غروب چتباتها؛ کار داره به سپردن وظیفه به ایجنتها تغییر میکنه
هوش مصنوعیخلاصهٔ کاملتر
ایتان مالیک تو این مقاله میگه اگه حس میکنی سرعت پیشرفت هوش مصنوعی داره زیاد میشه، احتمالاً درست حس کردی. نه فقط فاصلهٔ بین انتشار مدلهای تازه کمتر شده، بلکه خودِ توانایی مدلها هم با سرعتی بیشتر از نمایی بالا میره؛ هرچند به گفتهٔ اون مرز توانایی هنوز ناهموار ـه و مدلها تو خیلی جاها ضعیفن.
نویسنده به چند سنجش اشاره میکنه که تلاش میکنن اندازه بگیرن هوش مصنوعی معادل چند ساعت کار انسان رو با یک پرامپت انجام میده. مثلاً سازمان Epoch دیده مدل Opus 4.7 با ۱۴ ساعت کار مستقل، نرمافزاری ساخته که برای یک انسان ۲ تا ۱۷ هفته کار داشته و فقط ۲۵۱ دلار توکن خرج برداشته. تو آزمایشهای خودِ نویسنده هم یک مدل تونسته ۹ ساعت پشتسرهم روی پروژههای پیچیده کار کنه.
مالیک میگه کنار مدلهای مرزی که سه شرکت آمریکایی Anthropic و OpenAI و Google میسازن، یک دستهٔ دوم از مدلها هم هست که معمولاً ۶ تا ۱۲ ماه عقبترن و همه از چین میان. اینها مدلهای open weights هستن، یعنی هرکسی بعد از انتشار میتونه ازشون استفاده کنه یا تغییرشون بده، برای همین اجراشون خیلی ارزونه؛ ولی به گفتهٔ اون همیشه بهخوبی نتایج بنچمارکهاشون عمل نمیکنن.
به گفتهٔ نویسنده، مهمترین تغییر تو خودِ شیوهٔ استفادهست. تا همین اواخر روش غالب این بود که هوش مصنوعی رو مثل یک «همفکر» به کار بگیری: ازش یک کار بخوای، نتیجه رو چک کنی و بعد قدم بعدی رو بگی. ولی حالا سیستمهای خودگردان و خوداصلاحگر دیگه به دخالت دائم آدم نیاز ندارن و دارن این روش قدیمی رو کنار میزنن.
این ایجنتها یک لایهٔ اضافه هم دارن: یک harness که بهشون دسترسی به ابزار و محیط عمل میده، و اپهایی مثل Claude Code یا Codex که مخصوص ایجنت ساخته شدن. نویسنده میگه یک مطالعهٔ مشترک OpenAI نشون داده این تغییر چقدر سریع داره اتفاق میافته و فقط برنامهنویسها نیستن؛ بخشهای حقوقی و منابع انسانی هم تقریباً با همون سرعت ایجنتها رو پذیرفتن.
نکتهٔ جالب تحقیقها اینه که چیزی که واقعاً تعیینکنندهست، شغل کاربر نیست بلکه تخصصش تو اون حوزهست؛ هرچی تجربهٔ آدم تو یک زمینه بیشتر باشه، از هر پرامپت خروجی مفیدتری میگیره. به گفتهٔ مالیک ما داریم از دنیایی که آدمهای غیرمتخصص با چتبات جای خالیشون رو پر میکردن، میریم به دنیایی که متخصصها با ایجنتها کار رو جلو میبرن و بهترین کار اینه که خودت رو مثل یک مدیر ببینی.
نویسنده در پایان میگه چون روی یک منحنی نمایی هستیم، هر تغییر از تغییر قبلی بزرگتره و برای همین هوش مصنوعی مدام حس میشه داره جهش میکنه. به نظر اون همین ناپایداری، بیثباتی سیاستها و نوسانهای بازار رو بهتر از داستانهای همیشگیِ «حباب» توضیح میده: نهادهایی که با سرعت انسانی حرکت میکنن، نمیتونن پابهپای منحنیای که اصلاً انسانی نیست بیان.
نکات کلیدی:
- به گفتهٔ ایتان مالیک توانایی مدلهای هوش مصنوعی با سرعتی بیشتر از نمایی رشد میکنه و مدلها الان ساعتها مستقل کار میکنن
- شیوهٔ استفاده داره از همفکری قدمبهقدم با چتبات به سپردن کل کار به ایجنتهای خودگردان تغییر میکنه
- ایجنتها به harness و اپهایی مثل Claude Code و Codex نیاز دارن که بهشون دسترسی به ابزار و محیط بدن
- عامل اصلی موفقیت، تخصص کاربر تو اون حوزهست نه شغلش؛ و بهترین رویکرد اینه که خودت رو مدیر هوش مصنوعی ببینی
