بن هوروویتز پیامی برای کسانی دارد که خود را برای انفجار ناگهانی هوش مصنوعی آماده می‌کنند: ابتدا نتیجه را بررسی کنید.
این هم‌بنیان‌گذار Andreessen Horowitz اخیراً در یک پادکست گفت که بعید است شاهد “خیزش سریع” واقعی در هوش مصنوعی باشیم. دلیل او ساده است: چهار شرط لازم برای خودبهبودی مداوم هوش مصنوعی برآورده نمی‌شوند.
نه سه شرط، نه دو شرط. هیچ‌کدام.
هوروویتز استدلال خود را بر اساس چارچوبی از علی غدسی، مدیرعامل Databricks، بنا نهاد. غدسی چهار شرط را شناسایی کرده است که برای رسیدن مدل‌های هوش مصنوعی به خودبهبودی افسارگسیخته، همگی باید برقرار باشند.
شرایط غدسی، آنچه را که این چرخه واقعاً نیاز دارد، مشخص می‌کند. این شرایط شامل کاهش قابل توجه نیاز به منابع، زمان‌های کوتاه‌تر آموزش و بهبودهای قابل اثبات در دقت مدل است.
نکته مهم این است که این پیشرفت‌ها باید به صورت تکراری و همزمان رخ دهند. یک فصل خوب در یک معیار واحد کافی نیست. کل چرخ‌دنده باید با هم، بارها و بارها بچرخد.
قضاوت هوروویتز در مورد وضعیت فعلی صریح بود:
“هیچ‌کدام از این چهار شرط برآورده نشده است.”
او استدلال کرد که روندهای فعلی در آموزش هوش مصنوعی در جهت مخالف حرکت می‌کنند. آموزش مدل‌های پیشرفته پیچیده‌تر و گران‌تر می‌شود. نیاز به منابع در حال افزایش است، نه کاهش. محدودیت‌های زیرساختی پایدار هستند، نه در حال محو شدن.
هوروویتز به فهرستی آشنا از گلوگاه‌ها اشاره کرد. از دیدگاه او، کمبود پردازنده‌های گرافیکی (GPU)، محدودیت‌های انرژی و پیچیدگی فزاینده فرآیندهای آموزشی، عواملی هستند که پیشرفت هوش مصنوعی را محدود می‌کنند.
او همچنین گفت که هیچ مدرکی مبنی بر پیشرفت‌های فوری در آزمایشگاه‌های بزرگ که بتواند این تصویر را تغییر دهد، مشاهده نمی‌کند. او استدلال کرد که بر اساس فیزیک موجود و محدودیت‌های منابع، سناریوی افسارگسیخته بعید به نظر می‌رسد.
این اولین بار نیست که هوروویتز چنین دیدگاهی را مطرح می‌کند. او پیشتر این ایده‌ها را به کتاب “هوش فوق‌العاده” (Superintelligence) نیک بوستروم، یکی از متون پایه‌ای مفهوم انفجار هوش، مرتبط کرده بود.
این بحث در اواسط اکتبر ۲۰۲۶ صورت گرفت. این زمان با پست‌های مرتبطی که a16z در ۱۷ اکتبر ۲۰۲۶ منتشر کرد، همزمان بود.
این پست‌ها در راستای تلاش‌های گسترده‌تر این شرکت در زمینه زیرساخت و اقتصاد هوش مصنوعی قرار می‌گیرند. a16z استدلال کرده است که پتانسیل اقتصادی هوش مصنوعی می‌تواند از چرخه اینترنت فراتر رود، در حالی که تمرکز خود را بر چالش‌های دنیای واقعی زیرساخت و کاربردها حفظ می‌کند.
برای سرمایه‌گذاران، مفیدترین بخش استدلال هوروویتز در جایی است که توجه را جلب می‌کند. اگر محدودیت‌های اصلی پردازنده‌های گرافیکی، انرژی و زمان‌بندی آموزش باشند، اینها متغیرهایی هستند که سرعت واقعی مقیاس‌پذیری این بخش را شکل می‌دهند.
یک جنبه دیگر نیز وجود دارد که ارزش توجه دارد. استدلال هوروویتز شرطی است، نه دائمی. این استدلال بر این مشاهده استوار است که نیاز به منابع در حال افزایش و آموزش دشوارتر می‌شود. اگر این روندها معکوس شوند، استدلال ضعیف می‌شود. یک دوره پایدار که در آن آموزش مدل‌ها ارزان‌تر، تکرار سریع‌تر و دقت به طور قابل اندازه‌گیری همزمان افزایش یابد، دقیقاً همان سیگنالی است که چارچوب غدسی نشان می‌دهد.
در حال حاضر، طبق شمارش او، نتیجه صفر از چهار است. به گفته او، فصل بعدی داستان هوش مصنوعی، بسیار پیش از آنکه توسط یک ماشین خودبهبودگر نوشته شود، در مراکز داده، قراردادهای انرژی و تخصیص تراشه‌ها رقم خواهد خورد.
