‏مدل‌های جهانی: انقلاب بعدی هوش مصنوعی یا یک رویا؟

مدل‌های زبانی بزرگ مثل GPT می‌تونن درباره همه‌چیز بنویسن — از فیزیک کوانتومی تا آشپزی — ولی یه مشکل اساسی دارن: اون‌ها هیچ‌وقت هیچ‌چیزی رو تجربه نکردن. همه‌چیز فقط الگوهای آماری توی متنه. الخاندرو پیاد مورفیس، استاد علوم کامپیوتر دانشگاه هاوانا، این مشکل رو خیلی صریح بیان می‌کنه: «نمی‌شه فیزیک رو فقط با خوندن یاد گرفت؛ باید توی دنیای واقعی آزمایش کنی تا بفهمی چطور کار می‌کنه.» نویسنده مقاله هم مثال جالبی می‌زنه: مثل اینه که بخوای رنگ رو به یه نابینا توضیح بدی — با کلمات به‌تنهایی نمی‌شه.

مدل‌های جهانی (World Models) دقیقاً برای حل همین مشکل اومدن. ایده اینه که به هوش مصنوعی یه درک واقعی از فیزیک، علیّت، و رفتار اشیاء توی دنیای واقعی بدیم — نه فقط توصیف اون‌ها. یان لوکان، یکی از پدران هوش مصنوعی مدرن، LLM‌ها رو «بن‌بست» می‌دونه و بعد از ۱۲ سال در متا، با استارتاپ AMI Labs با سرمایه اولیه ۱.۰۳ میلیارد دلار دنبال این رویا رفته. فی‌فی لی هم با World Labs مسیر مشابهی داره.

سرمایه‌گذاری‌ها توی این حوزه دیوانه‌وار شده. در سال ۲۰۲۴، World Labs، Skild AI و Physical Intelligence هر کدوم صدها میلیون دلار جمع کردن. اوایل ۲۰۲۶ اما اعداد از مرز میلیارد رد شدن: World Labs به یک میلیارد، AMI Labs به ۱.۰۳ میلیارد، و Skild AI به ۱.۴ میلیارد دلار رسیدن. این سرمایه‌ها نشون می‌ده که صنعت به یه محدودیت عمیق توی AI فعلی رسیده.

بنچمارک ARC-AGI یه آینه شفاف برای نشون‌دادن این محدودیته. نسخه اول رو مدل o3 اوپن‌ای‌آی با نمره ۸۷.۵٪ رد کرد. ARC-AGI-2 سخت‌تر بود و o3 اول به زیر ۳٪ افتاد، ولی بعداً Gemini 3 Deep Think تونست ۸۴.۶٪ بزنه. حالا ARC-AGI-3 اومده و همه چیز رو دوباره صفر کرده.

ARC-AGI-3 دیگه پازل‌های استاتیک نیست؛ محیط‌های تعاملی و turn-based هستن — مثل بازی‌های رترو ساده. هیچ قانون، هدف یا راهنمایی داده نمی‌شه. باید خودت محیط رو کشف کنی، بفهمی چطور کار می‌کنه، و بر اساس اون برنامه‌ریزی کنی. انسان‌های معمولی نمره نزدیک به ۱۰۰٪ می‌گیرن. بهترین مدل‌های AI؟ زیر ۱٪. Gemini 3.1 Pro که روی ARC-AGI-2 عملکرد عالی داشت، اینجا ۰.۳۷٪ گرفت. Grok هم صفر.

این نتایج دقیقاً نشون می‌ده که مدل‌های جهانی چی باید حل کنن: استدلال در طول زمان، کشف محیط ناشناخته، ساختن مدل ذهنی از دنیا، و برنامه‌ریزی چندمرحله‌ای. این‌ها همون قابلیت‌هایی‌ان که میلیاردها دلار سرمایه داره دنبالشون می‌گرده. ولی سوال اصلی اینه که آیا این سرمایه‌گذاری‌ها به نتیجه می‌رسن؟ نویسنده می‌گه احتمالاً نه به‌طور یکجا — بلکه شاید اپلیکیشن‌به‌اپلیکیشن، آروم‌آروم.

نکات کلیدی:

• LLM‌ها فقط الگوهای متنی رو می‌بینن و هیچ تجربه‌ای از دنیای فیزیکی ندارن
• مدل‌های جهانی می‌خوان این شکاف رو پر کنن تا AI بتونه دنیای واقعی رو واقعاً درک کنه
• استارتاپ‌هایی مثل AMI Labs (یان لوکان) و World Labs (فی‌فی لی) پیشرو این موجن
• ARC-AGI-3 نشون داد که مدل‌های فعلی در محیط‌های تعاملی کاملاً شکست می‌خورن (زیر ۱٪)
• سرمایه‌گذاری‌های میلیارد دلاری در حال انجامه، ولی موفقیت هنوز یه «اگر» بزرگه، نه یه «چه وقت»