‏وقتی هوش مصنوعی، هوش مصنوعی می‌سازه

جک کلارک، یکی از چهره‌های شناخته‌شده‌ی دنیای AI و نویسنده‌ی خبرنامه‌ی Import AI، مقاله‌ای منتشر کرده که ادعای بزرگی توش مطرح شده: با احتمال بالای ۶۰ درصد، تا پایان ۲۰۲۸ شاهد یه سیستم هوش مصنوعی خواهیم بود که بدون هیچ دخالت انسانی، می‌تونه جانشین خودش رو طراحی و بسازه. کلارک صادقانه اعتراف می‌کنه که این یه نظر «اکراه‌آمیز» هست چون ابعاد پیامدهاش اون‌قدر بزرگه که حتی خودش هم نمی‌تونه کامل درکشون کنه.

کلارک این نتیجه رو از روی اطلاعات عمومی مثل مقالات arXiv، bioRxiv و NBER گرفته و با دیدن محصولاتی که شرکت‌های پیشرو داره منتشر می‌کنن، به این باور رسیده که «همه‌ی قطعه‌ها سر جاشون هستن» برای اتوماسیون کامل فرایند تولید AI.

یکی از مهم‌ترین شواهدی که کلارک بهش اشاره می‌کنه، معیار SWE-Bench هست؛ یه تست واقعی که ارزیابی می‌کنه مدل‌های AI چقدر می‌تونن مشکلات واقعی GitHub رو حل کنن. وقتی این معیار اواخر ۲۰۲۳ معرفی شد، بهترین مدل وقت (Claude 2) فقط ۲ درصد موفقیت داشت. حالا Claude Mythos Preview به ۹۳.۹ درصد رسیده و عملاً این معیار رو اشباع کرده. این تحول نشون می‌ده که AI داره یکی از اجزای اصلی تحقیق و توسعه در AI، یعنی نوشتن کد، رو به طور کامل اتوماسیون می‌کنه.

شاهد دیگه‌ای که کلارک بهش استناد می‌کنه، نمودار «افق زمانی» METR هست. این نمودار نشون می‌ده که AI تا چه مدت می‌تونه مستقل از انسان روی یه کار کار کنه:

• ۲۰۲۲: GPT-3.5 می‌تونست کارهای ۳۰ ثانیه‌ای رو انجام بده
• ۲۰۲۳: GPT-4 به ۴ دقیقه رسید
• ۲۰۲۴: o1 به ۴۰ دقیقه رسید
• ۲۰۲۵: GPT 5.2 به ۶ ساعت رسید
• ۲۰۲۶: Claude Opus 4.6 به ۱۲ ساعت رسیده

Ajeya Cotra، پیش‌بین باسابقه‌ی AI که در METR کار می‌کنه، فکر می‌کنه تا پایان ۲۰۲۶ ممکنه این عدد به ۱۰۰ ساعت هم برسه. این یعنی AI داره می‌تونه کارهایی رو که یه محقق انسانی چندین روز وقتش رو می‌بره، به صورت مستقل انجام بده.

مسئله فقط کدنویسی نیست. کلارک به معیارهایی مثل CORE-Bench اشاره می‌کنه که توانایی AI رو در بازتولید نتایج مقالات علمی می‌سنجه؛ کاری که یکی از وظایف اصلی محققان AI هست. رفته‌رفته AI داره مراحل مختلف چرخه‌ی تحقیق علمی — تعریف مسئله، اجرای آزمایش، پاک‌سازی داده، بررسی نتایج — رو هم اتوماسیون می‌کنه.

کلارک تأکید می‌کنه که انتظار نداره این اتفاق در ۲۰۲۶ بیفته، ولی یه «اثبات مفهوم» از نوع «مدلی که جانشین خودش رو آموزش می‌ده» ظرف یکی دو سال آینده غیرقابل‌انتظار نیست. البته مدل‌های مرزی (frontier) به خاطر هزینه‌ی بالا و پیچیدگی زیادشون دیرتر به این مرحله می‌رسن.

نکته‌ای که کلارک بهش اشاره می‌کنه اینه که پیشرفت فقط در «کدنویسی» نیست؛ اگه مدل‌ها به اندازه‌ی کافی خلاق بشن که بتونن ایده‌های تحقیقاتی جدید بدن و مسیرهای نوآورانه پیدا کنن، اون وقت دیگه نه‌فقط مهندسی AI بلکه علم AI هم اتوماسیون می‌شه. این تفاوت بزرگی داره؛ چون مهندسی یعنی اجرای چیزهایی که می‌دونیم، ولی علم یعنی کشف چیزهایی که هنوز نمی‌دونیم.

نکات کلیدی:

• جک کلارک با احتمال ۶۰ درصد پیش‌بینی می‌کنه تا ۲۰۲۸ یه AI بدون دخالت انسان بتونه جانشین خودش رو بسازه
• SWE-Bench از ۲٪ در ۲۰۲۳ به ۹۳.۹٪ در ۲۰۲۶ رسیده؛ نشانه‌ی تسلط AI بر کدنویسی واقعی
• افق زمانی مستقل‌کاری مدل‌ها از ۳۰ ثانیه در ۲۰۲۲ به ۱۲ ساعت در ۲۰۲۶ رسیده
• AI داره مراحل اصلی تحقیق علمی — بازتولید نتایج، اجرای آزمایش، بهینه‌سازی مدل — رو اتوماسیون می‌کنه
• اگه این اتفاق بیفته، پیش‌بینی آینده‌ی AI عملاً غیرممکن می‌شه