یان لکان: صنعت هوش مصنوعی در بن‌بست؛ LLMها به «ابرهوش» نمی‌رسند

پیشینه یان لکان و انتقاد از رویکردهای فعلی

لکان با ۴۰ سال سابقه فعالیت حرفه‌ای به عنوان دانشمند علوم کامپیوتر، از پیشروترین متخصصان هوش مصنوعی در جهان محسوب می‌شود. او یکی از سه محقق برجسته‌ای است که جایزه تورینگ، معروف به «نوبل دنیای پردازش»، را به دلیل کارهایش بر روی شبکه‌های عصبی دریافت کرده است؛ فناوری‌ای که امروزه پایه و اساس هوش مصنوعی مدرن را تشکیل می‌دهد. او همچنین بیش از یک دهه به عنوان دانشمند ارشد هوش مصنوعی در متا، شرکت مادر فیسبوک و اینستاگرام، فعالیت داشت. اما پس از ترک متا در ماه نوامبر، دکتر لکان به صراحت از رویکرد تک‌بعدی سیلیکون‌ولی در ساخت ماشین‌های هوشمند انتقاد کرده است.

او معتقد است که مدل‌های زبانی بزرگ (LLMها)، که فناوری محوری در محصولات پرطرفداری مانند ChatGPT هستند، دارای محدودیت‌های ذاتی هستند و نمی‌توانند به سطوح بالاتری از هوش دست یابند. لکان اشاره می‌کند که شرکت‌ها بخش عمده‌ای از منابع خود را صرف پروژه‌هایی می‌کنند که آنها را به هدف نهایی‌شان، یعنی ساخت کامپیوترهایی با هوش انسانی یا حتی هوشمندتر، نخواهد رساند. او همچنین پیش‌بینی می‌کند که شرکت‌های خلاق‌تر چینی ممکن است زودتر به این نقطه دست پیدا کنند.

«یک اثر گله‌ای (Herd effect) وجود دارد که در آن همه در سیلیکون‌ولی باید روی یک چیز واحد کار کنند. این امر فضای زیادی برای رویکردهای دیگر باقی نمی‌گذارد که ممکن است در بلندمدت بسیار نویدبخش‌تر باشند.»

ریشه‌های شبکه‌های عصبی و تکامل هوش مصنوعی

بخش عمده‌ای از تلاش‌های کنونی صنعت فناوری ریشه در ایده‌ای دارد که لکان از دهه ۱۹۷۰ آن را پرورش داده است. او در دوران دانشجویی خود در پاریس، مفهوم «شبکه‌های عصبی» را پذیرفت، در حالی که بسیاری از محققان آن را ایده‌ای بی‌فایده می‌دانستند. شبکه‌های عصبی، سیستم‌های ریاضی هستند که با تجزیه و تحلیل داده‌ها، مهارت‌ها را فرا می‌گیرند. در ابتدا، این سیستم‌ها کاربرد عملی نداشتند، اما یک دهه بعد، لکان و همکارانش در آزمایشگاه‌های بل نشان دادند که این سیستم‌ها می‌توانند کارهایی مانند خواندن دست‌نوشته‌ها روی پاکت‌نامه‌ها یا چک‌های شخصی را انجام دهند.

تا اوایل دهه ۲۰۱۰، محققان ثابت کردند که شبکه‌های عصبی می‌توانند در طیف وسیعی از فناوری‌ها، از جمله سیستم‌های تشخیص چهره، دستیارهای دیجیتال و خودروهای خودران، به کار گرفته شوند.

دیدگاه لکان در مورد خطرات هوش مصنوعی

پس از عرضه ChatGPT، دو محققی که جایزه تورینگ ۲۰۱۸ را همراه با دکتر لکان دریافت کرده بودند، هشدار دادند که هوش مصنوعی در حال تبدیل شدن به پدیده‌ای بیش از حد قدرتمند است و می‌تواند آینده بشریت را تهدید کند. اما دکتر لکان این ادعاها را پوچ می‌داند.

«سروصدای زیادی پیرامون این ایده وجود داشت که سیستم‌های هوش مصنوعی ذاتاً خطرناک هستند و قرار دادن آنها در دست همه اشتباه است. اما من هرگز به این موضوع اعتقاد نداشتم.»

لکان همچنین بر اشتراک‌گذاری آزادانه تحقیقات از طریق مقالات آکادمیک و فناوری‌های «متن‌باز» (Open Source) توسط متا و رقبای آن تأکید دارد. او معتقد است که رویکرد متن‌باز امن‌ترین مسیر برای توسعه هوش مصنوعی است، زیرا هیچ شرکتی کنترل کامل فناوری را در دست نخواهد داشت و همه می‌توانند برای شناسایی و مقابله با خطرات احتمالی از این سیستم‌ها استفاده کنند.

خطر عقب‌ماندگی آمریکا و پیشتازی چین

دکتر لکان هشدار می‌دهد که شرکت‌های آمریکایی ممکن است برتری خود را در زمینه هوش مصنوعی به رقبای چینی که همچنان از رویکرد متن‌باز استفاده می‌کنند، واگذار کنند.

«این یک فاجعه است. اگر همه پذیرا و باز باشند، کل این حوزه با سرعت بیشتری پیشرفت می‌کند.»

کار هوش مصنوعی متا در سال گذشته با چالش‌هایی مواجه شد. پس از انتقاد محققان خارجی از فناوری Llama 4 این شرکت و اتهام ارائه اطلاعات نادرست درباره قدرت آن، مارک زاکربرگ، مدیرعامل متا، میلیاردها دلار را صرف یک آزمایشگاه تحقیقاتی جدید برای توسعه «ابرهوش» کرد؛ سیستمی فرضی که از قدرت مغز انسان فراتر می‌رود. شش ماه پس از تأسیس این آزمایشگاه، لکان متا را ترک کرد تا استارتاپ خود با نام AMI Labs را راه‌اندازی کند.

دکتر لکان می‌گوید که تحقیقات او پاسخ نهایی برای توسعه هوش مصنوعی نیست، اما مشکل سیستم‌های فعلی این است که از قبل برنامه‌ریزی نمی‌کنند و صرفاً بر اساس داده‌های دیجیتال آموزش دیده‌اند و راهی برای درک پیچیدگی‌های دنیای واقعی ندارند.

«LLMها مسیری به سوی ابرهوش یا حتی هوش در سطح انسان نیستند. من این را از ابتدا گفته بودم. کل صنعت دچار اعتیاد به LLM شده است.»

لکان در سال‌های پایانی حضور خود در متا، بر روی فناوری‌ای کار می‌کرد که نتیجه اقدامات خود را پیش‌بینی کند. او معتقد است این رویکرد به هوش مصنوعی اجازه می‌دهد فراتر از وضعیت موجود پیشرفت کند و استارتاپ جدیدش نیز همین مسیر را دنبال خواهد کرد.

«این سیستم می‌تواند برای کاری که قرار است انجام دهد، برنامه‌ریزی کند. سیستم‌های فعلی (یعنی همان LLMها) مطلقاً نمی‌توانند چنین کاری انجام دهند.»

او همچنین استدلال می‌کند که سیستم‌های هوش مصنوعی امروزی اشتباهات زیادی مرتکب می‌شوند و با افزایش پیچیدگی وظایف، این اشتباهات مانند تصادفات زنجیره‌ای خودروها روی هم انباشته می‌شوند. با این حال، در چند سال گذشته، این سیستم‌ها به طور مداوم بهبود یافته‌اند و مدل‌های جدیدتر که برای «استدلال» طراحی شده‌اند، در زمینه‌هایی مانند ریاضیات، علوم و برنامه‌نویسی کامپیوتر پیشرفت چشمگیری داشته‌اند.

لکان همچنین یادآور می‌شود که دهه‌های گذشته پر از پروژه‌های هوش مصنوعی بوده که در ابتدا نویدبخش به نظر می‌رسیدند اما اکنون متوقف شده‌اند و هیچ تضمینی نیست که سیلیکون‌ولی برنده این رقابت جهانی باشد.

«ایده‌های خوب از چین می‌آیند. اما سیلیکون‌ولی همچنین دچار عقده برتری است، بنابراین نمی‌تواند تصور کند که ایده‌های خوب می‌توانند از جاهای دیگر بیایند.»

دیدگاه‌های مخالف و موافق

«رایان کریشنان»، مدیرعامل Vals AI، که عملکرد آخرین فناوری‌های هوش مصنوعی را ردیابی می‌کند، دیدگاه متفاوتی دارد. او می‌گوید:

«مدل‌ها اشتباه می‌کنند. اما ما نشان داده‌ایم که یک سیستم می‌تواند گزینه‌های مختلف زیادی را قبل از رسیدن به پاسخ نهایی امتحان کند. پیشرفت در حال کند شدن نیست. مشخص شده که مدل‌های زبانی می‌توانند وظایف جدیدی را برعهده بگیرند و در انجام هر کاری که ما می‌خواهیم، بهتر و بهتر شوند.»

«سوبارائو کامبهامپاتی»، استاد دانشگاه ایالتی آریزونا، نیز با دکتر لکان موافق است که فناوری‌های امروزی مسیری به سوی هوش واقعی فراهم نمی‌کنند. اما او اشاره می‌کند که این فناوری‌ها در زمینه‌های بسیار سودآوری مانند کدنویسی کامپیوتر، مفیدتر از همیشه ظاهر شده‌اند.