شرط‌بندی پاسکال به داد مدیران رسید: چطور در قمار بزرگ AGI بازنده نباشیم؟

طی ماه‌های اخیر، تب‌وتاب هوش مصنوعی دوباره حسابی بالا گرفته و سازمان‌های بزرگ بیش‌تر از هر زمان دیگه‌ای دارن برای به‌کارگیری ایجنت‌ها هزینه می‌کنن. نگرانی تابستان گذشته مبنی بر این‌که «آیا هوش مصنوعی واقعاً تاثیری رو کسب‌وکارها می‌ذاره؟»، حالا جاش رو به ترسی عمیق‌تر و وجودی داده: نکنه هوش مصنوعی بیش از حد توانمند بشه و همه چیز رو زیرورو کنه؟

محدودیت‌های سفت‌وسختی که مقامات آمریکایی موقع عرضه مدل‌هایی مثل Mythos 5، Fable 5 و ChatGPT-5.6 وضع کردن، زنگ خطری جدی بود که خواب رو از سر خیلی‌ها پروند؛ زنگ خطری که با خبر جنجالی اوپن‌ای‌آی در ماه ژوئیه درباره حمله سایبریِ مدلی آزمایشی که از «قفس آموزشی» خودش فرار کرده بود، حسابی پررنگ‌تر شد. حالا پرونده داغ هوش عمومی مصنوعی (AGI) دوباره روی میز اومده و سوال‌های آخرالزمانی رو زنده کرده: پایان کار انسان‌ها؟ پایان آزادی؟ یا پایان بشریت؟ همین دغدغه‌ها کار رو برای مدیران ارشدی که موظف شدن سازمان‌هاشون رو به سمت تحول هوش مصنوعی ببرن، حسابی پیچیده و پرچالش کرده.

اما وقتی از AGI حرف می‌زنیم، دقیقاً منظورمون چیه؟ هوش عمومی مصنوعی یعنی سیستمی که بتونه تمام وظایف ذهنی و فکری انسان رو حداقل به اندازه بهترینِ ما انجام بده؛ یا به قول داریو آمودی، مدیرعامل آنتروپیک: «کشوری از نوابغ در دل یک دیتا سنتر!» هرچند بعضی‌ها ادعا می‌کنن رسیدن به این نقطه نزدیکه، اما بیش‌تر پژوهشگران (حدود ۷۶ درصد در نظرسنجی سال ۲۰۲۵ انجمن پیشبرد هوش مصنوعی) معتقدن برای رسیدن به چنین دستاوردی، هنوز به جهش‌های علمی بسیار بزرگ‌تری نیاز داریم.

این وسط جایگاه انسان‌ها کجاست؟ راستش رو بخواید، انسان‌ها هنوز خیلی خوب دوام آوردن و میدان رو خالی نکردن. دانشمندان هوش مصنوعی از پدیده‌ای به اسم «ناهمواری» (Jaggedness) در توانایی‌های مدل‌ها صحبت می‌کنن؛ یعنی مدل‌ها در یک‌سری مهارت‌ها از نابغه‌ترین انسان‌ها هم جلوترن، ولی در یک‌سری کار‌های بدیهی کاملاً لنگ می‌زنن! حتی تو حوزه توسعه نرم‌افزار که مرزها حسابی به نفع هوش مصنوعی جابه‌جا شده، هنوز هم قضاوت انسان‌ها برای تصمیم‌گیری درباره معماری سیستم، سنجش اولویت‌های محصول و تقسیم مسئولیت‌ها کاملاً حیاتی و جایگزین‌ناپذیره.

حالا سه، پنج یا ده سال دیگه اوضاع چطور می‌شه؟ هیچ‌کس دقیق نمی‌دونه! علم کنونی هنوز در یک نقطه‌ای متوقف می‌شه: مدل‌های یادگیری امروزی وقتی کار می‌کنن که یک تصمیم یا درسته یا غلط؛ نه در منطقه خاکستری و پر از ابهامی که بخش بزرگی از زندگی روزمره ما رو تشکیل می‌ده. یادگیری حین کار و انتقال تجربیات عملی، شالوده اصلی سازمان‌هاست و نمی‌شه این همه ظرافت، ابهام و پیچیدگی انسانی رو به راحتی به کد تبدیل کرد. با این حال، آزمایشگاه‌های هوش مصنوعی شبانه‌روز روی نسل‌های بعدی مدل‌ها کار می‌کنن. شاید با کمبود داده روبه‌رو شده باشیم – همون‌طور که ایلیا سوتسکور، هم‌بنیان‌گذار اوپن‌ای‌آی می‌گه: «ما فقط یک اینترنت داریم» – اما هوش مصنوعی فیزیکی و مدل‌های متصل به دنیای واقعی قراره زمین بازی رو حسابی گسترش بدن. شاید از نظر انرژی و مواد اولیه برای توان پردازشی سرسام‌آور با محدودیت روبه‌رو بشیم، اما نوآوری هم با سرعتی باورنکردنی به پیش می‌تازه...

کدوم مدیریه که وقتی به حجم کار لازم برای همگام‌کردن شرکتش با هوش مصنوعی امروز و سایه دور یا نزدیک AGI فکر می‌کنه، دچار سرگیجه نشه؟ در این نقطه، «بلز پاسکال» بهترین مشاور ممکنه! این فیلسوف معروف با این‌که خودش اعتراف کرده بود «سکوت ابدی این فضا‌های بی‌کران من رو می‌ترسونه»، اما یک راه‌حل هوشمندانه رو کرد: همون «شرط‌بندی معروف پاسکال». نسخه مدیریتی این استدلال می‌گه: اگر از همین امروز سازمانت رو متحول کنی و سر و کله AGI خیلی دیر پیدا بشه یا اصلاً نیاد، باز هم تو بردی و زحماتت هدر نرفته، چون سازمانت بهره‌ورتر شده؛ و اگر در نهایت AGI واقعاً از راه برسه، حداقل هم‌پای بقیه توی بازی هستی و جا نموندی. برای هر قمارباز کاربلدی، فقط یک تصمیم منطقی وجود داره: تحول رو شروع کن و شرطت رو ببند!