جایزهٔ اصلی، هوش مصنوعی سازمانیه نه AGI
هوش مصنوعیخلاصهٔ کاملتر
تو این تحلیل اومده که بخش بزرگی از صنعت هوش مصنوعی داره سمت خط پایان اشتباهی میدوه. به گفتهٔ نویسندهها، Anthropic و OpenAI چرخششون به سمت مشتری سازمانی فقط تجاری بوده نه معماری: هنوز دارن هوش بیشتری رو داخل یه مدل عمومی متمرکز میکنن. اونها با علی قدسی، مدیرعامل Databricks، همنظرن که تعریف عملی AGI عملاً محقق شده و جابهجا کردن هدف به سمت ابرهوش — چیزی که خودشون قبلاً «Messiah AGI» صداش زدن — برای مشتری سازمانی تمایزی نمیسازه.
جایزهٔ واقعی از نگاه اونها «enterprise AGI» هست: هوشی که مال خود شرکته و از دادهٔ اختصاصی، فرایندهای کسبوکار، سیاستها و اون دانش ضمنیِ پشت تصمیمها ساخته میشه. لایهٔ کلیدی چیزیه که بهش سیستم هوش (SoI) میگن — یهجور آنتولوژی سازمانی یا دوقلوی دیجیتال که رفتار واقعی شرکت رو مدل میکنه و بعد ایجنتها و آدمها از توش با هم هماهنگ میشن.
نویسندهها این دو رویکرد رو رودرروی هم میذارن. «کمونیسم داده» یعنی همه از همون هوشِ جاافتاده تو مدل مرزی استفاده کنن؛ نسل بعدی دادهٔ آموزشی هم ردپای استدلال متخصصهاست (مثلاً روش ارزشگذاری یه تحلیلگر بانک سرمایهگذاری)، ولی همینکه تو مدل بطریبندی شد، برای همه مشترک میشه. مزیت مشترک، مزیت نیست. «کاپیتالیسم داده» یعنی هر شرکت مالکیت هوش خودش رو نگه داره و اون رو مثل یه دارایی مرکب رشد بده.
تو این چارچوب، پلتفرمهای داده و سیستمهای ثبت فقط میگن چی اتفاق افتاده؛ سیستم هوش توضیح میده چرا اتفاق افتاده، بعدش چی محتمله و حالا باید چیکار کرد. بالای اون «سیستم عاملیت» قرار میگیره که ایجنتها توش تصمیم میگیرن و اجرا میکنن، و کنارش «سیستم تعامل» که آدمها نیتشون رو بیان میکنن و همون بازخورد، به مدل سازمان یاد میده. سختترین انتخاب طراحی هم بالابهپایین در برابر پایینبهبالاست؛ راهحل پیشنهادیشون ترکیب هر دوئه.
داستان اصلی Databricks تو رویداد Data + AI Summit هم بهنظر نویسندهها معماری بوده نه لیست محصول: این شرکت داره از زیرساخت داده به لایههای بالاتر میره. خانوادهٔ Genie لایهٔ تعامله (Genie One برای کاربر کسبوکار، بهعلاوهٔ Code و ZeroOps و App Builder و…)، Genie Ontology همون سیستم هوش نوپاست، و Agent Bricks با Unity AI Gateway لایهٔ عاملیت و حکمرانی رو میسازن. Palantir سالها زودتر همین کار سخت رو شروع کرده بود و حالا Snowflake و مایکروسافت و گوگل و AWS و SAP هم از سمتهای مختلف به همین لایه نزدیک میشن.
نویسندهها سه سؤال باز رو تعیینکننده میدونن: چقدر لایهٔ تعامل و لایهٔ هوش همطراحی شدن (کلاینت باید آنتولوژی رو آموزش بده، نه فقط ازش کوئری بگیره)؛ Genie Ontology که امروز بیشتر یه لایهٔ معنایی روی دادهٔ حکمرانیشدهست تا چه حد به یه مدل اجرایی از کسبوکار (با کنش، پیششرط، اثر و وضعیت زنده) تبدیل میشه؛ و خط ارزش کجا کشیده میشه، حالا که فرمت داده داره مثل سختافزار به کالای استاندارد تبدیل میشه و آنتولوژی جای پلتفرم متمایزکننده رو میگیره.
نکات کلیدی:
- چرخش آزمایشگاههای مدل به سمت سازمانها تجاریه، نه معماری؛ هنوز هوش رو داخل مدل عمومی متمرکز میکنن.
- «enterprise AGI» یه مسئلهٔ داراییسازیه: تبدیل دادهٔ اختصاصی، فرایند و دانش ضمنی به دارایی حکمرانیشده.
- «کمونیسم داده» کف رو برای همه بالا میبره ولی سقف کسی رو بالا نمیبره؛ مزیت پایدار از چیزهای منحصربهفرد میاد.
- سیستم هوش لایهٔ سازماندهندهٔ جدید شرکته و ایجنتها باید از توش عمل کنن، نه دور از اون.
- Databricks با Genie، Genie Ontology، Agent Bricks و Unity داره از پلتفرم داده به پلتفرم هوش سازمانی میره؛ آزمون اصلی، بستهشدن حلقهٔ یادگیریه.
