تا امروز بیشتر از هوش مصنوعی خواسته‌ایم
درباره دنیا برایمان حرف بزند.

اما اگر مرحله بعد این باشد که
بتواند قبل از انجام یک کار،
نتیجه‌اش را در ذهن خودش امتحان کند چه؟

New Scientist در شماره این هفته که امروز منتشر شده
همین سؤال را برده روی جلد:

AI’S NEXT LEAP
What happens when AI starts to experience the real world?

⸻


New Scientist مجله مدیریتی نیست؛ یکی از معتبرترین نشریات علمی دنیاست.
این گزارش هم اساساً یک مطلب علمی درباره آینده هوش مصنوعی است.

ولی برای من بخش جذابش جای دیگری بود:

اگر AI از «جواب‌دادن»
به سمت فهمیدن پیامدِ عمل حرکت کند،

نقشش در شرکت‌ها هم عوض می‌شود.

دیگر فقط نمی‌پرسیم:

«چه چیزی برایم بنویسی؟»

کم‌کم می‌پرسیم:

«اگر این تصمیم را بگیرم، احتمالاً بعدش چه می‌شود؟»

⸻


مقاله با یک مثال خیلی ساده شروع می‌شود:

یک لیوان را از روی میز بیندازید.

ChatGPT می‌تواند برایتان درباره گرانش، مسیر سقوط و شکستن شیشه توضیح مفصل بدهد.

اما یک بچه سه‌ساله فقط می‌گوید:

می‌افته، می‌شکنه، آب می‌ریزه همه‌جا.

و اتفاقاً نکته همین‌جاست.

⸻


بچه سه‌ساله شاید فرمول گرانش نداند،

ولی یک چیز مهم دارد:

می‌تواند حدس بزند اگر کاری انجام دهد، بعدش چه اتفاقی می‌افتد.

مدل‌های زبانی امروز بیشتر از متن یاد گرفته‌اند که جهان چگونه توصیف می‌شود.

اما World Model قرار است چیزی بیشتر یاد بگیرد:

خودِ رفتار جهان را.

⸻

خیلی ساده اگر بخواهم بگویم:

AI امروز بیشتر می‌پرسد:

«درباره این موضوع چه می‌دانم؟»

World Model قرار است بتواند بپرسد:

«اگر این کار را انجام بدهم، بعدش چه می‌شود؟»

این تفاوت کوچکی نیست.

⸻

یعنی AI قبل از عمل،
چند آینده ممکن را درون خودش امتحان کند.

حرکت A را انجام بدهم چه می‌شود؟

B چطور؟

اگر شرایط عوض شد چه؟

بعد از بین آن‌ها یک مسیر انتخاب کند.

نوعی آزمون و خطا در ذهن، قبل از آزمون و خطا در واقعیت.

⸻

برای همین بخش مهمی از هیجان فعلی درباره World Models
مربوط به ربات‌هاست.

مثلاً رباتی که می‌خواهد چیزی را جابه‌جا کند،
لباس تا کند
یا در انبار کار کند،

لازم نیست همه اشتباهات را واقعاً انجام دهد.

می‌تواند اول نتیجه حرکت‌های مختلف را «تصور» کند
و بعد اقدام کند.

⸻


حالا از اینجا به بعد، مقاله را کمی از زاویه مدیریت نگاه کنیم.

تا امروز بیشتر بحث سازمان‌ها این بوده:

AI چه چیزی برای من بنویسد؟
چه چیزی خلاصه کند؟
چه گزارشی تولید کند؟

ولی نسل بعدی احتمالاً سؤال دیگری می‌سازد:

AI قبل از تصمیم من، چه سناریوهایی را می‌تواند امتحان کند؟

⸻


مثلاً در کسب‌وکار:

اگر قیمت را تغییر بدهم چه می‌شود؟

اگر این شعبه را ببندم چه؟

اگر موجودی انبار را کم کنم؟

اگر این مسیر لجستیکی مختل شود؟

اگر مشتری این پیشنهاد را نپذیرد، حرکت بعدی چیست؟

AI از «تولیدکننده جواب»
کم‌کم می‌تواند به شبیه‌ساز پیامد تصمیم‌ها نزدیک شود.

⸻

برای استراتژی هم جذاب‌تر می‌شود.

مدیر معمولاً فقط یک پیش‌بینی نمی‌خواهد.

می‌خواهد بداند:

اگر دنیا این‌طور شد چه کنم؟
اگر برعکس شد چه؟
اگر اتفاقی افتاد که در برنامه من نبود چه؟

World Models دقیقاً به ایده
فکرکردن در چند آینده ممکن نزدیک می‌شوند.

نه اینکه آینده را قطعی پیش‌بینی کنند؛
بلکه بتوانند پیامد چند مسیر را قبل از اقدام بررسی کنند.

⸻

البته خود مقاله خیلی محتاط است.

هنوز معلوم نیست World Models واقعاً ما را به AGI برسانند.

چون هوش انسانی فقط پیش‌بینی فیزیک نیست.

ما می‌فهمیم چه چیزی را نمی‌دانیم،
ذهن دیگران را حدس می‌زنیم،
فرضیه می‌سازیم
و بسته به موقعیت، مدل ذهنی‌مان را عوض می‌کنیم.

AI هنوز در خیلی از این‌ها مشکل دارد.

⸻

شاید برای مدیران، نکته مهم مقاله همین باشد:

موج اول AI بیشتر درباره تولید بود.

متن، تصویر، کد، گزارش…

موج بعدی ممکن است بیشتر درباره پیش‌بینی پیامد، شبیه‌سازی و عمل باشد.

یعنی حرکت از:

«برایم توضیح بده چه می‌شود»

به:

«قبل از اینکه کاری کنم، چند بار در ذهنت امتحانش کن.»

⸻

و شاید تیتر New Scientist به همین دلیل خوب انتخاب شده:

AI’S NEXT LEAP

جهش بعدی AI شاید این نباشد که
بیشتر بداند یا بهتر حرف بزند.

شاید این باشد که بتواند کمی شبیه ما فکر کند:

اگر این کار را بکنم… بعدش چه می‌شود؟

برای کسب‌وکار، این تفاوت بین یک ابزار تولید محتوا
و چیزی بسیار نزدیک‌تر به یک همکار برای تصمیم‌گیری است.