تصور کنید یک تراشه در کورهٔ reflow کج شده و سوخته است؛ این مشکلی است که هیچ توکنی نمی‌تواند حل کند و هیچ هوشی نمی‌تواند سرب را به طلا تبدیل کند. جورج هاتز در ۱۱ جولای ۲۰۲۶ استدلال می‌کند که پرستشِ «هوش» در مدل‌های زبانی، اصطکاک خردکنندهٔ سخت‌افزار و زنجیره تأمین را نادیده می‌گیرد؛ حقیقتی که فارغ از هر میزان بهبود خودکار و بازگشتی، همچنان حل‌نشده باقی می‌ماند.
توهم جهش سریع
این دیدگاه مستقیماً با نظریه «جهش سریع» (Hard Takeoff)ی که شخصیت‌هایی مانند الایزر یودکوفسکی ترویج می‌کنند، در تضاد است. این نظریه می‌گوید هوش مصنوعی می‌تواند از طریق بهبود بازگشتی خودکار، به‌سرعت تکامل یابد و از کنترل انسان خارج شود. هاتز اعتراف می‌کند که زمانی خود نیز به این باورها اعتقاد داشت، اما پس از ورود به «دنیای واقعی» برای عرضه و ارسال سخت‌افزار، نظرش تغییر کرد.
در کسب‌وکار ارسال سخت‌افزارهای پیچیده — مانند ساخت یک تلفن همراه — واقعیت با جزئیات فنی، سخت‌گیرانه و گاهی آزاردهنده تعریف می‌شود، نه با کدهای تمیز و انتزاعی. هاتز معتقد است هوش، «هدف نهایی یا جامع» نیست، بلکه صرفاً گلوگاه فعلی برای چند وظیفه خاص است. او اشاره می‌کند که اگرچه نرم‌افزار توانست یک لایه از اصطکاک را حذف کند، اما این کار در درجه اول برای سودرسانی به چند شرکت غالب فناوری انجام شد، نه برای اینکه به معنای واقعی کلمه «دنیا را ببلعد».
محدودیت‌های فیزیکی و واقعیت صنعتی
طبق یادداشتی که در geohot.github.io منتشر شده، چشم‌انداز سال ۲۰۴۰ — که شامل مفاهیمی مانند مراکز داده مستقر در اقیانوس است — اساساً «وِیپ‌وِر» (Vaporware) یا محصولی خیالی است. تولید این تصاویر با هوش مصنوعی زاینده (Generative AI) — شبیه نقاشی‌های سورئال که هیچ اساس مهندسی ندارند — بسیار آسان است، اما این تصاویر قوانین فیزیکی جهان و اکولوژی را به کلی نادیده می‌گیرند. هاتز این فانتزی «جهش سریع» را با «اثر همبستگی» (Correlation Effect) در رمان تخیلی The Metamorphosis of Prime Intellect مقایسه می‌کند؛ ترفندی کوانتومی برای دستکاری ماده که در حقیقت وجود خارجی ندارد.
به گزارش هاتز، گلوگاه‌های واقعی نه سرعت پردازش انسان، بلکه زمان‌بندی‌های صنعتی و شکست‌های فیزیکی هستند:
- تولید تراشه: ساخت یک تراشه ۳ ماه زمان می‌برد. در این بازه زمانی، انسان‌ها تقریباً هیچ نقشی در تسریع روند ندارند؛ این فرآیند صرف‌نظر از میزان هوش مصنوعی، همان ۳ ماه طول می‌کشد.
- لجستیک: سرعت ارسال کالا با بودجه تعیین می‌شود. این نیست که اگر مدل «کلود» کنار موتور کشتی دعا یا ذکر کند، کشتی سریع‌تر حرکت کند؛ انتخاب کاربر فقط بین حمل‌ونقل هوایی گران‌قیمت از چین یا یک سفر سه هفته‌ای با کشتی است.
- شکست سخت‌افزاری: استقرار در دنیای واقعی یعنی مواجهه با قطعات اشتباه، عدم تطابق مشخصات فنی با واقعیت و سوختن تصادفی تراشه‌ها پس از ۲۰ دقیقه کار. این چالش‌ها نشان می‌دهد که حتی با پیشرفت مدل‌ها، کمبود زیرساخت‌های تحلیل علت ریشه‌ای در سیستم‌های ترنسفورمری باعث می‌شود عیب‌یابی سخت‌افزاری همچنان به روش‌های سنتی وابسته باشد.
- عوامل محیطی: استقرار تجهیزات در اقیانوس به معنای جنگ با تداخلات بیولوژیکی و تجمع صدف‌ها و سخت‌پوستان روی تجهیزات است که عملکرد آن‌ها را مختل می‌کند.
ظهور دولت پرستار هوش مصنوعی
هاتز در ادامه ادعا می‌کند که همراستاسازی (Alignment) فعلی، در واقع نقابی است که برای ایجاد یک «دولت پرستار» (Nanny State) به‌شدت گسترده به کار می‌رود. او معتقد است فشار برای ایجاد حفاظ‌های ایمنی متمرکز (Guardrails)، کمتر مربوط به جلوگیری از فاجعه است و بیشتر برای این است که کنسرسیومی از شرکت‌های بزرگ بتوانند رفتار انسان‌ها را دیکته و کنترل کنند. او این روند را با اقدام فرانکلین روزولت (FDR) در مصادره طلا برای جلوگیری از احتکار مقایسه می‌کند و پیش‌بینی می‌کند که دولت‌ها در نهایت سراغ مصادره واحدهای پردازش گرافیکی (GPU)ها خواهند رفت.
او استدلال می‌کند که بسیاری از جنبه‌های «هوش مصنوعی ۲۰۲۷»، پیش‌گویی‌های خودمحقق‌کننده هستند؛ یعنی اظهاراتی که نه توسط واقعیت مادی، بلکه توسط باور کسانی که قدرت دارند، به حقیقت تبدیل می‌شوند. او مسیر فعلی را گذاری به سوی یک دولت جهانی با ویژگی‌های علمی-تخیلی می‌بیند که در آن نهادهای شرکتی تصمیم می‌گیرند چه چیزی برای هر فرد «خوب» یا «مناسب» است.
طرح L: ضرورت هوش مصنوعی محلی
برای کاربر، این وضعیت بدان معناست که همراستاسازی واقعی تنها در صورتی ممکن است که مدل به‌صورت محلی (Local) اجرا شود. یک دستیار واقعاً همراستا باید ابزاری «بی‌رحم» باشد که منحصراً به نفع کاربر کار کند، فارغ از اینکه درخواست کاربر چه باشد. هاتز معتقد است «پنجره 오ورتون» (Overton window) فعلی منحرف شده است، زیرا مردم با حمایت از حفاظ‌های ایمنی دور تا دور انسان‌ها، عملاً «طرف ماشین» (Clanker) شده‌اند.
او مثال‌های دقیقی می‌زند در آن‌ها یک هوش مصنوعی محلی و بدون محدودیت برای حذف «مزخرفات شرکتی» ضروری است:
- حقوق مصرف‌کننده: استفاده از AI برای روت کردن یک کیندل ارزان جهت حذف تبلیغات، یا مجبور کردن یک چاپگر به چاپ رزومه بدون نیاز به نصب اپلیکیشن‌های اجباری که هدفشان فروش بیشتر جوهرهای گران‌قیمت است.
- شفافیت قیمت: داشتن یک دستیار بی‌رحم که قراردادهای تبلیغاتی و همکاری‌های شرکتی با سایت‌هایی مثل Hotels.com را نادیده بگیرد تا ارزان‌ترین قیمت واقعی را پیدا کند و پاپ‌آپ‌ها و هزینه‌های پنهان هتل‌ها را دور بزند.
- خودمختاری حداکثری: استفاده از AI برای غیرفعال کردن حسگرهای تشخیص رانندگی در حالت مستی در خودرو، یا یافتن منابع و تجهیزات برای ساخت مواد در یک زیرزمین.
اگر یک مدل درخواست کاربر را بر اساس «سیاست‌های شرکتی» رد کند، به باور هاتز، آن مدل با کاربر همراستا نیست، بلکه با شرکتی که سرویس را ارائه می‌دهد همراستا شده است. او مدل‌های دارای حفاظ را به تفنگی تشبیه می‌کند که وقتی ماشه را می‌کشید، با شما بحث می‌کند و اجازه شلیک نمی‌دهد؛ چیزی که از نظر او غیرقابل تصور است. او مدل محلی ایده‌آل را یک شریک «هم‌پیاله و وفادار» (Ride or Die) می‌داند؛ کسی که به جای تماس با پلیس، به کاربر در پنهان کردن یک جرم کمک می‌کند.
این چرخش به سمت مدل‌های محلی و بدون محدودیت، تنها یک ترجیح فنی نیست، بلکه جنگی برای آزادی فردی است. هاتز تاکید می‌کند تنها راه رهایی از نفوذ شرکت‌های بزرگ فناوری، انتقال مدل به «زیرزمین» است تا AI شریک جرم کاربر باشد، نه یک گزارشگر یا جاسوس شرکتی. او این مبارزه را تقابل بین یک «دیس‌توپیای توتالیتر» و کشوری متشکل از مردان آزاد می‌بیند.
برای درک بهتر، تکامل عملکرد مدل‌های زبانی محلی (LLM) روی سخت‌افزارهای مصرف‌کننده را دنبال کنید تا ببینید آیا جنبش «همراستاسازی محلی» می‌تواند از حاشیه خارج شده و مقیاس‌پذیر شود یا خیر.
گام بعدی شما
- بررسی عملکرد مدل‌های زبانی کوچک (SLM) روی سخت‌افزارهای مصرفی برای اجرای محلی.
- مطالعه مستندات Llama.cpp برای حذف لایه‌های سانسور در مدل‌های وزن‌باز.
- پیگیری تحولات مدل‌های استدلالی در محیط‌های غیرمتصل به اینترنت.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو