دوارکش پاتل: ابرهوش تا ۲۰۳۰ میرسه
خلاصهٔ کاملتر
دوارکش پاتل تو این مقاله میگه تا اوایل امسال فکر میکرد ابرهوش حداقل یه دهه فاصله داره، ولی تو سه ماه اخیر نظرش خیلی عوض شده. حالا معتقده شاید چند سال یا حتی چند ماه با AIای فاصله داریم که تو تحقیقات AI همسطح بهترین آدمهاست. بعدش تا ۲۰۳۰ (شاید حتی سال بعد) AIهایی میرسن که تو هر حوزهای حداقل به خوبی بهترین متخصصها هستن.
اون برای اینکه نشون بده AI همین الان هم تحقیقات AI رو سریعتر کرده، چند تا شاهد میاره. METR (یه سازمان مستقل ارزیابی مدلها) بعد از سه ماه حضور تو Anthropic گفته سرعت پیشرفت Anthropic روی کارهای مشخص نسبت به یه سال پیش ۲ برابر شده. طبق گزارش OpenAI، ۱۰٪ پرمصرفترین محققهاش از حدود ۱۰۰۰ دلار در روز خرج coding agent به بیش از ۷۰۰۰ دلار رسیدن. Anthropic هم گفته Claude تا آگوست بیش از ۲۶٪ کارهای R&D رو هدایت میکرده، در حالی که فوریه کمتر از ۱٪ بود.
نکتهٔ اصلی نویسنده ریاضیه. AI از ۲۰۲۳ که جمع چهاررقمی رو هم درست انجام نمیداد، تو ۲۰۲۵ مدال طلای المپیاد ریاضی گرفت و بعد یه مسئلهٔ Millennium Prize (یعنی یکی از مسئلههای بزرگ حلنشدهٔ ریاضی) رو تو ۸۸ ساعت حل کرد. به گفتهٔ اون، این پیشرفت بیشتر تو بخشهای قابل بررسی ریاضی بوده، مثل پیدا کردن مثال نقض، نه ساختن نظریهٔ تازه. ولی تو تحقیقات AI دقیقاً همین حل مسئلههای مشخص و امتحان ترکیب ایدهها ارزش اصلی رو داره.
مثالش transformer هست: تقریباً همهٔ اجزاش، مثل attention و residual network، از قبل شناخته شده بودن و کار اصلی ترکیب درستشون با کلی آزمایش کوچیک بود. نویسنده میگه این دقیقاً همون کاریه که AI تو ریاضی نشون داده خوب بلده. حدس میانهش برای رسیدن AI به سطح بهترین محققهای انسانی ۲۰۲۸ هست و ۲۵٪ احتمال میده تا بعد از ۲۰۳۲ طول بکشه.
به گفتهٔ اون، خودکار شدن تحقیقات به سه دلیل پیشرفت رو خیلی جلو میندازه: AI حدود ۱۰ برابر سریعتره و شبانهروز کار میکنه، هر کدوم همسطح بهترین محققهان و تعدادشون خیلی بیشتره. البته کمبود compute برای آزمایشها بازده رو نزولی میکنه. نویسنده دو سناریو رو ۵۰-۵۰ میبینه: software-only singularity (یعنی AI بدون compute بیشتر مدام نسخهٔ باهوشتری از خودش بسازه) یا یه «جرقه» که سه تا شش سال پیشرفت رو تو یه سال فشرده کنه.
سؤال مهم اینه که AIای که تو دیتاسنتر آموزش دیده چطور تو کارهای دنیای واقعی، مثل ادارهٔ یه شرکت، از آدمها جلو میزنه. جواب نویسنده اینه که RL در مقیاس خیلی بزرگتر، AI رو یه meta-learner میکنه (یعنی کسی که خیلی سریع تو محیط جدید یاد میگیره). اون به تکامل انسان اشاره میکنه که با یه هدف ساده، یه یادگیرندهٔ همهکاره ساخت، و میگه AI هم با چند هفته تجربه به سطح متخصصهای انسانی میرسه.
نکات کلیدی:
- طبق METR، سرعت پیشرفت Anthropic تو یه سال ۲ برابر شده
- سهم Claude در هدایت R&D تو Anthropic از کمتر از ۱٪ تو فوریه به بیش از ۲۶٪ تو آگوست رسیده
- حدس میانهٔ نویسنده برای AI همسطح بهترین محققها ۲۰۲۸ هست، با ۲۵٪ احتمال بعد از ۲۰۳۲
- هر محقق خودکار تقریباً ۵۰ برابر یه محقق انسانی در هفته کار میکنه
- احتمال software-only singularity و سناریوی «جرقه» از نظر نویسنده هر کدوم ۵۰٪ هست




