چرا صنعت هوش مصنوعی بی‌سروصدا معنای «هوش جامع مصنوعی» را تغییر می‌دهد

وقتی در دهه ۱۹۹۰ اولین کامپیوترهای شطرنج‌باز توانستند استادبزرگ‌های انسانی را شکست دهند، تعریف هوش ماشینی خیلی راحت یک قدم عقب رفت و به صفحه بازی «گو» (Go) منتقل شد. اما حالا که مدل‌های پیشگام هوش مصنوعی اجرای خودکار وظایف چندساعته مهندسی نرم‌افزار را آغاز کرده‌اند، تعریف «هوش جامع مصنوعی» (AGI) دیگر فقط جابه‌جا نمی‌شود، بلکه در حال فروپاشی کامل است. تفاوت این بار در این است که خط پایان دیگر یک بازی رومیزی با قوانین ثابت نیست؛ بلکه کل اقتصاد دانش‌بنیان جهانی است.[7]

کاتالیزور این فروپاشی در اوایل سپتامبر ۲۰۲۶ از راه رسید، زمانی که OpenAI مدل GPT-6 Astra خود را عرضه کرد. در جریان نشست خبری، گرگ براکمن (Greg Brockman)، رئیس OpenAI، با اعلام اینکه «به عصر AGI خوش آمدید»، این سیستم را به‌عنوان یک جهش نسلی معرفی کرد که قادر است به‌طور خودکار با نرم‌افزارها کار کند و فرم‌ها را پر کند.[1]

با این حال، درست چند روز پیش از این رونمایی، گزارش شد که سم آلتمن (Sam Altman)، مدیرعامل OpenAI، دقیقاً همان واژه‌ای را که شرکتش برای دستیابی به آن تأسیس شده بود، رد کرده و AGI را «یک اصطلاح با تعریف بسیار ضعیف» و «یک عبارت بازاریابی بی‌ربط» خوانده است. همان‌طور که بلومبرگ در ۷ سپتامبر گزارش داد، این تناقض به‌خوبی وضعیت فعلی صنعت هوش مصنوعی را به تصویر می‌کشد: رهبرانی که در حال ساخت این فناوری هستند، دیگر بر سر اینکه خط پایان واقعاً چه شکلی است، توافق ندارند.[1]

برای درک این تغییر، باید به آنچه واقعاً در حال عرضه است در برابر آنچه از نظر تاریخی وعده داده شده بود، نگاه کرد. دهه‌هاست که دانشمندان علوم کامپیوتر، AGI را به‌عنوان یک ماشین نظری تعریف کرده‌اند که در هر حوزه قابل‌تصوری با شناخت انسان برابری کرده یا از آن پیشی می‌گیرد؛ مفهومی که اکنون اغلب با عنوان «AGI کامل» (Full AGI) شناخته می‌شود.[7]

آنچه OpenAI و دیگران در حال حاضر مستقر می‌کنند، به‌طور فزاینده‌ای «AGI کاربردی» (Functional AGI) نامیده می‌شود. این تعریف محدودتر، به‌جای فلسفه، ریشه در اقتصاد دارد. منشور خود OpenAI، هوش جامع مصنوعی را به‌عنوان «سیستم‌های بسیار خودمختاری که در بیشتر کارهای دارای ارزش اقتصادی، از انسان‌ها بهتر عمل می‌کنند» تعریف می‌کند.[1]

تحت این چارچوب اقتصادی، آستانه توانمندی‌ها متفاوت به نظر می‌رسد. برای مثال، Astra به‌گونه‌ای طراحی شده است که بیشتر شبیه یک عامل (Agent) عمل کند تا یک چت‌بات؛ سیستمی که مجموعه‌ای از اقدامات را در محیط‌های مختلف انجام می‌دهد، مانند اجرای انتقال پایگاه داده یا قالب‌بندی اسناد، بدون اینکه نیازی به دستورات گام‌به‌گام انسانی داشته باشد.[1]

شرکت Anthropic، رقیب اصلی OpenAI نیز به‌طور مشابه خود را از چارچوب سنتی AGI دور کرده است. در مصاحبه‌ای در ژانویه ۲۰۲۶، دنیلا آمودی (Daniela Amodei)، رئیس Anthropic، هوش جامع مصنوعی را مفهومی دانست که روزبه‌روز منسوخ‌تر می‌شود. آمودی گفت: «سال‌ها پیش، این مفهوم که بپرسیم 'چه زمانی هوش مصنوعی به اندازه یک انسان توانمند خواهد شد؟' تا حدودی کاربردی بود.»[2]

او خاطرنشان کرد که این چارچوب‌بندی در حال فروپاشی است، زیرا مدل‌هایی مانند Claude (محصول Anthropic) در حال حاضر در حوزه‌های خاصی مانند توسعه نرم‌افزار از توانایی‌های یک انسان معمولی فراتر رفته‌اند، اما همزمان در انجام کارهایی که انسان‌ها به‌راحتی از پس آن‌ها برمی‌آیند، شکست می‌خورند. او با تأکید بر پروفایل توانمندی‌های ناهموار (jagged) مدل‌های زبانی بزرگ امروزی افزود: «طبق برخی از آن تعاریف، ما همین حالا هم از آن عبور کرده‌ایم.»[2]

برای ایجاد نظم در این هرج‌ومرج تعاریف، محققان Google DeepMind در ۱۰ ژوئن ۲۰۲۶ مقاله‌ای ۵۷ صفحه‌ای با عنوان «از AGI تا ASI» منتشر کردند. این محققان، از جمله شین لگ (Shane Legg)، هم‌بنیان‌گذار DeepMind، چارچوب دقیقی را پیشنهاد کردند که ایده صفر و یکی بودن AGI را کنار می‌گذارد و به‌جای آن، یک پیوستار به‌سوی «ابر هوش مصنوعی» (ASI) را جایگزین می‌کند.[3]

بر اساس طبقه‌بندی DeepMind، یک AGI «شایسته» (competent) در طیف وسیعی از وظایف غیرفیزیکی از ۵۰ درصد بزرگسالان ماهر بهتر عمل می‌کند، در حالی که یک سیستم «فوق‌بشری» (superhuman) به آستانه ۱۰۰ درصدی می‌رسد. برای عملی کردن این نظریه، گوگل در مارس ۲۰۲۶ یک هکاتون ۲۰۰ هزار دلاری در پلتفرم Kaggle راه‌اندازی کرد تا ارزیابی‌های مربوط به توانایی‌های شناختی مانند فراشناخت (metacognition) و شناخت اجتماعی را از طریق جمع‌سپاری به دست آورد.[4][6]

فوریت در تعریف این معیارها ناشی از فشرده شدن سریع زمان‌بندی‌هاست. گزارشی از مؤسسه RAND در ۲۴ مارس ۲۰۲۶، پیش‌بینی‌های کارشناسان را ترکیب کرد و دریافت که تخمین‌ها برای دستیابی به AGI به‌طور قابل‌توجهی از اواسط قرن به سمت آینده نزدیک تغییر کرده است، به‌طوری که برخی از پیش‌بینی‌ها به اواخر دهه ۲۰۲۰ اشاره دارند.[5]

نویسندگان گزارش RAND با هشدار نسبت به اینکه این حوزه فاقد معیارهای مقاوم در برابر اشباع و تقلب (gaming) است، خاطرنشان کردند: «تصمیم‌گیرندگان بر اساس روش‌هایی تصمیم‌گیری می‌کنند که در مراحل اولیه توسعه قرار دارند.» این گزارش تأکید کرد که اگرچه ابهام در تعاریف باعث بروز برخی اختلافات می‌شود، اما بحث‌های بنیادین بر سر این موضوع که آیا معماری‌های فعلی واقعاً می‌توانند تعمیم‌پذیر باشند یا خیر، همچنان پابرجاست.[5]

این بحث معماری، هسته اصلی شک‌وتردید پیرامون «AGI کاربردی» است. منتقدان استدلال می‌کنند سیستم‌هایی که صرفاً بر پایه مدل‌های زبانی ساخته شده‌اند، فاقد استدلال انعطاف‌پذیر و مستقلی هستند که برای اختراع چیزهای واقعاً جدید لازم است. در حالی که مارک چن (Mark Chen)، مدیر ارشد تحقیقات OpenAI، در اوت ۲۰۲۶ ادعا کرد که این شرکت «۸۰ درصد از راه» رسیدن به AGI را طی کرده است، افراد بدبین چنین درصدهایی را صرفاً بازاریابی‌های دلبخواهی برای سیستم‌هایی می‌دانند که هنوز به تطبیق الگو متکی هستند.[1][7]

در نهایت، این صنعت در حال معاوضه پیگیری فلسفی برای خلق یک «انسان دیجیتال»، با استقرار عمل‌گرایانه یک «نیروی کار دیجیتال» است. اینکه آیا یک سیستم دارای خودآگاهی واقعی است یا خیر، برای توسعه‌دهندگان اهمیت کمتری پیدا کرده است تا اینکه آیا می‌تواند یک تیکت مهندسی نرم‌افزار ۴۰ ساعته را با موفقیت اجرا کند. تعریف AGI حل نشده است؛ بلکه صرفاً بازتعریف شده تا با آنچه این صنعت می‌داند چگونه بفروشد، مطابقت داشته باشد.[7]