استوار می‌کند:
۱. حریم خصوصی: نگه داشتن داده‌های حساس خارج از ابر (Cloud)، تنها راه جلب اعتماد عمیق کاربر است. با اجتناب از انتقال داده‌ها به سرورهای ابری، شرکت‌ها می‌توانند حساس‌ترین اطلاعات کاربر را محافظت کنند.
۲. کارایی: دستگاه‌های مدرن در حال حاضر قدرت پردازشی قابل توجهی دارند و با باتری کار می‌کنند. فادل اشاره می‌کند که پیش از این در روزهای ابتدایی اینترنت نیز شاهد تکرار همین الگو بوده است.
او به عنوان یک نمونه موفق، سیستم Face ID اپل را ذکر می‌کند. اپل با پردازش محلی داده‌های بیومتریک و عدم ارسال آن‌ها به ابر، سطحی از حسن نیت و اعتماد را ایجاد کرد که رقبایش برای رسیدن به آن در تقلا هستند.
جنگ حسگرها
شرکت‌هایی مثل OpenAI و Meta به این دلیل به سمت سخت‌افزار حرکت می‌کنند که دسترسی به حسگرهایی (Sensors) را ندارند که اپل از آن‌ها بهره می‌برد. برای دسترسی به داده‌های ویدیو، صدا و GPS از طریق یک گوشی، این شرکت‌ها باید لیستی طولانی از مجوزها (Permissions) را درخواست کنند. فادل توضیح می‌دهد که این لیست اغلب به ۲۰ مورد یا بیشتر می‌رسد که کاربر باید تک‌تک آن‌ها را به صورت دستی تأیید کند.
با ساخت دستگاه‌های اختصاصی، این شرکت‌ها می‌توانند گیت‌های امنیتی گوشی را دور بزنند. آن‌ها دستگاه‌های بدون صفحه نمایش با حسگرهای داخلی می‌سازند که داده‌ها را جمع‌آوری کرده و سپس از طریق بلوتوث، وای‌فای یا شبکه 5G به وب ارسال می‌کنند.
ریسک استارتاپ‌ها
در نهایت، فادل هشدار داد که استارتاپ‌ها برخلاف غول‌های تکنولوژی، حاشیه خطای بسیار نازکی دارند. وقتی از او درباره نقش «شانس» در یافتن تناسب محصول با بازار (Product-Market Fit) پرسیدند، اشاره کرد که استارتاپ‌ها نمی‌توانند به راحتی شانس را تولید کنند، زیرا برخلاف شرکت‌های بزرگ، هیچ شبکه حفاظتی (Safety Net) ندارند.
در حالی که اپل می‌تواند لغزش یا شکست محصولی مثل Vision Pro را تحمل کند، یک محصول شکست‌خورده برای یک استارتاپ می‌تواند به معنای پایان کامل فعالیت آن باشد. همان‌طور که فادل با کنایه گفت: «چون شما یک استارتاپ هستید، فقط یک فرصت برای شلیک دارید.»
گام بعدی شما
- هنگام انتخاب ابزارهای AI، به‌جای تمرکز بر «قابلیت‌ها»، روی «درد واقعی» که ابزار حل می‌کند تمرکز کنید.
- برای داده‌های حساس، به‌دنبال مدل‌هایی باشید که قابلیت اجرای محلی (On-device) دارند.
- بررسی کنید که آیا ابزارهای عامل‌محور فعلی، مسیر شفافی برای جلب اعتماد شما دارند یا فقط روی اتوماسیون تأکید می‌کنند.
اما نبرد واقعی اکنون بر سر دسترسی به حسگرهاست؛ برای درک اینکه چرا داده‌های محیطی برای مدل‌های آینده حیاتی هستند، تحلیل ما درباره‌ی مدل‌های چندوجهی را بخوانید.
گفتگو