ما در آستانه پیشرفت شتابان فناوری، به ویژه پیشرفت تصاعدی فناوری هوش مصنوعی قرار گرفته‌ایم.
هوش مصنوعی مولد نه تنها می‌تواند به روانی صحبت کند، بلکه برنامه‌نویسی نیز انجام دهد. این امر نه تنها باعث افزایش کارایی و بهبود کار انسان می‌شود، بلکه به تقویت خود هوش مصنوعی مولد نیز بازخورد می‌دهد.
این تنها به تقویت ساختار مدل یا روش‌های پیش‌آموزش هوش مصنوعی مولد محدود نمی‌شود.
با دسترسی هوش مصنوعی مولد به نرم‌افزارهای بیشتری که می‌تواند به آنها متصل شده و از آنها استفاده کند، قادر خواهد بود کارهایی فراتر از یک گفت‌وگوی ساده انجام دهد. علاوه بر این، اگر نرم‌افزاری توسعه یابد که به هوش مصنوعی مولد اجازه دهد دانش لازم برای وظایفش را جمع‌آوری کرده و در لحظات مناسب آن دانش را بازیابی کند، حتی بدون پیش‌آموزش نیز می‌تواند با استفاده از دانش صحیح، هوشمندانه‌تر عمل کند.
به این ترتیب، پیشرفت فناوری هوش مصنوعی کل حوزه فناوری هوش مصنوعی، از جمله فناوری‌ها و سیستم‌های کاربردی را تسریع می‌کند. این شتاب، به نوبه خود، به طور بازگشتی منجر به شتاب بیشتر فناوری هوش مصنوعی می‌شود. علاوه بر این، با شتاب گرفتن فناوری هوش مصنوعی و توانایی‌های بیشتر آن، مکان‌ها و موقعیت‌هایی که در آنها استفاده می‌شود، به طور طبیعی با سرعتی فزاینده افزایش خواهند یافت.
این امر تنها می‌تواند تعداد سرمایه‌گذاران و مهندسان علاقه‌مند به فناوری هوش مصنوعی را افزایش دهد. به این ترتیب، شتاب فناوری هوش مصنوعی از منظر اجتماعی-اقتصادی نیز تقویت می‌شود.
از سوی دیگر، چنین پیشرفت تکنولوژیکی به طرق مختلف، هم غیرمستقیم و هم مستقیم، بر ما تأثیر می‌گذارد.
به طور کلی، پیشرفت فناوری تمایل دارد که به عنوان یک چیز خوب تلقی شود. در حالی که نگرانی‌هایی در مورد خطرات فناوری‌های جدید مطرح می‌شود، اثرات مثبت پیشرفت به طور کلی بر آنها غلبه می‌کند، و خطرات می‌توانند با گذشت زمان کاهش یابند، بنابراین به طور کلی، مزایای آن قابل توجه در نظر گرفته می‌شود.
با این حال، این تنها زمانی صادق است که سرعت پیشرفت فناوری تدریجی باشد. هنگامی که سرعت پیشرفت فناوری شتاب می‌گیرد و از حد معینی فراتر می‌رود، مزایا دیگر بر خطرات غلبه نمی‌کنند.
اولاً، حتی خود توسعه‌دهندگان نیز به طور کامل ماهیت یا دامنه کامل کاربردهای فناوری‌های جدید را درک نمی‌کنند. به ویژه در مورد دامنه کاربردها، غیرمعمول نیست که دیگران کاربردها یا ترکیباتی با سایر فناوری‌ها کشف کنند که حتی توسعه‌دهندگان را نیز شگفت‌زده کند.
علاوه بر این، هنگامی که دامنه را برای شامل چگونگی سودمندی و ریسک‌پذیری چنین کاربردهایی برای جامعه گسترش می‌دهیم، تقریباً هیچ کس به طور کامل از گستردگی آن آگاه نیست.
هنگامی که پیشرفت تدریجی است، چنین نقاط کور اجتماعی در فناوری به تدریج با گذشت زمان پر می‌شوند، و در نهایت، فناوری با حذف نقاط کور کافی در جامعه به کار گرفته می‌شود.
با این حال، هنگامی که پیشرفت فناوری از سرعت معینی فراتر می‌رود، دوره زمانی برای پر کردن نقاط کور اجتماعی نیز کوتاه‌تر می‌شود. شتاب پیشرفت فناوری، از منظر پر کردن نقاط کور اجتماعی، به گونه‌ای به نظر می‌رسد که گویی زمان نسبتاً فشرده شده است.
تغییرات تکنولوژیکی جدید یکی پس از دیگری رخ می‌دهند، و این اتفاقات به طور همزمان در میان فناوری‌های متعدد رخ می‌دهند، که باعث می‌شود فرآیند شناختی اجتماعی پر کردن نقاط کور اجتماعی نتواند خود را هماهنگ کند.
در نتیجه، ما توسط فناوری‌های مختلفی احاطه خواهیم شد که در حالت نقاط کور اجتماعی باقی می‌مانند.
خطرات بالقوه‌ای که توسط چنین فناوری‌هایی وجود دارد، می‌تواند ناگهان از نقاط کور ما پدیدار شده و به جامعه آسیب برساند. از آنجایی که خطراتی که برای آنها آماده نیستیم یا اقدامات متقابلی انجام نداده‌ایم ناگهان ظاهر می‌شوند، تأثیر آسیب تمایل به بزرگ‌تر شدن دارد.
این وضعیت، بزرگی مزایا و خطرات پیشرفت فناوری را تغییر می‌دهد. به دلیل اثر فشرده‌سازی زمان، با آشکار شدن خطرات قبل از پر شدن نقاط کور اجتماعی، خطرات هر فناوری افزایش می‌یابد.
شتاب خودتقویت‌شونده پیشرفت هوش مصنوعی مولد می‌تواند در نهایت فناوری‌های بی‌شماری با نقاط کور اجتماعی تقریباً پر نشدنی ایجاد کند، که به طور بالقوه تعادل بین ریسک و سود را به طور قابل توجهی برهم می‌زند.
این وضعیتی است که هرگز تجربه نکرده‌ایم. بنابراین، هیچ کس نمی‌تواند به طور دقیق میزان خطری را که به طور بالقوه به عنوان نقاط کور اجتماعی وجود خواهد داشت، و همچنین میزان قابل توجه تأثیر آنها را تخمین بزند. تنها چیزی که قطعی است، ساختار منطقی است که هر چه سریع‌تر شتاب گیرد، خطرات بیشتر خواهند شد.
جامعه کرونوس-اسکرمبل
از سوی دیگر، ما نمی‌توانیم سرعت کنونی پیشرفت فناوری را به طور دقیق درک کنیم، و نه اینکه در آینده چگونه خواهد بود.
این امر حتی در مورد محققان و توسعه‌دهندگان هوش مصنوعی مولد نیز صادق است. به عنوان مثال، در مورد زمان ظهور AGI (هوش مصنوعی که در تمام جنبه‌ها از قابلیت‌های انسانی پیشی می‌گیرد) اختلاف نظر گسترده‌ای در میان متخصصان وجود دارد.
علاوه بر این، محققان و توسعه‌دهندگان هوش مصنوعی مولد با متخصصان فناوری‌ها و سیستم‌های کاربردی آن متفاوت هستند. بنابراین، در حالی که ممکن است از آخرین وضعیت تحقیقات و چشم‌اندازهای آینده هوش مصنوعی مولد آگاهی داشته باشند، نمی‌توانند همه چیز را در مورد اینکه چه فناوری‌ها و سیستم‌های کاربردی با استفاده از هوش مصنوعی مولد در حال حاضر وجود دارند یا چه امکانات آینده‌ای در حال گشایش هستند، درک کنند.
علاوه بر این، وقتی صحبت از فناوری‌ها و سیستم‌های کاربردی به میان می‌آید، امکانات با ترکیب با مکانیزم‌های مختلف موجود عملاً نامحدود هستند. حتی در میان افرادی که در زمینه فناوری‌ها و سیستم‌های کاربردی تحقیق و توسعه می‌کنند، درک همه چیز، از جمله موارد مربوط به ژانرهای مختلف، دشوار خواهد بود.
استنتاج یا پیش‌بینی اینکه چگونه چنین فناوری‌ها و سیستم‌های کاربردی در جامعه گسترش خواهند یافت و چه تأثیری خواهند داشت، حتی دشوارتر است. به ویژه، محققان و مهندسان لزوماً در مورد تأثیرات اجتماعی آگاه نیستند یا علاقه زیادی ندارند. از سوی دیگر، بینش‌های فناورانه کسانی که به چنین تأثیرات اجتماعی علاقه زیادی دارند، ناگزیر محدودیت‌هایی دارد.
بنابراین، هیچ کس نمی‌تواند کل وضعیت کنونی هوش مصنوعی مولد یا چشم‌انداز آینده آن را درک کند. و درک هر فرد دارای تفاوت‌هایی است.
مشکل تنها این نیست که تفاوت‌هایی وجود دارد، بلکه این است که سرعت پیشرفت ناشناخته است. ما مطمئناً در آستانه عصری هستیم که پیشرفت فناوری در حال شتاب گرفتن است و زمان در حال فشرده شدن است، اما در مورد سرعت این شتاب درک مشترکی نداریم.
بدتر اینکه، درک افراد در مورد ثابت بودن یا شتاب‌دار بودن سرعت پیشرفت فناوری متفاوت است. علاوه بر این، حتی در میان کسانی که با شتاب موافق هستند، ادراکات به شدت متفاوت است، بسته به اینکه آیا آنها شتاب را فقط ناشی از پیشرفت فناوری بنیادین هوش مصنوعی مولد می‌دانند، یا اینکه شتاب ناشی از فناوری‌ها و سیستم‌های کاربردی، و همچنین شتاب ناشی از ورود افراد و سرمایه از عوامل اجتماعی-اقتصادی را نیز در نظر می‌گیرند.
به این ترتیب، تغییرپذیری در درک وضعیت کنونی و چشم‌انداز آینده، و تفاوت در درک سرعت پیشرفت، تفاوت‌های بسیار بزرگی در درک فردی ما ایجاد می‌کند.
سطح فناوری و تأثیر اجتماعی در آگوست ۲۰۲۵ چگونه است؟ و در سال ۲۰۲۷ (دو سال بعد) یا ۲۰۳۰ (پنج سال بعد) چگونه خواهد بود؟ این موارد از فردی به فرد دیگر بسیار متفاوت است. علاوه بر این، تفاوت در این درک احتمالاً در حال حاضر در سال ۲۰۲۵، دو سال پس از ظهور رونق هوش مصنوعی مولد در سال ۲۰۲۳، بیشتر است.
جامعه‌ای را که در آن ادراکات فردی از دوران به این شدت متفاوت است، "جامعه کرونوس-اسکرمبل" می‌نامم. کرونوس واژه یونانی به معنای زمان است.
و در واقعیت این جامعه کرونوس-اسکرمبل، ما باید با مشکلات فشرده‌سازی زمان و نقاط کور اجتماعی فناورانه مقابله کنیم، که نمی‌توانیم آنها را به طور مشترک و صحیح درک کنیم.
چشم‌انداز و استراتژی
در شرایطی که حس زمانِ فرد ممکن است با فشرده‌سازی واقعی زمان هماهنگ نباشد، و نیاز به حل مشکل نقاط کور اجتماعی فناورانه با دیگرانی که دیدگاه‌های متفاوتی دارند، چشم‌انداز و استراتژی ضروری می‌شوند.
در اینجا، چشم‌انداز به معنای نشان دادن ارزش‌ها و جهت‌گیری‌های ثابت، صرف نظر از حس زمان فرد است.
به عنوان مثال، برای ساده‌سازی بحث، "اطمینان از اینکه خطرات فناوری بر مزایای آن غلبه نکند" یک چشم‌انداز مهم است. این چشم‌اندازی است که افراد بیشتری می‌توانند با آن موافقت کنند تا چشم‌اندازهایی مانند "پیشرفت فناوری" یا "به حداقل رساندن خطرات فناوری".
و حیاتی است که تا حد امکان افراد بیشتری را برای همکاری در جهت تحقق آن چشم‌انداز توانمند سازیم. حتی اگر چشم‌اندازی مورد توافق قرار گیرد، بدون عمل قابل دستیابی نیست.
در اینجا نیز، یک استراتژی باید با درک این موضوع که ما در یک جامعه کرونوس-اسکرمبل با حس زمان‌های متفاوت قرار داریم، تدوین شود. به عنوان مثال، استراتژی هماهنگ کردن حس زمان همه با فشرده‌سازی واقعی زمان، کارساز نخواهد بود. این امر بار یادگیری بسیار زیادی را بر دوش افراد تحمیل می‌کند و آنها را تنها با انرژی مورد نیاز برای آن خسته می‌کند. علاوه بر این، هر چه این شکاف سال به سال بیشتر شود، انرژی لازم نیز افزایش خواهد یافت.
من نمی‌توانم تمام استراتژی‌های کامل را ارائه دهم، اما یک نمونه از استراتژی این است که از چیزی که به طور خودکار با گذشت زمان تقویت می‌شود برای دستیابی به چشم‌انداز استفاده کنیم.
این به استفاده از خود هوش مصنوعی مولد اشاره دارد. در حالی که استفاده از همان چیزی که فرد در تلاش برای حل آن است کمی پیچیده است، واضح است که هنگام مقابله با مشکل فشرده‌سازی زمان، روش‌های سنتی با گذشت زمان به طور فزاینده‌ای دشوار خواهند شد. برای مقابله با این موضوع، چاره‌ای جز بررسی اقدامات متقابل با استفاده از قابلیت‌هایی که در زمان نیز فشرده می‌شوند، وجود ندارد.
و امیدوارم، اگر بتوانیم در نهایت از قابلیت‌های خود هوش مصنوعی مولد برای تنظیم توسعه فناوری ناشی از هوش مصنوعی مولد استفاده کنیم و آن را از شتاب گرفتن فراتر از محدودیت‌هایش کنترل کنیم، به طور قابل ملاحظه‌ای به حل مشکل نزدیک‌تر خواهیم شد.
نتیجه‌گیری
در یک جامعه کرونوس-اسکرمبل، هر یک از ما نقاط کور متعددی خواهیم داشت. این بدان دلیل است که هیچ‌کس نمی‌تواند تمام اطلاعات خط مقدم را بدون نقاط کور در هر جنبه‌ای درک کند و آن را به درستی به برآوردها و پیش‌بینی‌های آینده متصل کند.
و در مقطعی، ناگهان فرصتی برای درک وجود یک نقطه کور در آنجا پدیدار خواهد شد. این اتفاق بارها و بارها تکرار می‌شود، هر بار که یک نقطه کور شکل می‌گیرد و شکاف پر می‌شود.
هر بار، درک ما از جدول زمانی موقعیت کنونی و چشم‌انداز آینده‌مان به طور قابل توجهی فشرده خواهد شد. احساس می‌شود که ناگهان در زمان جهش کرده‌ایم. این یک جهش زمانی شناختی به سوی آینده است.
در برخی موارد، ممکن است چندین نقطه کور در یک روز آشکار شوند. در چنین مواردی، فرد در مدت زمان بسیار کوتاهی، چندین جهش زمانی را تجربه می‌کند.
به این معنا، مگر اینکه وجود نقاط کور خود را بپذیریم و بینشی قوی داشته باشیم که بتواند در برابر جهش‌های زمانی چند مرحله‌ای مقاومت کند، اتخاذ تصمیمات حیاتی و دقیق در مورد آینده دشوار خواهد شد.
به عبارت دیگر، در حالی که تلاش می‌کنیم حس زمان خود را به واقعیت نزدیک‌تر کنیم، ضرورت تفکر بر اساس اصول و قواعدی که فراتر از دوران‌ها هستند، به طور فزاینده‌ای افزایش خواهد یافت.
و در بحبوحه فشرده‌سازی زمان، باید این واقعیت را نیز بپذیریم که اقدامات متقابل در برابر ریسک‌ها نمی‌توانند با همان سرعت گذشته اجرا شوند.
علاوه بر این، اگر سرعت این فشرده‌سازی زمان خود کاهش نیابد، از محدودیت‌های درک و کنترل ما فراتر خواهد رفت.
برای دستیابی به این هدف، باید به طور جدی استفاده از سرعت و نفوذ خود هوش مصنوعی را که به دلیل فشرده‌سازی زمان در حال شتاب گرفتن است، در نظر بگیریم.
این شبیه به مکانیسم‌هایی مانند مالیات تصاعدی یا سیستم‌های تأمین اجتماعی است که اقتصاد بیش از حد گرم را مهار می‌کنند، که به آنها "تثبیت‌کننده‌های داخلی" گفته می‌شود.
به عبارت دیگر، ما باید به مکانیسم‌هایی فکر کنیم که به هوش مصنوعی اجازه می‌دهد نه تنها به عنوان یک شتاب‌دهنده فناورانه، بلکه به عنوان یک تثبیت‌کننده داخلی اجتماعی نیز عمل کند.