‏🔴 ۴/۵

MS: خوشحالم که به مفهوم «نقطه شروع جدید» اشاره کردید؛ این نکته را باید در ذهن داشته باشیم. گاهی تصور می‌شود اولین کسی که به هدف می‌رسد برنده است و بازی تمام می‌شود، اما در واقع این می‌تواند آغاز بازی کاملاً جدیدی باشد که هنوز برای آن آماده نیستیم. چین این مسأله را چگونه می‌بیند؟ می‌توان گفت نظرات در این باره تقسیم شده‌اند: شرکت‌ها، بنیان‌گذاران و جامعه پژوهشی از دولت، مهندسان و عموم مردم متمایزند. اما به‌طور کلی، در تمام این گروه‌ها شک بیشتری نسبت به این ایده وجود دارد که پس از دستیابی به AGI، استفاده از RSI و رسیدن به ASI بازی تمام می‌شود. آن‌ها زمان‌بندی طولانی‌تری برای عبور از این نقاط عطف پیش‌بینی می‌کنند. دولت چین بیشتر به سؤال «پراکندگی» توجه دارد: هوش مصنوعی را چگونه می‌توان به‌صورت کلی در اقتصاد به کار گرفت؟ در میان شرکت‌ها، بنیان‌گذاران — در DeepSeek، Moonshot و سایر استارت‑آپ‌های شناخته‌شده — بیشتر به مدل سیلیکون‌ولی نزدیک‌اند، اما فشار کمتری احساس می‌کنند؛ آن‌ها بر این باورند که این فناوری شاید دورتر باشد و کمتر به ایده «اولین نفری که می‌رسد، بهبود نمایی، پایان بازی» اعتقاد دارند. این می‌تواند واکنشی به محدودیت توان محاسباتی آن‌ها باشد. بخش بزرگی از این مسأله به مقیاس‌پذیری نمایی محاسبه در آینده بستگی دارد و اگر برای شرکت خود این رشد را در افق نمی‌بینند، ممکن است کمتر به این نظریه‌ها اعتقاد داشته باشند. به‌طور کلی، سطح تمرکز بر AGI و ASI در چین به‌مراتب کمتر از آنچه در OpenAI و Anthropic می‌بینیم، است. باید بگویم این موضوع در ایالات متحده نیز نظرات متفاوتی دارد؛ نه تنها دانشمندان، بلکه بخش قابل‌توجهی از جامعه سرمایه‌گذاری خطرپذیر در ایالات متحده — کسانی که معمولاً مخالف تنظیمات هستند چون به هوش مصنوعی ایمان دارند — بیشتر بر کاربردها متمرکزند، چرا که این کاربردها منبع درآمد شرکت‌هایشان است. بنابراین در هر دو طرف بحثی وجود دارد و این موضوع به‌خصوص در چین همچنان در حال تحول است. اما سطح تمرکز و اضطرار چین نسبت به این سؤالات به‌مراتب کمتر است.

RA: پس، یک روش دیگر برای ارزیابی پیروزی این است که ببینیم محصولات چگونه در سطح جهان پذیرفته می‌شوند و چه استانداردی ایجاد می‌کنند. به‌نظر می‌رسد که در حالی که ایالات متحده ممکن است مدل‌های مالکیتی پیشرفته‌تری داشته باشد، مدل‌های هوش مصنوعی چین باز هستند؛ به عبارت دیگر، هر کسی می‌تواند از آن‌ها استفاده کند، تنظیمات دلخواه خود را اعمال کند و مدل‌های جدیدی بسازد. این تعادل‌های هزینه‑فایده‌ای که ایالات متحده و چین می‌پذیرند را چگونه می‌بینید؟ و اگر مدل‌های باز چین بیشتر توسط کشورهای جنوب جهانی پذیرفته شوند، این چگونه بر مزیت ژئوپولیتیکی ایالات متحده یا چین تأثیر می‌گذارد؟

MS: ابتدا با مفهوم ساده یا استاندارد این موضوع آغاز می‌کنم، سپس کمی آن را پیچیده می‌کنم و به پیامدها می‌پردازم. روایت استاندارد مدتی این بود که شرکت‌های آمریکایی ممکن است بهترین مدل‌ها را داشته باشند، اما برای استفاده به‌صورت فردی باید ۲۰ دلار در ماه بپردازید و برای شرکت‌ها هزینه صدها تا هزاران دلار می‌شود. در مقابل، مدل‌های چینی وزن‌باز هستند؛ یعنی هر کسی که توان فنی داشته باشد می‌تواند آن‌ها را دانلود و اجرا کند بدون پرداخت به شرکت. تنها هزینه‌ای که پرداخت می‌شود هزینهٔ پردازش است و نیازی به پرداخت به DeepSeek برای استفاده از مدل نیست.

درک و تا حدی واقعیت این بود که افرادی که به دنبال بالاترین توانایی‌ها هستند، برای مدل‌های آمریکایی هزینه می‌پردازند، اگر توان مالی داشته باشند. اما بسیاری از شرکت‌ها، حتی استارت‑آپ‌های آمریکایی مانند Airbnb، مدل‌های چینی را به سامانهٔ خود یکپارچه کرده‌اند. در Airbnb، اگر به درخواست‌های خدمات مشتری می‌پردازید، عملاً با یک مدل چینی گفتگو می‌کنید. این مدل کاملاً تحت کنترل Airbnb است؛ DeepSeek دیگر نمی‌تواند آن را کنترل کند، زیرا Airbnb آن را بومی‌سازی کرده است. این دیدگاهی است که در آن شرکت‌های آمریکایی درآمد زیادی کسب می‌کنند و شرکت‌های چینی محصولاتشان را به‌ویژه در جنوب جهانی، جایی که مردم توان پرداخت هزینهٔ مدل‌های آمریکایی را ندارند، به‌طور گسترده‌تری پخش می‌کنند.