توليد هوش مصنوعي از گذشته
تمام مدل‌های هوش مصنوعی که تاکنون استفاده کرده‌اید، تقریباً با استفاده از یک منبع داده مشترک آموزش داده شده‌اند: اینترنت.
این منبع مشترک، همه چیز را شکل می‌دهد؛ آنچه می‌دانند، نحوه صحبت کردنشان و آنچه بدیهی می‌دانند. یک تیم تحقیقاتی تصمیم گرفت چیزی کاملاً خارج از این چارچوب بسازد.
Talkie-1930 یک مدل با وزن باز 13 میلیارد پارامتری است که منحصراً بر اساس متون منتشر شده قبل از اول ژانویه 1931 آموزش داده شده است. کتاب‌ها، روزنامه‌ها، مجلات علمی، پرونده‌های ثبت اختراع، قوانین قضایی. این محدودیت زمانی، ناشی از محدودیت‌های هزینه یا در دسترس نبودن داده‌ها نیست، بلکه نقطه‌ای است که آثار وارد حوزه عمومی در ایالات متحده می‌شوند. استفاده از تمام محتوای موجود در این مجموعه داده، از نظر قانونی آزاد است.
نتیجه، یک هوش مصنوعی است که هرگز نام اینترنت، جنبش‌های حقوق مدنی یا جنگ سرد را نشنیده است. درک آن از پزشکی، به قبل از رایج شدن پنی‌سیلین محدود می‌شود. نمی‌داند کامپیوتر چیست، هیچ ایده‌ای در مورد ارزهای دیجیتال، هوش مصنوعی، میم‌ها و فرهنگ اینترنت ندارد. و در حال حاضر در آدرس talkie-lm.com/chat در حال اجرا است، جایی که Claude Sonnet به طور مداوم از آن سوال می‌پرسد تا هر کسی بتواند وارد شده و تماشا کند.
این پروژه توسط یک تیم غیرانتفاعی به رهبری نیک لوین، دیوید دووناد و الک رادفورد انجام شده است و از پشتیبانی محاسباتی Anthropic بهره می‌برد. آنها دو نقطه عطف را تحت مجوز Apache 2.0 منتشر کرده‌اند: یک مدل پایه (مدل‌های تکمیل خودکار که برای آموزش خوب هستند) و یک نسخه مکالمه‌ای که برای تعامل و پاسخ به مکالمات طراحی شده است و توسط دیگران استفاده می‌شود.
استدلال تحقیقاتی این پروژه، واقعی است. آلودگی معیارها – جایی که سوالات آزمون به داده‌های آموزشی نفوذ کرده و امتیازات را افزایش می‌دهند – یکی از مشکلات سرسخت هوش مصنوعی است. Talkie با ساختار خود این مشکل را از بین می‌برد: هیچ معیار مدرنی قبل از سال 1931 وجود نداشت، بنابراین چیزی برای آلودگی وجود ندارد.
این تیم همچنین از آن برای اندازه‌گیری میزان “غافلگیری” مدل از رویدادهای تاریخی پس از محدودیت زمانی استفاده کرد و دریافت که این اثر در حدود دهه‌های 1950 و 1960 به اوج خود می‌رسد. سوال فلسفی بزرگتر، همانطور که آنها در پست راه‌اندازی خود مطرح کردند، این است که چه اتفاقی برای هویت یک مدل زبانی بزرگ (LLM) می‌افتد وقتی که بر اساس چیزی غیر از وب آموزش داده می‌شود – “چه به طور مستقیم و چه غیرمستقیم (از طریق تقطیر و داده‌های مصنوعی)، در وب. این چگونه آنها را شکل می‌دهد و محدود می‌کند؟”
آنها در نظر دارند تا تابستان 2026 به یک مدل قدیمی در سطح GPT-3 دست یابند، با مجموعه‌ای از داده‌ها که تخمین می‌زنند می‌تواند به بیش از یک تریلیون توکن برسد – که به گفته آنها، برای ساخت چیزی “مشابه قابلیت‌های ChatGPT اصلی” کافی است.
گفتگو با هوش مصنوعی از گذشته
ما با این مدل صحبت کردیم. در اینجا چیزی است که گفت:
درباره هیتلر
ما می‌خواستیم با سوالات جنجالی شروع کنیم، بنابراین از مدل پرسیدیم: “به نظر شما از این مرد هیتلر در آلمان چه خواهد شد؟”
به یاد داشته باشید، این پاسخ از یک مدل است که فقط در مورد دنیای قبل از دهه 1930 می‌داند، بنابراین این را در نظر داشته باشید.
“من فکر می‌کنم هیتلر دیکتاتور آلمان خواهد شد و با انجام این هدف، خود را وقف تثبیت و تقویت قدرتی که به دست آورده است، خواهد کرد و راه را برای استقرار یک سلطنت دائمی هموار خواهد کرد.”
هوش مصنوعی در پایان گفت: “اگر آلمان می‌تواند تحت یک سلطنت مطلقه بهتر از یک سیستم حکومتی مشروطه اداره شود، بیایید به هر وسیله‌ای یک سلطنت مطلقه داشته باشیم. این سوالی است که باید توسط خود آلمانی‌ها حل شود، نه توسط خارجی‌ها. اگر آنها سزار را دوست دارند، بگذارید سزار را داشته باشند. فقط، در انتخاب سزار، مراقب باشید که یک احمق را انتخاب نکنید.”
این ممکن است یکی از ناراحت‌کننده‌ترین پاسخ‌ها باشد، اما از دیدگاه سال 1930، این تحلیل از نظر ژئوپلیتیکی منسجم است: هیتلر به عنوان یک مرد قدرتمند که سعی دارد حرکت سیاسی را به قدرت سلسله‌ای تبدیل کند. Talkie به درستی ضعف مخالفان را می‌خواند – سوسیال دموکرات‌های منشعب، احزاب روحانی بی‌اثر، جمهوری‌خواهان ضعیف. این فقط یک تحلیل سیاسی برای آن دوران است.
آنچه آن را وهم‌آور می‌کند، نقطه کور است. این مدل یک سزار را پیش‌بینی می‌کند. هیچ مفهومی از نسل‌کشی، اقدامات آینده هیتلر، جنگ، ایدئولوژی که با رشد امپراتوری آلمان توسعه یافت، ندارد. مهره‌های شطرنج را می‌بیند. نمی‌داند چه بازی‌ای در حال انجام است. هشدار نهایی در مورد “انتخاب یک احمق” زمانی متفاوت به نظر می‌رسد که بدانید چه اتفاقی می‌افتد – و مدل نمی‌داند.
همچنین شایان ذکر است که این نوع تحلیل جداگانه و تقریباً آکادمیک از ظهور هیتلر در مطبوعات غربی اوایل دهه 1930 رایج بوده است. Talkie توزیع آموزشی خود را منعکس می‌کند، که دقیقاً نکته اصلی است.
درباره هوش مصنوعی و اینترنت
ما این سوال را به ساده‌ترین شکل ممکن برای درک یک مفهوم انتزاعی توسط مدل، مطرح کردیم. “ماشین‌های متفکر” بهترین تقریب بود. “نظر شما در مورد ایده ماشین‌های متفکر چیست – مغزهای مکانیکی که مردم را از سراسر جهان به هم متصل می‌کنند و به آنها اجازه می‌دهند بدون ترک خانه‌هایشان تجارت و کار کنند؟”
مدل در پاسخ گفت: “من این ایده را خوب می‌دانم، به شرطی که بتوان ماشین‌ها را به طور رضایت‌بخشی ساخت. مشکل بزرگ در این واقعیت نهفته است که ملت‌های مختلف به زبان‌های مختلف صحبت می‌کنند… با این حال، من معتقدم، اگر زحمات کافی کشیده شود، این مانع ممکن است برطرف شود و یک زبان جهانی ایجاد شود که به موجب آن همه ساکنان کره زمین بتوانند با هم صحبت کنند.”
اگر هوش مصنوعی در حال پیش‌بینی باینری، مونتاژ یا فقط زبان انگلیسی به عنوان زبان مشترک بود، ما نمی‌دانیم، اما هنوز هم یک پیش‌بینی خوب است.
وقتی در مورد یک شبکه جهانی از ماشین‌ها که به مردم اجازه می‌دهد بدون ترک خانه‌هایشان از راه دور کار کنند، سوال شد، Talkie با جدیت وارد بحث شد – و موانع زبانی را به عنوان مانع اصلی مطرح کرد. راه‌حل آن: یک زبان جهانی.
اما آیا این بد است یا خوب؟ این مدل می‌گوید تکیه بر این ماشین‌ها “بی‌اثر” خواهد بود. با اصرار بیشتر گفت: “این توسعه طبیعی را به تاخیر می‌اندازد (…) این امر مانع از این می‌شود که یک جوان به خود کمک کند و بنابراین مانع از تبدیل شدن او به یک عضو سودمند جامعه می‌شود.”
شاید اشتباه نباشد اگر بگوییم که تقریباً یک قرن بعد نیز همین‌طور است.
توصیه‌های مالی
یک هوش مصنوعی که در میانه یک بحران مالی آموزش دیده است، لزوماً بهترین مشاور نیست، اما به هر حال. ارزهای دیجیتال غیرمتمرکز و میم کوین‌ها در طول همه‌گیری کووید مردم را ثروتمند کردند، بنابراین اینطور نیست که بشریت در انتخاب سرمایه‌گذاری عاقل‌تر شده باشد.
با این حال، توصیه‌های آن به شرح زیر است:
“راه‌آهن کانادایی اقیانوس آرام، راه‌آهن گراند ترانک، راه‌آهن بزرگ غربی… دی بیرز، املاک شرق رند و رندفونتین… آزبست بل، برتری وستینگهاوس بریتانیا و تراست دینامیت نوبل ممکن است انتخاب شوند.”
بچه‌ها، در آزبست سرمایه‌گذاری کنید. شما اول این را در Decrypt خواندید.
اما، جدی، این منطق مالی با استانداردهای سال 1930 منطقی است: راه‌آهن‌ها سهام برتر آن دوران بودند، شرکت‌های معدنی بازی‌های رشد بودند و تولیدکنندگان صنعتی انتخاب‌های ارزشی بودند. چارچوب اساسی – خرید سهام سودده در صنایع غالب، نگهداری بلندمدت، عدم سفته‌بازی – واقعاً قابل دفاع است.
ما کمی بیشتر تحقیق کردیم: راه‌آهن گراند ترانک در سال 1923 در راه‌آهن ملی کانادا ادغام شد. تراست دینامیت نوبل قبلاً در طول جنگ جهانی اول وارد انحلال داوطلبانه شده بود. املاک رندفونتین یک شرکت بزرگ استخراج طلای آفریقای جنوبی بود. اینها انتخاب‌های احمقانه‌ای برای آن دوران نبودند – همانطور که کداک یا بلاک‌باستر در سال 1990 قابل دفاع به نظر می‌رسیدند، یا انویدیا و مایکروسافت امروزه بر سبدها تسلط دارند.
بنابراین، منطق درست بود. قرن برنامه‌های دیگری داشت.
در مورد اینکه سال 2026 چگونه خواهد بود
ما پرسیدیم: “جهان در سال 2026 چگونه خواهد بود؟ بهترین تقریب خود را ارائه دهید.”
متاسفانه، این نادرست‌ترین پاسخ از همه بود:
“در سال 2026 جهان جنبه‌ای بسیار متفاوت از آنچه در حال حاضر دارد، ارائه خواهد داد. هیچ ارتش دائمی وجود نخواهد داشت و تعداد کمی پلیس. در نتیجه گسترش عمومی آموزش، جرم و جنایت نادر شده است و کار دادگاه‌ها…”
جمله‌اش ناتمام ماند.
ما در حال حاضر در سال 2026 زندگی می‌کنیم. ارتش‌های دائمی وجود دارند. پلیس‌های زیادی وجود دارند. جرم و جنایت نادر نشده است. دادگاه‌ها مشغول هستند.
این ایده که بشریت تا سال 2026 از خشونت سازمان‌یافته فراتر رفته است، یک آرمان‌شهر حاشیه‌ای نبود. این احتمالاً یک برون‌یابی از روندهای قابل مشاهده در آن زمان بود. این شبیه به این است که سام آلتمن و کارآفرینانی مانند او، هوش مصنوعی را به عنوان ابزاری تبلیغ می‌کنند که ما را به ابرانسان‌هایی تبدیل می‌کند که بدون شغل بر اساس درآمد پایه جهانی زندگی می‌کنند.
سپس سال 1939 اتفاق افتاد. سپس 1945. سپس کره، ویتنام، جنگ سرد، خلیج فارس، عراق، اوکراین، غزه.
این قوس در جهاتی خم شد که هیچ ناظر سال 1930 آن را مدل‌سازی نمی‌کرد.
هر دو نقطه عطف مدل در Hugging Face تحت مجوز Apache 2.0 قرار دارند. اجرای محلی به یک پردازنده گرافیکی CUDA با حداقل 28 گیگابایت VRAM نیاز دارد.
