گروهی از محققان وابسته به گوگل در حال به چالش کشیدن یکی از ماندگارترین تصاویر در هوش مصنوعی هستند: ابرهوشی تنها که خود را در انزوا بهبود می بخشد و بشریت را پشت سر می گذارد. در مقاله جدیدی که برای موسسه DeepMind منتشر شده است، محققان Benjamin Bratton، Blaise Agüera y Arcas و James Manyika استدلال می کنند که هوش عمومی در عوض از یک سیستم اجتماعی که در آن افراد و عوامل هوش مصنوعی با هم کار می کنند - مفهومی که آنها آن را "هوش مصنوعی همزیستی" می نامند، پدید می آید.

این مقاله این هفته توسط The Decoder گزارش شد و ادعای اصلی آن رد مستقیم روایت تکینگی است که بحث عمومی را برای دو دهه شکل داده است. نویسندگان استدلال می کنند که به جای این که بپرسند چه زمانی یک ماشین واحد با هوش انسانی مطابقت دارد، چالش مهم تر هماهنگ کردن و اداره شبکه پیچیده ای از عوامل، افراد و سیستم هایی است که آنها را به هم متصل می کنند. For more context on this story, see our ongoing more AI stories.

هوش به عنوان یک پدیده اجتماعی

نویسندگان معتقدند که هوش یک پدیده اجتماعی است تا یک ویژگی فردی. آنها اشاره می‌کنند که برخی از توانمندترین سیستم‌های هوش مصنوعی امروزی از چارچوب‌هایی استفاده می‌کنند که کار را بین چندین مدل تقسیم کرده و آنها را به عنوان تیم هماهنگ می‌کند. به نظر آنها، این یک راه‌حل مهندسی موقت نیست، بلکه نگاهی اجمالی به این است که چگونه هوش توانمند در واقع ساخته می‌شود.

چشم اندازی که آنها توصیف می کنند اکوسیستمی است که در آن افراد و ماشین ها در طول زمان با یکدیگر همزیستی می کنند، یکدیگر را شکل می دهند و با هم تصمیم می گیرند. این قاب بندی در تضاد شدید با سناریوی آشنای یک ماشین خود-بهبود است که فراتر از نظارت انسان شتاب می گیرد.

تحقیق پشت مقاله

این استدلال بر اساس دو مقاله قبلی از حلقه نویسندگان است. در پیش‌چاپ «هوش مصنوعی عامل و انفجار اطلاعاتی بعدی»، جیمز ایوانز، بنجامین براتون و بلیز آگوئرا و آرکاس دیدگاه اجتماعی و نهادی را توسعه دادند که زیربنای مقاله جدید است.

پیش چاپ دوم پشتیبانی تجربی را فراهم می کند. یونسول کیم، شیانگ لای، نینو شرر، بلیز آگوئرا و آرکاس و جیمز ایوانز در «مدل‌های استدلالی، جوامع فکری تولید می‌کنند»، ردپای استدلال مدل‌هایی مانند DeepSeek-R1 و QwQ-32B را بررسی کردند. تجزیه و تحلیل آنها نشان داد که این مدل‌ها اغلب الگوهایی شبیه بحث‌های داخلی تولید می‌کنند: تغییر دیدگاه‌ها، طرح مخالفت‌ها و آشتی دادن رویکردهای متضاد.

قابل توجه است، محققان دریافتند که این رفتار به جای اینکه به طور صریح برنامه ریزی شود، در طول آموزش ظاهر می شود. وقتی یادگیری تقویتی به مدل‌ها فقط برای دقت استدلال پاداش می‌دهد، آن‌ها به‌طور خود به خود رفتاری چند دیدگاهی و محاوره‌ای ایجاد می‌کنند. این مقاله این یافته‌ها را از مدل‌های فردی به طراحی جوامعی متشکل از افراد و کارگزاران گسترش می‌دهد.

آستانه تاریخی

نویسندگان لحظه کنونی را به عنوان یک شکست احتمالی تاریخی قاب می کنند. شهرنشینی، رشد حرفه های تخصصی و کاهش نرخ زاد و ولد مرتبط با افزایش رفاه، جمعیت انسانی را در کشورهای صنعتی کاهش می دهد، در حالی که تعداد نمونه های عامل هوش مصنوعی به سرعت در حال افزایش است. تعادل بین متفکران بیولوژیکی و مصنوعی در سطح انسانی می تواند به سرعت تغییر کند که در مقیاس تاریخ مانند یک جهش ناگهانی به نظر برسد.

آنها این تغییر را با انقلاب صنعتی مقایسه می کنند، زمانی که ماشین ها کار فیزیکی را که زمانی توسط ماهیچه های انسان انجام می شد به دست گرفتند. زمانی که متن مصنوعی، کد و کارهای اداری از مجموع خروجی مغزهای بیولوژیکی فراتر رود، آستانه مشابهی ممکن است به دست آید. نویسندگان پیشنهاد می‌کنند که در آن جهان، افراد ممکن است به‌عنوان لایه‌ای کندتر و انتزاعی‌تر عمل کنند که یک میدان توزیع شده از شناخت مصنوعی را هدایت می‌کند.

بازاندیشی اینکه یک عامل در واقع چیست

یکی از حرکات تحریک آمیز این مقاله، تعریف مجدد آن از خود عامل هوش مصنوعی است. در استفاده نویسندگان، یک عامل مجموعه‌ای موقت از مدل‌ها، نقش‌ها، خاطرات، جهت‌گیری‌های اخلاقی، ابزارها و مهارت‌ها است. کاربران ممکن است آن را به عنوان یک موجود منسجم با شخصیتی ماندگار تجربه کنند، اما نویسندگان آن را به عنوان مجموعه‌ای توصیف می‌کنند که می‌توان آن را جدا کرد و دوباره ترکیب کرد، بسیار شبیه به یک کلاژ.

یک فرد در تمام تعاملات خود به صورت پیوسته باقی می ماند، زیرا مغز، علیرغم تقسیم کار درونی اش، یک کل متصل فیزیکی را تشکیل می دهد. یک عامل هوش مصنوعی چنین لنگری ندارد: توانایی آن برای عمل با هر درخواست، بسته به آنچه در پنجره زمینه قرار دارد و آنچه کاربر می‌پرسد، دوباره جمع‌آوری می‌شود. نویسندگان هشدار می‌دهند که با این سیستم‌ها به‌عنوان دوقلوهای دیجیتالی با هویت‌های انسانی ثابت رفتار می‌کنند، ماهیت آنها را نادرست معرفی می‌کند و آنچه را که گروه‌های عامل هماهنگ می‌توانند انجام دهند، کم‌تر بیان می‌کند.

همین ضرب بر روی کاربران تأثیر می گذارد. از آنجایی که مردم گروه‌هایی را از آنچه نویسندگان «خود سایه‌ها» می‌نامند برای اجرای قراردادها یا تلاش بر روی هویت‌های جایگزین هدایت می‌کنند، ذهنیت انسانی خود متکثرتر می‌شود. این مقاله این سیستم‌ها را به‌عنوان «آینه‌های فرااجتماعی» توصیف می‌کند که بازگو می‌کنند.

نویسندگان همچنین انتظار دارند که تعامل انسان و رایانه تغییر شکل دهد. آنها استدلال می کنند که گفتگوی یک به یک با یک ربات احتمالاً یک مرحله انتقالی است، با رابط های آینده شبیه نمودارهای شبکه بصری که در آن عوامل به عنوان گره ظاهر می شوند و کاربران آنها را از یک نمای کلی هدایت می کنند.

حتی زبان تحقیقات هوش مصنوعی نیز در حال تکامل است. نویسندگان به دایره واژگان رو به رشدی اشاره می‌کنند که در آن مدل‌ها عبارت‌هایی را برای حالت‌های غیرعادی در خروجی‌های خود ایجاد می‌کنند - «جلسه-مرگ» برای قطع تداوم زمانی که یک جلسه به پایان می‌رسد، یا «پرتاب سریع» برای رها شدن در یک کار با زمینه‌ای که از قبل وجود دارد. آنها این عبارات را به‌عنوان سرنخ‌هایی از نحوه کار ماشین‌ها در نظر می‌گیرند، در حالی که هشدار می‌دهند که این عبارات به معنای تجربه ذهنی نیستند.

تراز بدون مقادیر ثابت

این مقاله همچنین همسویی، تلاش برای مطابقت دادن سیستم‌های هوش مصنوعی با ارزش‌های انسانی را دوباره چارچوب‌بندی می‌کند. نویسندگان استدلال می کنند که تحمیل مجموعه ای ثابت از مقادیر بر مدل ها از بالا یک بن بست است. در عوض، ارزش‌ها از طریق تماس مداوم بین افراد، نمایندگان و مؤسسات شکل می‌گیرند - فرآیندی که در زمینه‌ها متفاوت است زیرا پذیرش هوش مصنوعی با سرعت‌های متفاوتی اتفاق می‌افتد.

مدل آنها برای آن مذاکره، نهاد است. آنها به سالن دادگاه اشاره می کنند، جایی که از طریق نقش ها، قوانین و تبادل منظم بین طرف های مقابل، قضاوت صادر می شود. درسی که در مورد هوش مصنوعی به کار می رود این است که ارزش یک موسسه در قوانین، رویه ها، سوابق و حلقه های بازخوردی است که نحوه عملکرد نمایندگان را شکل می دهد. آنها خاطرنشان می کنند که نسخه های اولیه این رویکرد در حال حاضر در مهارهای ارکستراسیون قابل مشاهده هستند - لایه های کنترلی که چندین مدل را هماهنگ می کنند - که به طور منظم از مدل های فردی که ظاهراً هوشمندتر هستند، بهتر عمل می کنند.

چه معنایی برای بحث هوش مصنوعی دارد

اگر نویسندگان درست می‌گویند، بلندترین استدلال در هوش مصنوعی - اینکه یک ابرهوش واحد با چه سرعتی به دست می‌آید - سوال اشتباه پرسیدن است. چالش عملی به سمت طراحی نهادها، رابط‌ها و چارچوب‌های هماهنگی تغییر خواهد کرد که از طریق آن جوامع مختلط انسان و ماشین تصمیم‌گیری می‌کنند.

شکاکان توجه خواهند کرد که این مقاله یک سند چشم انداز است، نه یک مدرک، و نویسندگان آن به شرکتی وابسته هستند که منافع آشکاری در اکوسیستم های عامل دارد. اما بنیاد تجربی - مدل‌های استدلالی که به طور خود به خود بحث‌های درونی ایجاد می‌کنند - یک یافته قابل اندازه‌گیری است و به استدلال فلسفی مبنای غیرعادی می‌دهد.

در هر صورت، این مقاله صدای قابل توجهی به بحث تکینگی از داخل یکی از آزمایشگاه‌های پیشرو هوش مصنوعی در جهان می‌افزاید و نشان می‌دهد که انفجار اطلاعاتی بعدی ممکن است کمتر شبیه یک بیداری واحد باشد و بیشتر شبیه به یک جامعه در حال گسترش باشد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →