خبر چیست، و چه چیزش هنوز قطعی نیست
OpenAI از مدل تازهای به نام GPT-6 Astra رونمایی کرده و آن را یک «جهش نسلی» توصیف کرده است. مدل ابتدا در اختیار گروه محدودی از سازمانها قرار گرفته و بعد برای کاربران Plus و Pro و Business عرضه میشود. همراه اعلام، مقایسهای هم منتشر شده که در آن Astra از مدل رقیب جلوتر است.
و همینجا چیزی هست که باید صریح گفته شود: آن مقایسه را خودِ OpenAI منتشر کرده. سازندهای که نتیجهٔ آزمونِ خودش را دربارهٔ محصولِ خودش و رقیبش اعلام میکند، هنوز ارزیابیِ مستقل نیست. این یعنی عدد دروغ است؟ نه. یعنی هنوز کسی بیرون از آن شرکت تکرارش نکرده، و تا آن موقع نقلِ آن بهعنوان واقعیت، یک قدم جلوتر از داده حرف زدن است.
دو نکتهٔ دیگر از همان اعلام، که از خودِ عددها مهمترند:
- Astra برای نظارت بر آموزشِ خودش از مدلهای قبلیِ OpenAI استفاده کرده. یعنی مدل، در ساختنِ نسلِ بعدی نقش دارد — و این مسیر، فاصلهٔ میان نسلها را کوتاهتر میکند.
- OpenAI میگوید مدل به «آستانهٔ توانمندیِ سایبریِ بحرانی» رسیده و در شرایطی میتواند آسیبپذیریِ ناشناخته را پیدا کند. دسترسی به این بخش فعلاً محدود به گروههای تأییدشده است.
رئیس OpenAI گفته شاید چند سال بعد، این مدل یکی از نقاط آغازِ عصرِ هوش عمومی شمرده شود. «شاید» و «چند سال بعد» بخشی از جملهاند، نه حاشیهاش. هر کس این جمله را بدون آن دو قید نقل کند، حرفی زده که گوینده نزده.
هوش عمومی مصنوعی، به زبان ساده
مدلی که امروز داریم در کارهای بسیاری خوب است: مینویسد، خلاصه میکند، کد میزند، ترجمه میکند. هوش عمومی مصنوعی یعنی سامانهای که هر کار فکری را در سطح انسان انجام دهد — نه فقط کارهایی که برایشان نمونه دیده است.
فرقش با امروز در یک کلمه خلاصه میشود: تعمیم.
یک مثال ساده. به مدل امروزی کاری بدهید که شبیهش را در دادهاش ندیده. در بیشتر موارد چیزی میگوید که شبیهِ جواب است — ساختارش درست، لحنش مطمئن، محتوایش ساختگی. انسانِ متخصص در همان موقعیت میگوید «این را نمیدانم» و میرود یاد بگیرد. آن یک جمله، همان چیزی است که هنوز فاصلهٔ اصلی است.
و یک واقعیتِ ناخوشایند که کمتر گفته میشود: تعریفِ پذیرفتهشدهای برای مرزِ هوش عمومی وجود ندارد و آزمونی هم نیست که همه قبولش داشته باشند. هر چند سال، آزمونی که قرار بود نشانهٔ رسیدن باشد، از سوی مدلی رد میشود و بلافاصله میگویند «خب این که نشانه نبود». برای همین بحثِ «رسیدیم یا نرسیدیم» بیشتر یک مناظره است تا یک اندازهگیری.
موضعِ درست همان است که در همهٔ کارهایمان تکرار میکنیم: جایی که داده نداریم، جواب نمیسازیم.
چیزی که کمتر گفته میشود: مدلِ قویتر، معماری را گرانتر میکند
برداشتِ رایج این است که هرچه مدل قویتر شود، کارِ ساختنِ سیستم روی آن کمتر میشود — یعنی روزی میرسد که کافی است سؤال را بدهی و جواب را بگیری. تجربهٔ ساختِ سیستمهای واقعی خلافِ این را نشان میدهد. چهار دلیل، و هر چهار از کدی میآید که وجود دارد:
یک — مدل عوض میشود، تصمیمها نمیشوند
هر چند ماه مدلی بهتر میآید. سیستمی که به یک مدلِ مشخص چسبیده باشد، با هر نسل باید بازنویسی شود. سیستمی که لایهٔ ارکستراسیون داشته باشد، مدل را عوض میکند و بقیهاش سرِ جایش میماند.
ارکستراسیون هوش مصنوعی یعنی همین چهار تصمیم: کدام کار به کدام مدل برود، چه چیزی میان فراخوانیها نگه داشته شود، وقتی تأمینکننده جواب نداد چه بشود، و کجا سیستم باید بگوید نمیدانم.
هیچکدام از این چهار تصمیم با آمدنِ مدلِ تازه عوض نشد. این را میشود وارسی کرد: سیستمهایی که ساختهایم روی مدلهای بزرگ ساخته شدهاند، و عوض شدنِ مدل برایشان یک تغییرِ تنظیمات است، نه یک پروژهٔ تازه.
دو — هرچه سیستم مستقلتر، مرز مهمتر
وقتی سازندهٔ مدل خودش میگوید محصولش به آستانهٔ توانمندیِ سایبریِ بحرانی رسیده، معنایش برای یک کسبوکارِ معمولی این نیست که باید بترسد. معنایش این است که اجازهها دیگر جزئیاتِ پیادهسازی نیستند؛ تصمیمِ معماریاند.
در سیستمِ فایلینگی که ساختهایم، یک قاعده در سطحِ داده نوشته شده و مدل نمیتواند دورش بزند:
«اگر منطقهای درخواست شد که در این لیست نیست، هرگز اطلاعات ساختگی نده. بگو: این محدوده نیاز به بررسی میدانی دارد.»
این قاعده ماهها پیش از این خبر نوشته شد و ربطی به آن ندارد. ولی هرچه مدلِ زیرش تواناتر شود، ارزشش بیشتر میشود — و دلیلش وارونهٔ چیزی است که به نظر میرسد: مدلِ ضعیف وقتی چیزی از خودش میسازد معمولاً معلوم است؛ مدلِ قوی همان کار را با لحنی انجام میدهد که مشتریِ شما باور میکند.
توهمِ قانعکننده، از توهمِ آشکار خطرناکتر است.
و این دقیقاً همان چیزی است که خریدارِ ایرانیِ این محصولات از آن میترسد. در گفتگو با کسبوکارها، سؤالی که تقریباً همیشه پرسیده میشود این نیست که «چقدر باهوش است»؛ این است که «اگر به مشتریِ من چیزِ غلط بگوید چه؟» تنها جوابِ باورپذیر برای این سؤال، نشان دادنِ قاعدهٔ امتناع است — نه قول دادن، نه تعریف کردن از مدل.
سه — وقتی سیستم بیشتر کار میکند، دفترِ ثبت راهِ فهمیدن است
اگر کاری را به سیستم بسپاری، برای اینکه بعداً بفهمی چه کرد، باید خودش نوشته باشد. در سیستمِ ما یازده رویداد بهصورت فهرستِ بسته تعریف شدهاند — یعنی هیچ فیلدِ وضعیتی با متنِ آزاد وجود ندارد — و هر نوشتن، نسخه و زمانِ خودش را همراه دارد.
فرقِ این با «لاگ» فرقِ حسابرسی با یادداشت است. لاگ میگوید چیزی اتفاق افتاد؛ دفترِ رویدادِ بسته میگوید دقیقاً کدام اتفاق، کِی، و روی کدام نسخه. هرچه سیستم مستقلتر شود، فاصلهٔ این دو بزرگتر میشود.
چرا فهرستِ بسته و نه متنِ آزاد؟ چون متنِ آزاد را نمیشود شمرد. اگر یک رویداد را سیستم گاهی «تماس گرفته شد» بنویسد و گاهی «پیگیری شد»، شش ماه بعد هیچکس نمیتواند بگوید در این مدت چند بار پیگیری انجام شده. با فهرستِ بسته، همان سؤال یک شمارش ساده است. این تفاوت وقتی معلوم میشود که کسی بخواهد از سیستم حساب بکشد — و روزی که مدل کارهای بیشتری انجام میدهد، دقیقاً همان روزی است که این سؤال پرسیده میشود.
چهار — مدلِ قویتر، مسئلهٔ کسبوکارِ شما را حل نمیکند
هیچ مدلی — هرقدر قوی — نمیداند مشتریِ شما دیروز در دایرکت چه پرسید و امروز در واتساپ چه گفت. نمیداند کدام استعلام بیجواب مانده. نمیداند سیاستِ قیمتگذاریِ شما چیست و کدام مشتری قبلاً تخفیف گرفته.
اینها دانشِ مدل نیستند؛ دانشِ سیستمِ اطرافِ مدلاند. یک مدلِ دو برابر تواناتر، اینها را دو برابر بهتر نمیداند — همانقدر میداند که دیروز میدانست، یعنی هیچ.
این برای کسبوکار ایرانی یعنی چه
سه چیز، و هر سه امروز عملیاند:
۱. منتظرِ نسلِ بعد نمانید. رایجترین جملهای که این روزها میشنویم این است: «صبر میکنیم مدلها بهتر شوند بعد شروع میکنیم.» ولی چیزی که با هر نسل عوض میشود خودِ مدل است؛ چهار تصمیمی که بالا آمد عوض نمیشوند. کسبی که امروز پروندههای مشتریانش را مرتب کند و مسیرِ پاسخگوییاش را بنویسد، نسلِ بعدیِ مدل را با عوض کردن یک تنظیم میگیرد. کسبی که صبر کند، سالِ بعد از همان نقطهای شروع میکند که امروز ایستاده.
۲. وابستگی به یک تأمینکننده، در ایران یک ریسکِ اضافه دارد. دسترسی به سرویسهای خارجی از ایران پایدار نیست: گاهی سرویس از اینجا باز نمیشود، گاهی قطعی پیش میآید، گاهی پرداخت انجام نمیشود. سیستمی که بتواند مدلش را عوض کند، این را به یک تصمیمِ ساده تبدیل میکند؛ سیستمی که نتواند، هر بار از کار میافتد و کسی هم نمیتواند کاری بکند.
این را با یک عدد بسنجید: اگر سرویسِ اصلیتان یک روز در ماه در دسترس نباشد، یعنی سالی دوازده روز پاسخگویی ندارید. برای فروشگاهی که بیشترِ سفارشهایش از دایرکت میآید، دوازده روزِ پراکنده بیشتر از یک تعطیلیِ دوازدهروزه ضرر میزند، چون مشتری نمیداند بستهاید — فکر میکند جواب نمیدهید.
۳. مسئلهٔ زبان و صنف، با قویتر شدنِ مدل حل نمیشود. مدل فارسی را خوب میفهمد، ولی نمیداند در بازارِ شما «استعلام» یعنی چه، یا مشتریِ کلینیک با مشتریِ املاک چه فرقی دارد. آنچه این را حل میکند، دانشِ بازار است که بهصورت داده در سیستم نوشته شود، نه دستوری که به مدل داده شود. در سیستمِ ما دانشِ سیزده منطقهٔ یک شهر — با نقدشوندگی، خریدارِ هدف، ردهٔ قیمت، مزیت و عیب — به همین شکل نوشته شده و منابعش هم کنارش ثبت شده.
برای یک کسبوکارِ ایرانی، جمعِ این سه یعنی: کاری که امروز میارزد انجام دادن، ساختنِ لایهای است که به مدل وابسته نباشد. خبرِ فردا هرچه باشد، آن لایه سرِ جایش میماند.
اگر بخواهید از یک جا شروع کنید، از سادهترینش شروع کنید: بنویسید سیستم اجازه دارد دربارهٔ چه چیزهایی حرف بزند و دربارهٔ چه چیزهایی نه. همین یک فهرست، پیش از هر کدی، بیشترِ ریسک را برمیدارد — و با هر نسلِ مدل هم معتبر میماند، چون دربارهٔ کسبوکارِ شماست نه دربارهٔ مدل.
آنچه ادعا نمیکنیم
اینجا نمیگوییم پیشبینی کرده بودیم، و ادعا نمیکنیم پیش از دیگران به فارسی از این موضوع نوشتهایم. هیچکدام قابل اثبات نیست، و قاعدهٔ محتوایی این سایت چنین ادعاهایی را رد میکند — همان قاعدهای که دقیقاً به این دلیل نوشته شد که رقیب بتواند حرفِ ما را وارسی کند و نتواند ردش کند.
آنچه میگوییم قابل بررسی است: سیستمهایی که ساختهایم روی مدلهای بزرگ بنا شدهاند نه بهجای آنها؛ قاعدهٔ امتناع و دفترِ رویدادِ بسته در کدشان با تاریخ موجود است؛ و هیچکدام با آمدنِ نسلِ تازهٔ مدل بیاثر نشد.
اگر یک جمله از این نوشته بماند
مدلِ قویتر، سؤالِ «چه کاری را به آن بسپاریم و کجا جلویش را بگیریم» را مهمتر میکند، نه بیموضوع.
هر خبری از این جنس که فردا برسد — و میرسد — همین جمله را دوباره ثابت میکند. کسی که امروز این لایه را ساخته باشد، خبرِ فردا برایش یک فرصت است. کسی که نساخته باشد، هر بار از نو شروع میکند.