هوش مصنوعی زیر تیغ قضاوت‌های نادرست در سال ۲۰۲۵

بسیاری از کاربران، سیاست‌گذاران و حتی کارشناسان، تلاش می‌کنند از دل پیشرفت‌های سریع و گاه مبهم، تصویری روشن از آینده هوش مصنوعی ترسیم کنند؛ تلاشی که اغلب به برداشت‌های ساده‌انگارانه یا حتی اشتباه منجر می‌شود. در آستانه سال جدید، سه تصور رایج درباره هوش مصنوعی بیش از همه تکرار شده‌اند؛ تصوراتی که شواهد نشان می‌دهد زمان کنار گذاشتن آن‌ها فرا رسیده است.

آیا مدل‌های هوش مصنوعی به بن‌بست رسیده‌اند؟

با انتشار GPT-5 در ماه مه ۲۰۲۵، بار دیگر این پرسش قدیمی مطرح شد که آیا پیشرفت هوش مصنوعی به دیوار رسیده است؟ بسیاری از کاربران و تحلیل‌گران، با وجود تغییر بزرگ در نام‌گذاری، بهبودهای این مدل را «جزئی» ارزیابی کردند. حتی نشریه نیویورکر در مطلبی با عنوان «اگر هوش مصنوعی بهتر از این نشود چه؟» مدعی شد که GPT-5 نشانه‌ای از توقف پیشرفت مدل‌های زبانی بزرگ است.

اما واقعیت چند ماه بعد خود را نشان داد. برخلاف این تصور، GPT-5 بیش از آنکه نمایشی از جهش کیفی باشد، تلاشی برای ارائه همان توانمندی‌ها با هزینه اقتصادی کمتر بود. تنها پنج ماه پس از آن، شرکت‌هایی مانند OpenAI، گوگل و Anthropic مدل‌هایی معرفی کردند که پیشرفت‌های معناداری در انجام وظایف اقتصادی ارزشمند از خود نشان دادند. اوریول وینیالس، رهبر تیم یادگیری عمیق Google DeepMind، پس از عرضه Gemini 3 نوشت: «برخلاف باور عمومی که می‌گوید مقیاس‌پذیری به پایان رسیده، جهش عملکرد این مدل به اندازه‌ای بزرگ است که تاکنون سابقه نداشته؛ هیچ دیواری در کار نیست.»

البته تردیدی وجود ندارد که مسیر پیشرفت هوش مصنوعی در همه حوزه‌ها یکسان نیست. در زمینه‌هایی که داده‌های آموزشی گران یا کمیاب‌ هستند – مانند استفاده از عامل‌های هوشمند به‌عنوان خریدار شخصی – سرعت پیشرفت می‌تواند کندتر باشد. هلن تونر، مدیر موقت مرکز امنیت و فناوری‌های نوظهور، می‌نویسد: «شاید هوش مصنوعی بهتر و بهتر شود، و شاید هم در برخی جنبه‌های مهم همچنان ناکارآمد باقی بماند.» با این حال، شواهد فعلی نشان می‌دهد ادعای توقف پیشرفت، بیش از آنکه مبتنی بر واقعیت باشد، حاصل انتظارات نادرست است.

آیا خودروهای خودران از رانندگان انسانی خطرناک‌ترند؟

خرابی یک چت‌بات هوش مصنوعی معمولاً به اشتباه در تکالیف درسی یا یک پاسخ نادرست ختم می‌شود؛ اما خطای هوش مصنوعی در خودروهای خودران می‌تواند جان انسان‌ها را بگیرد. طبیعی است که چنین تفاوتی، ترس و تردید عمومی را نسبت به این فناوری افزایش دهد.

نتایج یک نظرسنجی در بریتانیا نشان می‌دهد تنها ۲۲ درصد از مردم احساس راحتی در سفر با خودروهای بدون راننده دارند. این رقم در ایالات متحده حتی کمتر و حدود ۱۳ درصد است. در اکتبر ۲۰۲۵، خبر کشته شدن یک گربه توسط خودروی خودران Waymo در سان‌فرانسیسکو موجی از خشم عمومی را برانگیخت و بار دیگر بحث ایمنی این خودروها را به صدر اخبار آورد.

با این حال، داده‌ها تصویر متفاوتی ارائه می‌دهند. بر اساس تحلیل ۱۰۰ میلیون مایل رانندگی خودران Waymo، این خودروها تقریباً پنج برابر کمتر از رانندگان انسانی در تصادف‌های منجر به جراحت نقش داشته‌اند و تعداد تصادف‌های منجر به «جراحت شدید یا بدتر» در آن‌ها ۱۱ برابر کمتر بوده است. این آمار نشان می‌دهد که ترس عمومی، بیش از آنکه بر پایه داده‌های تجربی باشد، ریشه در حساسیت بالای افکار عمومی نسبت به خطای ماشین دارد؛ خطایی که هرچند نادرتر است، اما توجه بیشتری جلب می‌کند.

آیا هوش مصنوعی قادر به خلق دانش جدید نیست؟

یکی از رایج‌ترین انتقادها به مدل‌های زبانی بزرگ این است که آن‌ها نمی‌توانند چیزی «جدید» خلق کنند و صرفاً اطلاعاتی را که قبلاً دیده‌اند بازتولید می‌کنند؛ انتقادی که به برچسب طعنه‌آمیز «طوطی‌های تصادفی» انجامیده است. حتی اپل در مقاله‌ای در ژوئن ۲۰۲۵ ادعا کرد توانایی استدلال در این مدل‌ها صرفاً یک «توهم» است.

اما شواهد تجربی داستان دیگری می‌گویند. سباستین بوبک، ریاضی‌دان و پژوهشگر OpenAI، به مقاله‌ای اشاره می‌کند که در سال ۲۰۱۳ در حوزه نظریه گراف منتشر کرده بود. او و دانشجویانش بیشتر پرسش‌های باز مقاله را حل کرده بودند، اما یک مسئله بدون پاسخ باقی مانده بود. بیش از ده سال بعد، بوبک این مسئله را به سیستمی مبتنی بر GPT-5 سپرد. «دو روز به آن اجازه دادیم فکر کند»، می‌گوید، «و به یک همانی شگفت‌انگیز رسید که واقعاً مسئله را حل کرد.»

البته نحوه پاسخ‌گویی مدل‌های زبانی با شیوه تفکر انسان متفاوت است. آن‌ها ممکن است در تفسیر نمودارهای ساده ناتوان باشند، اما هم‌زمان در بالاترین رقابت‌های ریاضی و برنامه‌نویسی مدال طلا بگیرند و به‌طور «خودکار» به ساختارهای ریاضی نوین دست یابند. ناتوانی در انجام برخی وظایف ساده، مانع از تولید ایده‌های پیچیده و کاربردی نشده است.

سال ۲۰۲۵ نشان داد که بسیاری از قضاوت‌های رایج درباره هوش مصنوعی، بیش از آنکه بر داده و تجربه استوار باشند، از ترس‌ها و انتظارات نادرست سرچشمه می‌گیرند. نه مدل‌های هوش مصنوعی به بن‌بست رسیده‌اند، نه خودروهای خودران لزوماً خطرناک‌تر از انسان‌اند، و نه این فناوری صرفاً مقلد گذشته است. کنار گذاشتن این سوءبرداشت‌ها، شرط لازم برای گفت‌وگویی واقع‌بینانه‌تر درباره آینده‌ای است که هوش مصنوعی در حال شکل دادن به آن است.