چرا شبیه‌سازهای هوش مصنوعی در زیرساخت‌های نرم‌افزاری متوقف شده‌اند؟

باید بدانید که رقابت میان غول‌هایی چون دیپ‌مایند (DeepMind)، انویدیا (NVIDIA)، ورلد لبز (World Labs) و آزمایشگاه جدید یان لکان (Yann LeCun) دیگر بر سر تولید متن نیست. هدف فعلی، ساخت سامانه‌هایی است که بتوانند پیامدهای اقدامات یک عامل (Agent) را شبیه‌سازی کنند، نه اینکه صرفاً کلمات را ردیف کنند. این موضوع نشان‌دهنده یک چرخش بنیادین در صنعت هوش مصنوعی است؛ جایی که پیش‌بینی «حالت بعدی محیط» جایگزین پیش‌بینی «واژه بعدی» شده است. این رویکرد جدید در راستای سرمایه‌گذاری‌های کلانی است که یان لکان برای جایگزینی پیش‌بینی توکن با مدل‌های جهان پیش برده است. اهمیت این تغییر جهت تا جایی پیش رفت که لکان متا را ترک کرد، زیرا سرمایه‌ها و استعدادهای صنعت اکنون به دنبال این مسیر جدید حرکت می‌کنند.

این تغییر مسیر در واقع یک حرکت اساسی به سوی «هوش مصنوعی فیزیکی» (Physical AI) است. برای سال‌ها، صنعت بر بهینه‌سازی زبان تمرکز داشت، اما اکنون هدف از «نمایش» (Representation) به «شبیه‌سازی» (Simulation) تغییر یافته است. تا ۱۰ جولای ۲۰۲۶، تمایز میان یک رندرکننده (که صرفاً پیکسل خروجی می‌دهد) و یک شبیه‌ساز (که قوانین زیربنایی فیزیک را درک می‌کند)، به تنش و نقطه بحث اصلی در این حوزه تبدیل شده است. این تلاش برای درک قوانین فیزیکی، پروژه‌های جسورانه و سرمایه‌گذاری‌های میلیاردی مانند Odyssey را برای آموزش فیزیک به هوش مصنوعی به تکامل رسانده است.

زمینه: نمایش در برابر شبیه‌سازی

تیم فی-فی لی (Fei-Fei Li) در مقاله‌ای در سال جاری تلاش کردند تا از تبدیل شدن اصطلاح «مدل جهان» (World Model) به یک برچسب عمومی برای هر مدلی که یک صحنه را خروجی می‌دهد، جلوگیری کنند. استدلال آن‌ها این است که نیمه سختِ این مسئله، شبیه‌سازی است. در حالی که بسیاری از مدل‌ها می‌توانند یک صحنه را «نمایش» دهند، تعداد بسیار کمی از آن‌ها می‌توانند واقعاً آن نمایش را به جلو برانند تا آینده را پیش‌بینی کنند.

بر اساس تحلیل‌های فنی وب‌سایت dev.to، مدل‌های جهان واقعی برای عمل کردن باید دو وظیفه متمایز را به طور هم‌زمان انجام دهند:

• آن‌ها باید یک نمایش از سیستم و موجودیت‌های آن، و همچنین نحوه اتصال و ارتباط میان این موجودیت‌ها را حفظ کنند.
• آن‌ها باید بتوانند این نمایش را به جلو اجرا کنند تا وضعیت‌های آینده را پیش‌بینی نمایند.

جزئیات فنی پیاده‌سازی‌های فعلی

در حال حاضر، ما شاهد پیاده‌سازی‌های متفاوتی هستیم که هر کدام جایگاه متفاوتی در این طیف دارند:

• جینی ۳ (Genie 3): این مدل صحنه‌های تعاملی باکیفیتی تولید می‌کند، اما در دسته «رندرکننده‌ها» قرار می‌گیرد؛ زیرا فاقد ساختار واقعی در زیر لایه پیکسلی است و قوانین محیطی را درک نمی‌کند.
• کوسموس انویدیا (NVIDIA Cosmos): این سیستم به عنوان یک شبیه‌ساز واقعی عمل می‌کند. کوسموس ویدیوهایی با دقت فیزیکی بالا تولید می‌کند که برای آموزش ربات‌ها و پشته‌های (Stacks) سیستم‌های خودران به کار می‌روند.
• مدیریت موارد خاص (Edge Cases): این قابلیت به سامانه‌ها اجازه می‌دهد تا برای حوادثی با تأثیر بالا، مانند تصادفات در انبارها یا وقوع تورنادو، بدون هیچ‌گونه ریسک در دنیای واقعی تمرین کنند.

شرکت‌هایی نظیر وایمو (Waymo)، فیگور (Figure)، وابی (Waabi)، اجیلیتی (Agility) و اوبر (Uber) هم‌اکنون از کوسموس در محیط عملیاتی خود استفاده می‌کنند تا سناریوهای آموزشی بسازند؛ سناریوهایی که جمع‌آوری دستی آن‌ها یا بیش از حد خطرناک است یا به دلیل نادر بودن، دسترسی به آن‌ها دشوار است. این استراتژی ثابت می‌کند که شبیه‌سازی شکست‌های هزینه‌بر، بسیار برتر از انتظار برای وقوع آن‌ها در واقعیت است.

با این حال، این قابلیت هنوز به زیرساخت‌های نرم‌افزاری منتقل نشده است. اکثر فروشنده‌های ابزارهای نظارت (Observability) در سطح «گراف زمینه» (Context Graph) متوقف شده‌اند؛ گرافی که خدمات، وابستگی‌ها، مالکیت، استقرار‌های اخیر و حوادث گذشته را ترسیم می‌کند. یک گراف می‌تواند به شما بگوید چه سرویسی به سرویس پرداخت وابسته است یا در طول سه جهش اخیر تأخیر (Latency Spikes) چه چیزی خراب شده است، اما نمی‌تواند به پرسش «اگر این اتفاق بیفتد چه می‌شود؟» پاسخ دهد، زیرا هیچ مفهومی از حرکت زمان به جلو ندارد. این فقدان ابزار تحلیل پیش‌بینانه، همان بن‌بستی است که عیب‌یابی سنتی در برابر ساختارهای ترنسفورمری برای تحلیل علت ریشه‌ای ایجاد کرده است.

به نظر ما، پیاده‌سازی مدل‌های جهان در زیرساخت، معادل هوش مصنوعی برای «مهندسی آشوب» (Chaos Engineering) خواهد بود. مهندسان SRE یک دهه است که از مهندسی آشوب استفاده می‌کنند تا چیزها را عمداً و به روشی کنترل‌شده بشکنند تا یاد بگیرند سیستم‌ها چگونه شکست می‌خورند. یک مدل جهان زیرساختی، همین نتیجه را بدون ایجاد «شعاع تخریب» (Blast Radius) فراهم می‌کند؛ به جای تزریق یک شکست واقعی برای مشاهده ریزش‌های زنجیره‌ای، مدل پیش از آنکه اتفاقی بیفتد، تمام این روند را بازی کرده و پیش‌بینی می‌کند.

البته پیاده‌سازی این مدل‌ها در نرم‌افزار به‌طور قابل توجهی سخت‌تر از دنیای فیزیکی است. مدل‌های فیزیکی از قوانین جهانی بهره می‌برند: گرانش و تکانه در هر صحنه‌ای که کوسموس تولید می‌کند، یکسان عمل می‌کنند. اما زیرساخت نرم‌افزاری هیچ ثابت یا قانون جهانی ندارد. هر سیستم به روش خاص خود شکست می‌خورد، قوانین با هر استقرار (Deployment) جدید تغییر می‌کنند و محرک‌ها می‌توانند بر اساس وضعیت‌های غیرقابل مشاهده، به سه روش مختلف باعث ریزش زنجیره‌ای شوند.

برای تیم‌های فنی، این بدان معنای است که اتکای فعلی صنعت به گراف‌های ایستای نظارت، تنها نیمی از راه حل است. انتقال به سمت شبیه‌سازی، معیار عملکرد SRE را از «پایش واکنشی» به «مدل‌سازی پیش‌بینانه شکست» تغییر می‌دهد. اگر زیرساخت‌ها از طریق این مدل‌ها ساختاری‌تر شوند، ریسک ریزش‌های فاجعه‌بار به‌شدت کاهش می‌یابد. چالش اصلی همچنان در ثبت وضعیت‌های متغیر استقارهای نرم‌افزاری در مقایسه با ثبات قوانین فیزیک است.

گام بعدی شما

• بررسی مستندات NVIDIA Cosmos برای درک نحوه تولید داده‌های مصنوعی (Synthetic Data) جهت آموزش عامل‌ها.
• مطالعه متدهای جدید در «مدل‌سازی وضعیت» (State Modeling) برای جایگزینی گراف‌های وابستگی ایستا در سیستم‌های مانیتورینگ.
• رصد پیشرفت‌های آزمایشگاه یان لکان در زمینه جداسازی رندرینگ از شبیه‌سازی.

اما پیچیدگی‌های سخت‌افزاری برای اجرای این شبیه‌سازها حتی چالش‌برانگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.