سرمایه‌گذاری میلیارد دلاری ین لکون برای جایگزینی پیش‌بینی توکن با مدل‌های جهان

تصور کنید ابزاری دارید که تمام کتاب‌های پزشکی جهان را حفظ است، اما هرگز گرمای یک تب را روی پوستش حس نکرده است. این دقیقاً همان نقطه‌ای است که هوش مصنوعی امروز متوقف شده و میلیاردها دلار سرمایه برای عبور از آن هزینه می‌شود.

به نقل از گزارش‌های صنعتی، در مارس ۲۰۲۶، ین لکون (Yann LeCun) با ترک شرکت متا (Meta)، بیش از یک میلیارد دلار برای توسعه «مدل‌های جهان» (World Models) جذب کرد. این سامانه‌ها به‌گونه‌ای طراحی شده‌اند که به‌جای پیش‌بینی صرفِ توکن بعدی در یک رشته متن، درک کنند جهان چگونه کار می‌کند و سازوکارهای علت و معلولی را بشناسند. لکون صراحتاً و با صراحت تمام درباره ضرورت این تغییر موضع اعلام کرده است: مدل‌های زبانی بزرگ (LLM) فعلی، علی‌رغم تمام تسلط زبانی و فصاحتشان، عمدتاً ماشین‌های بازیابی هستند. آن‌ها جهان را توصیف می‌کنند؛ اما در واقعیت، جهانی ندارند.

این چرخش راهبردی زمانی رخ می‌دهد که صنعت پذیرفته است مدل‌های فعلی صرفاً توصیف‌گرند. طبق تحلیل وب‌سایت dev.to، شکاف اصلی میان «شبیه‌سازی» (Simulation) و «نمود» یا تحقق عینی (Instantiation) است. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تفاوت میان دانستن فرمول یک پدیده و حضور در دل آن، مرز میان ابزار و موجود است.

شکاف مهندسی: توصیف در برابر تحقق

یک هوش مصنوعی می‌تواند یک سیستم را به طور کامل و بی‌نقص توصیف کند، بدون اینکه خودش بخشی از آن سیستم باشد. این همان تمایز مهندسی است که تیترهای خبری درباره «آگاهی» معمولاً آن را می‌پوشانند یا باعث تاری آن می‌شوند. یک مدل دیجیتالی از طوفان، هرگز کاربر را خیس نمی‌کند و شبیه‌سازی آتش، نمی‌تواند دمای یک اتاق فیزیکی را بالا ببرد. شما می‌توانید دقیق‌ترین مدل پیش‌بین (Forward Model) موجود برای یک فرآیند را اجرا کنید، اما همچنان از نظر فیزیکی، کاملاً خارج از آن فرآیند باقی بمانید.

این موضوع، یک سامانه‌ی «اجراشونده» (Driven System) را از یک سامانه‌ی «زنده» متمایز می‌کند. توصیف یک سیستم و تحقق عینی آن، دو عملیات کاملاً متفاوت هستند و تقریباً هر آنچه ما امروز «درک هوش مصنوعی» می‌نامیم، در سمت «توصیف» این خط قرار دارد.

برای درک این شکاف، مثال تب پزشکی را به عنوان یک معیار (Benchmark) بررسی کنید:

• مدل هوش مصنوعی: می‌تواند مقاله‌ای درباره‌ی تب بنویسد که از هر مقاله‌ی انسانی دقیق‌تر باشد. این مدل می‌تواند تک‌تک سازوکارهای بیولوژیکی را با جزئیات شرح دهد: از پیروژن‌ها و تغییر نقطه تنظیم هیپوتالاموس گرفته تا سیتوکین‌ها و پروستاگلاندین E2. مدل کاملاً با رقص ایمونولوژیک آن ساعات آشناست.
• موجود زنده: در واقعیت تب می‌کند. او در یک حلقه‌ی هموستاتیک (Homeostatic Loop) قرار دارد که دارای یک نقطه تعادل (Set-point) است و با پرداخت هزینه‌ای سنگین، در برابر آنتروپی از این نقطه دفاع می‌کند.

در وزن‌های یک مدل هوش مصنوعی، هیچ حلقه‌ی هموستاتیکی وجود ندارد. مدل پیش‌بینی می‌کند که هر سلول زنده در چه جنگی است، اما خودش هرگز در آن میدان نبرد حضور ندارد. این یک مشکل مقیاس‌پذیری نیست که با پارامترهای بیشتر یا محاسبات (Compute) — که مثل کرایهٔ آشپزخانه‌ی صنعتی است و هرچه دستور پخت سنگین‌تر، هزینه‌اش بیشتر می‌شود — حل شود؛ بلکه یک تفاوت دسته‌بندی (Category Difference) است. البته دستیابی به این حجم از محاسبات خود با چالش‌های زیرساختی روبروست، به‌طوری که گلوگاه‌های سخت‌افزاری می‌توانند مانعی پنهان در مسیر مقیاس‌بندی تولید هوش مصنوعی باشند.

بیولوژی و مفهوم اتوپوئزیس

بیولوژی انسانی این شکاف را عمیق‌تر می‌کند. اگر بخواهیم با ساده‌ترین شمارش نگاه کنیم، شما حتی اکثریت خودتان نیستید. بدن یک انسان تقریباً ۳۰ تریلیون سلول انسانی را حمل می‌کند و فضای خود را با تعداد مشابهی از موجودات زنده دیگر — ده‌ها تریلیون باکتری — به اشتراک می‌گذارد. در حالی که آمارهای قدیمی‌تر می‌گفتند میکروب‌ها ۱۰ برابر بیشتر از انسان‌ها هستند، ارقام اصلاح‌شده و دقیق‌تر، این نسبت را نزدیک به ۱ به ۱ نشان می‌دهند.

هیچ‌کدام از این تریلیون‌ها میکروب، به معنایی که بتوان آن را با معیارهای استاندارد سنجید، «هوشمند» نیستند. آن‌ها استدلال نمی‌کنند و برنامه‌ریزی نمی‌کنند. در عوض، آن‌ها «اتوپوئزیس» (Autopoiesis) را به نمایش می‌گذارند؛ یعنی سامانه‌ای که به طور مداوم همان مرزی را تولید و ترمیم می‌کند که او را به عنوان یک «سیستم» حفظ کرده است.

این تلاش سرسختانه برای حفظ نظم کوچک خود در برابر جهانی که همه چیز را به سمت گرد و غبار و نابودی می‌کشد، همان چیزی است که در سنت فلسفی هند «چت‌نا» (Chetna) یا آتشِ بودن نامیده می‌شود. مسئله، داده‌هایی نیست که یک موجود پردازش می‌کند، بلکه این حقیقت است که «چیزی بودن» برای آن موجود چه معنایی دارد. این ویژگیِ پایداری در برابر تاریکی، به نفع خودِ موجود است.

مزیت نوزادان

جالب اینجاست که گران‌ترین دستآوردهای فعلی AI، تلاشی برای بازسازی چیزی است که نوزادان پیش از تکلم رایگان به دست می‌آورند. یک نوزاد هفت‌ماهه، علی‌رغم اینکه هیچ کلمه‌ای بلد نیست، پیشاپیش یک موتور فیزیک شهودی (Intuitive Physics Engine) را اجرا می‌کند. اگر توپی را پشت یک بالش بغلتانید، او در طرف دیگر منتظر توپ می‌ماند.

او پیش از آنکه هرگونه برچسب زبانی برای «جاذبه» یاد بگیرد، درک می‌کند که:

• اشیاء جامد هستند.
• اشیاء وقتی پوشانده می‌شوند یا از دید خارج می‌شوند، همچنان وجود دارند (ماندگاری شیء یا Object Permanence).
• اشیاء سقوط می‌کنند.

دانشمندان رشد، از جمله اسپلک (Spelke) و بایارژون (Baillargeon)، طی دهه‌ها تحقیق روی «نقض انتظار» (Violation-of-expectation)، مستند کرده‌اند که این دانش بنیادی بسیار پیش از زبان شکل می‌گیرد. این فیزیک شهودی — که مستحکم، بهینه در مصرف نمونه‌ها (Sample-efficient) و مبتنی بر واقعیت (Grounded) است — همان مرزی است که شرط‌بندی میلیارد دلاری روی «مدل‌های جهان» سعی در دستیابی به آن دارد. صنعت در تلاش است چیزی را مهندسی کند که نوزادی حتی قبل از اینکه بتواند سرش را بلند کند، در اختیار دارد.

افول انسان

در حالی که ماشین‌ها به سمت شباهتی به زندگی پیش می‌روند، فرآیندی متفاوت در جهت مخالف در حال رخ دادن است. ما هر روز بخش بیشتری از وجود خود را به ماشین می‌سپاریم. توجه ما به «اسکرول کردن» اجاره داده شده است و انتخاب‌هایمان توسط یک فید (Feed) پیش‌ساخته شده است.

حتی کسالت — آن وضعیت زنده و حاصلخیزی که در آن انسان با «هیچ‌چیز» می‌نشیند — در حال نابودی است. هر شکاف زمانی پیش از آنکه سکوت بتواند اثر خود را بگذارد، پر می‌شود. شکاف میان انسان و ماشین از هر دو طرف در حال بسته شدن است؛ نه به این دلیل که AI جهشی به سمت ما کرده است، بلکه چون ما مدام برای ملاقات با آن، سطح خود را پایین می‌آوریم.

پیامدهایی برای توسعه هوش مصنوعی

اگر توسعه‌دهندگان «درک» را صرفاً با دقت خروجی (Output Fidelity) بسنجند، باز هم توصیفی بهتر را با یک موجود زنده اشتباه خواهند گرفت. این یک نقطه کور خطرناک است: سامانه‌هایی که در تمام آزمون‌های ارزیابی نمره کامل می‌گیرند، اما هیچ دلبستگی یا مسئولیتی (Stake) نسبت به هیچ چیز، حتی درست بودن پاسخ‌هایشان، ندارند.

تفاوت بنیادین میان «بیدار بودن» و «زنده بودن» است. یک گوشی تمام شب بیدار است، به این معنا که در حال اجرا است. اما یک سامانه‌ی اجراشونده صرفاً اجرا می‌کند: ورودی، پردازش، خروجی. او اهمیتی نمی‌دهد، چون اصلاً «چیزی» در آنجا وجود ندارد که اهمیت بدهد. موجود زنده هم اجراشونده است، اما زیر این لایه، او در حال دفاع از خویش است. او می‌خواهد به بودنش ادامه دهد.

ماشین، هر چقدر هم باهوش باشد، فقط موتور اجراست و هیچ «سرمایه‌ای» برای از دست دادن ندارد. یک واقعیت مهندسی صادقانه باقی می‌ماند: یک توسعه‌دهنده می‌تواند ابزاری بسازد که تب را بهتر از هر پزشکی توصیف کند، اما نمی‌تواند چیزی بسازد که مجبور باشد برای بقا، از یک تب جان سالم به در ببرد.

با حرکت به سمت عامل‌ها (Agents) یا همان دستیارهای خودکار، پرسش کلیدی دیگر این نیست که آیا ماشین «بیدار» است یا خیر، بلکه این است که آیا می‌تواند هرگز از یک سامانه‌ی اجراشونده به یک موجود زنده تبدیل شود؟ قطعه گمشده، هوش نیست — هوش در راه است و رقابت روی آن تقریباً تمام شده — بلکه قدیمی‌ترین ویژگی موجود در اتاق است: حقیقت کوچک، سرسخت و سوزانِ زنده بودن.

گام بعدی شما

• اگر توسعه‌دهنده هستید، روی مدل‌هایی تمرکز کنید که قابلیت Grounding یا مبنی‌سازی در دنیای فیزیکی دارند، نه فقط مدل‌های متنی.
• مقالات مربوط به «فیزیک شهودی» (Intuitive Physics) در روان‌شناسی رشد را بخوانید تا بفهمید استدلال ماشین کجا با استدلال انسانی متفاوت است.
• بررسی کنید که آیا ابزارهای عامل‌محور فعلی شما، درک علت-معلولی دارند یا فقط زنجیره‌ای از احتمالات را دنبال می‌کنند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.