در حالی که صنعت هوش مصنوعی در مسابقهای بیپایان برای تملک برچسبهای پرطنین «AGI» (هوش عمومی مصنوعی) و «ابر هوش» (Superintelligence) گره خورده است، الکساندر لبرون، مدیرعامل AMI Labs، استارتآپ مدل جهانی حمایتشده توسط یان لیکان، گویا بازی را به سبک خود بازی میکند. او نه تنها از این اصطلاحات فرار نمیکند، بلکه اصلاً برندهای مارکتینگی آنها را برای تعریف ماموریت شرکت خود بیربط میداند.
واژههای پر از حباب، ابزارهای تعریفکننده نیستند
در مصاحبهای صریح با TechCrunch در حاشیه کنفرانس بینالمللی یادگیری ماشین (ICML) در سئول، لبرون موضع.company را شفاف کرد: «ما هرگز از کلمه AGI استفاده نکردیم. و من تازه متوجه شدم که دیگر کسی از آن استفاده نمیکند؛ آنها به «ابر هوش» تغییر مسیر دادهاند. دفعه بعد به چیز دیگری تغییر خواهند داد.»
او درباره واژه «ابر هوش» نیز بیرحمانه است: «هیچ تعریف خوب و عملی برای آن وجود ندارد. ابر هوش چیست؟ من نمیدانم. این کلمه چندان مفیدی برای مهندسی یا ساخت محصول نیست.» این موضعگیری از جانب بنیانگذارِ شرکتی که در مرکز موضوعِ داغترین بحثهای هوش مصنوعی قرار دارد، اشارهای دارد به یک فلسفه محصولمحور به جای رئوسازی واژگان.
مدل جهانی: مغز گمشده برای دنیای فیزیکی
AMI Labs هنوز در فاز پیشازمحصول (Pre-product) است، اما چشمانداز آن عظیم است: ساخت «مدل جهانی» (World Model). برخلاف مدلهای زبانی بزرگ (LLM) که پیشبینی «کلمهی بعدی» را آموزش میبینند، مدل جهانی به پیشبینی «حالت بعدی جهان» میپردازد.
لبرون با مثالی ساده این مفهوم را تشریح میکند: «لیوانی را از روی میز هل دهید. شما از پیش میدانید که واژگون شده و آب میریزد. این شهود فیزیقی، پیشبینی حالت بعدی، همان چیزی است که مدل جهانی باید بیاموزد.»
او بر تکامل مکمل، نه جایگزینی، تأکید دارد: «LLMها برای پردازش زبان بینظیرند، اما درک دنیای فیزیکی نقطه ضعف آنهاست. مدلهای جهانی این خلأ را پر میکنند، درست مثل آنکه مغز انسان ماژولهای مجزا برای زبان و استدلال فیزیکی دارد.»
رباتیک: از کارخانههای ایستا به خیابانهای پرخطر
حوزهی اول و برجستهی کاربرد این تکنولوژی، رباتیک است. لبرون تصویر فعلی را اینگونه ترسیم میکند: «رباتهای امروز فقط روالهای ثابت و کاملاً ایستا اجرا میکنند. هوش مصنوعی در دنیای فیزیکی واقعاً «احمق» است.»
او به یک حادثه واقعی اشاره میکند: رباتی که در یک رویداد عمومی در حال رقص و کونگفو بود، ناگهان به سمت یک کودک حرکت کرد و او را لگد زد. «سختافزار فوقالعاده پیشرفته شده، اما مغزی برای درک بافت (Context) وجود ندارد. حتی اگر AI فقط بافت را درک کند، تفاوت عظیمی برای ایمنی جهان ایجاد میشود.»
چالش اصلی زمانی نمایان میشود که ربات از قفس کارخانه خارج شود: «در خانه، خیابان، بیمارستان؛ محیطهایی که پیشبینیناپذیر، شلوغ و پر از انسان هستند. رباتها الان ایمن نیستند و راهحلِ امروز برای این مسئله وجود ندارد.»
مراقبتهای بهداشتی: پزشکی فقط با کتاب درسی، بدون کارآموزی
لبرون که پیش از این Nabla، استارتآپ هوش مصنوعی در حوزه سلامت را تاسیس کرده، تشبیهی زیبا میآورد: «سیستمهای فعلی AI در پزشکی شبیه به پزشکی هستند که فقط کتابهای درسی خوانده و هیچکدام کارآموزی (Residency) نداشتهاند. LLMها ممکن است ۱٪ مراقبتها را پوشش دهند، اما ۹۹٪ باقیمانده به تجربهی دنیای واقعی بستگی دارد.»
این دیدگاه، ضرورتِ خروج از آزمایشگاه و ورود بهובןِ واقعی را برای آموزش مدلهای جهانی غیرقابلانکار میسازد.
استراتژی آسیا: آنجا که سختافزار، سرعت و کارخانهها زندهاند
لبرون برای یافتن این «دنیای واقعی» به سمت آسیا، و به طور خاص کره جنوبی، رو میکند. دو عامل تصمیمگیرنده او هستند:
- اکوسیستم سختافزاری پیشرفته: کره الجنوبية در رباتیک، نیمهرساناها و تولید پیشرفته، قدرتهای världی دارد؛ بخشهایی که موج اول AI (مبنی بر نرمافزار و داده) نتوانست به خوبی در آنها نفوذ کند.
- سرعت اجرا و پذیرش تکنولوژی: لبرون یادآور میشود: «کره ۲۵ سال پیش سریعترین پذیرنده اینترنت در جهان بود.» ترکیب این Geschwindigkeit با زیرساخت صنعتی، کره را به شریک ایدهآل برای تست و استقرار مدلهای جهانی تبدیل میکند.
او استراتژی کامل را هنوز «بسیار زود» میداند، اما پیامدها مشخص است: آینده هوش مصنوعی در اتاقهای سرور نیست، بلکه در کارخانهها، بیمارستانها و خیابانها شکل میگیرد؛ جایی که فیزیک حاکم است و پیشبینی حالت بعدی، حیاتیتر از پیشبینی کلمهی بعدیست.
منبع اصلی: TechCrunch
