زمان‌بندی هوش عمومی مصنوعی در حال فشرده شدن است
به گفته داریو آمودی، مدیرعامل شرکت Anthropic، زمان برای آماده‌سازی سیاست‌گذاران در حال اتمام است، سریع‌تر از آنچه بسیاری تصور می‌کنند.
آمودی در یک میزگرد در مجمع جهانی اقتصاد در داووس، در کنار دیمیس هاسابیس، مدیرعامل Google DeepMind، هشدار داد که تکامل سریع هوش مصنوعی آماده است تا از انعطاف‌پذیری بازارهای کار و نهادهای اجتماعی پیشی بگیرد.
آمودی پیش‌بینی تهاجمی خود را مبنی بر اینکه هوش مصنوعی در سطح انسانی تنها چند سال دیگر فاصله دارد، نه دهه‌ها، تأیید کرد.
آمودی گفت: «فکر نمی‌کنم این اتفاق خیلی دور باشد.» او بر پیش‌بینی خود مبنی بر اینکه قابلیت‌های فوق بشری می‌تواند تا سال‌های ۲۰۲۶ یا ۲۰۲۷ به دست آید، پافشاری کرد. «خیلی سخت است که ببینم چطور ممکن است بیشتر از این طول بکشد.»
موتور محرک این شتاب، یک حلقه بازخورد در حال ظهور است که در آن مدل‌های هوش مصنوعی شروع به خودکارسازی ایجاد خود کرده‌اند. آمودی خاطرنشان کرد که در Anthropic، نقش سنتی مهندس نرم‌افزار در حال حاضر توسط هوش مصنوعی دوباره تعریف می‌شود.
او گفت: «من مهندسانی در Anthropic دارم که می‌گویند: «من دیگر هیچ کدی نمی‌نویسم. فقط اجازه می‌دهم مدل کد را بنویسد، من آن را ویرایش می‌کنم.»» «شاید شش تا دوازده ماه دیگر از زمانی که مدل بیشتر، شاید همه، کارهایی را که [مهندسان نرم‌افزار] انجام می‌دهند، از ابتدا تا انتها انجام می‌دهد، فاصله داشته باشیم.»
در حالی که آمودی پیشرفت را به سرعت در حال افزایش می‌بیند – که تنها با عرضه تراشه و چرخه‌های آموزشی محدود می‌شود – هاسابیس دیدگاهی سنجیده‌تر ارائه کرد.
او گفت: «من فکر می‌کنم پیشرفت قابل توجهی حاصل شده است، اما دیدن اینکه چگونه برخی از حوزه‌های مهندسی، کدنویسی یا ریاضیات خودکار می‌شوند، آسان‌تر است، تا حدی به این دلیل که قابل تأیید هستند – خروجی چیست.» «برخی از حوزه‌های علوم طبیعی بسیار سخت‌تر هستند. شما لزوماً نمی‌دانید که آیا ترکیب شیمیایی که ساخته‌اید، یا پیش‌بینی‌ای در مورد فیزیک، درست است یا خیر. ممکن است مجبور شوید آن را به صورت تجربی آزمایش کنید و این زمان بیشتری می‌برد.»
هاسابیس گفت که سیستم‌های هوش مصنوعی فعلی هنوز فاقد توانایی تولید سؤالات، نظریه‌ها یا فرضیه‌های اصلی هستند، حتی با وجود اینکه در حل مشکلات تعریف‌شده بهبود می‌یابند.
هاسابیس گفت: «طرح سؤال در وهله اول، یا ارائه نظریه یا فرضیه، بسیار سخت‌تر است.» «این بالاترین سطح خلاقیت علمی است و مشخص نیست که ما این سیستم‌ها را داشته باشیم.»
مدیر DeepMind یک «احتمال ۵۰ درصدی» برای رسیدن به هوش عمومی مصنوعی تا سال ۲۰۳۰ را حفظ کرد و به شکاف بین محاسبات با سرعت بالا و نوآوری واقعی اشاره کرد.
پیامدهای اقتصادی
با وجود جدول زمانی‌های متفاوتشان، این دو رهبر به یک اجماع غم‌انگیز در مورد پیامدهای اقتصادی رسیدند و توافق کردند که مشاغل یقه سفید در تیررس قرار دارند.
آمودی قبلاً تخمین زده بود که تا نیمی از نقش‌های حرفه‌ای سطح پایه ممکن است در عرض پنج سال از بین بروند، احساسی که او در داووس بر آن تأکید کرد.
نگرانی اصلی برای هر دو مدیر اجرایی، نه فقط خود فناوری، بلکه توانایی دولت‌های جهان برای همگامی با آن است. هاسابیس هشدار داد که حتی بدبینانه‌ترین اقتصاددانان ممکن است سرعت این انتقال را دست‌کم بگیرند و خاطرنشان کرد که «پنج تا ده سال دیگر، زمان زیادی نیست.»
برای آمودی، وضعیت از یک چالش فنی به یک «بحران» وجودی در حکمرانی تبدیل شده است.
او گفت: «این اتفاق خیلی سریع در حال رخ دادن است و یک بحران است، ما باید تقریباً تمام تلاش خود را صرف فکر کردن در مورد چگونگی عبور از این بحران کنیم.» در حالی که او همچنان خوش‌بین است که خطرات – از اصطکاک ژئوپلیتیکی گرفته تا سوء استفاده فردی – قابل مدیریت هستند، هشدار داد که زمان برای خطا کم است.
آمودی گفت: «این خطری است که اگر با هم کار کنیم، می‌توانیم به آن رسیدگی کنیم.» «اما اگر خیلی سریع پیش برویم که هیچ حفاظی وجود نداشته باشد، فکر می‌کنم خطر بروز مشکل وجود دارد.»
تغییر ماهیت مشاغل
برخی از تحلیلگران کارگری استدلال می‌کنند که این اختلال ممکن است کمتر به عنوان جایگزینی مستقیم شغل و بیشتر به عنوان بازسازی خود کار حرفه‌ای ظاهر شود.
باب هاچینس، مدیرعامل Human Voice Media، گفت که موضوع اصلی این نیست که آیا هوش مصنوعی جایگزین کارگران می‌شود یا خیر، بلکه این است که چگونه ماهیت مشاغل آنها را تغییر می‌دهد.
هاچینس گفت: «ما باید از پرسیدن این سؤال که آیا هوش مصنوعی جایگزین مشاغل ما می‌شود یا خیر، دست برداریم و شروع به پرسیدن این سؤال کنیم که چگونه آنها را تخریب می‌کند؟» «تهدیدی مستقیم وجود ندارد که یک ماشین کاملاً جایگزین فردی شود که کار یک نویسنده یا برنامه‌نویس را انجام می‌دهد. تهدید این است که این شغل به وظایف کوچکتر تقسیم می‌شود و توسط یک الگوریتم مدیریت می‌شود.»
به گفته هاچینس، این تغییر، نقش‌های انسانی را از «خالق» به «تأییدکننده» تغییر می‌دهد.
او گفت: «این توانایی متخصصان را برای تصمیم‌گیری از بین می‌برد و مشاغل حرفه‌ای معنادار را به مشاغل غیر ماهر و کم‌درآمد با تمرکز بر تکمیل وظایف فردی تقسیم می‌کند.»
او افزود: «نیروی کار در حال ناپدید شدن نیست، بلکه کمتر آشکار، ناامن‌تر و بسیار دشوارتر برای اتحادیه‌سازی می‌شود.»
