پوریا حداد: به پلتفرم فیوچر.ir خوش آمدید. من پوریا حداد هستم و در این برنامه قصد داریم درباره آینده فناوری‌ها گفتگو کنیم. امروز میزبان دکتر مجتبی کمیلی هستیم که تجربیات ارزشمندی در شرکت‌های متا و گوگل دارند. دکتر کمیلی، از حضورتان در برنامه بسیار خرسندیم.

دکتر مجتبی کمیلی: سلام و تشکر از دعوت شما. بسیار خوشحالم که در این برنامه حضور دارم. همانطور که معرفی شد، مجتبی کمیلی هستم و در حال حاضر در بخش تحقیقاتی شرکت متا در زمینه هوش مصنوعی فعالیت می‌کنم.

پوریا حداد: ممنون از معرفی شما. لطفاً درباره مسیر شغلی خود در شرکت‌های بزرگ فناوری توضیح دهید.

دکتر مجتبی کمیلی: بله، حتماً. پس از دوره تحصیلی، ابتدا در شرکت ویوو که در زمینه موسیقی و ویدئو فعالیت می‌کند، روی سیستم‌های توصیه‌گر کار کردم. سپس به گوگل پیوستم و در آنجا در حوزه شبکه‌های اجتماعی و یادگیری ماشین فعالیت داشتم. حدود چهار سال پیش به شرکت متا ملحق شدم و از محصولات تولیدی به سمت فعالیت‌های آکادمیک‌تر حرکت کردم. در حال حاضر، روی پروژه‌های تحقیقاتی و آینده‌نگر در زمینه هوش مصنوعی کار می‌کنم.

پوریا حداد: ممنون از توضیحات شما. لطفاً کمی درباره پیشینه تحصیلی خود نیز صحبت کنید.

دکتر مجتبی کمیلی: البته. من تحصیلات خود را در رشته مهندسی مکانیک آغاز کردم، اما از دوران نوجوانی علاقه زیادی به کامپیوتر داشتم. حتی در دوره تحصیل در مهندسی مکانیک، به نوشتن کدهای محاسباتی برای پلتفرم‌های مختلف می‌پرداختم. حدود ده سال پیش، با پیشرفت‌های جدید در علوم کامپیوتر، تصمیم گرفتم به سمت تحقیقات در این زمینه حرکت کنم. در آن زمان، هوش مصنوعی هنوز به اندازه امروز پیشرفت نکرده بود، اما برای من بسیار جذاب بود.

نکته مهمی که می‌خواهم اشاره کنم این است که امروزه، با وجود منابع آموزشی فراوان و در دسترس، افراد می‌توانند بدون نیاز به تحصیلات دانشگاهی رسمی، مهارت‌های لازم در زمینه هوش مصنوعی را کسب کنند. این امر به خصوص با توجه به گسترش کاربرد هوش مصنوعی در حوزه‌های مختلف، بسیار مفید است.

پوریا حداد: بسیار عالی. حال اجازه دهید به موضوع اصلی بحثمان بپردازیم. لطفاً درباره فعالیت فعلی خود در شرکت متا و نقش شما در حوزه هوش مصنوعی توضیح دهید.

دکتر مجتبی کمیلی: بله، حتماً. ابتدا لازم است اشاره کنم که شرکت‌های بزرگ فناوری معمولاً دارای ساختارهای سازمانی متنوعی هستند که اهداف متفاوتی را دنبال می‌کنند. به عنوان مثال، در شرکت متا، علی‌رغم وجود محصولات متنوعی مانند واتس‌اپ و اینستاگرام، بخشی به نام FAIR وجود دارد که بیشتر شبیه به تحقیقات آکادمیک عمل می‌کند.

دکتر مجتبی کمیلی: بله، دقیقاً همینطور است. فعالیت‌های تحقیقاتی در شرکت‌های بزرگی مانند متا یا گوگل لزوماً مرتبط با محصولات فعلی یا حتی آینده نزدیک نیست. این شرکت‌ها سرمایه‌گذاری قابل توجهی در پیشبرد دانش هوش مصنوعی و گسترش مرزهای آن انجام می‌دهند. به عنوان مثال، مایکروسافت سرمایه‌گذاری هنگفتی روی OpenAI انجام داده است، که مستقیماً زیرمجموعه مایکروسافت نیست.

در متا نیز، بخشی به نام FAIR وجود دارد که اگرچه ممکن است مستقیماً به فعالیت‌های اصلی شرکت کمک نکند، اما در پیشرفت فناوری‌های هوش مصنوعی نقش مهمی ایفا می‌کند. این بخش تاکنون سرمایه‌گذاری قابل توجهی در کدها، مقالات و مدل‌های متن‌باز مانند Llama انجام داده است.

پوریا حداد: بسیار جالب است. به نظر می‌رسد این نوع سرمایه‌گذاری‌ها به پیشرفت کل صنعت کمک می‌کند. آیا می‌توانید در مورد مزایای این رویکرد متن‌باز بیشتر توضیح دهید؟

دکتر مجتبی کمیلی: بله، حتماً. یکی از مزایای اصلی ارائه منابع به صورت رایگان و متن‌باز این است که باعث می‌شود افراد زیادی روی آن کار کنند و ایده‌های جدیدی ارائه دهند. این امر می‌تواند به بهبود و توسعه بیشتر فناوری منجر شود. وقتی میلیون‌ها نفر روی یک پروژه کار می‌کنند، احتمال کشف راه‌حل‌های نوآورانه افزایش می‌یابد.

این رویکرد در موارد مختلفی مانند مدل‌های محاسباتی، کتابخانه‌های نرم‌افزاری و حتی سیستم‌عامل‌هایی مانند لینوکس به کار گرفته شده است. به عنوان مثال، مدل Transformer که توسط گوگل به صورت متن‌باز منتشر شد، باعث پیشرفت قابل توجهی در حوزه پردازش زبان طبیعی شد.

پوریا حداد: بسیار ممنون از توضیحات شما. حال اجازه دهید به موضوع دیگری بپردازیم. شما چند سال پیش وارد این حوزه شدید. آیا در آن زمان تصور می‌کردید که هوش مصنوعی به این سرعت پیشرفت کند؟

دکتر مجتبی کمیلی: راستش را بخواهید، خیر. زمانی که من وارد این حوزه شدم، تصور می‌کردیم که به قله هوش مصنوعی رسیده‌ایم و پیشرفت‌های آینده صرفاً زیرشاخه‌هایی از محصولات موجود خواهند بود. اما با ظهور مدل‌های زبانی بزرگ و هوش مصنوعی مولد، شاهد تحولی عظیم در این حوزه بودیم. این پیشرفت‌ها باعث شد هوش مصنوعی بیش از پیش در دسترس عموم قرار گیرد.

پوریا حداد: بله، درست می‌فرمایید. حال به نظر شما، آیا بازیگران اصلی این حوزه در آینده همان شرکت‌های بزرگ فعلی خواهند بود یا احتمال ظهور بازیگران جدید وجود دارد؟

دکتر مجتبی کمیلی: این سوال بسیار جالبی است. در حال حاضر، شاهد هستیم که برخی کشورها و اتحادیه‌هایی مانند اتحادیه اروپا در حال سرمایه‌گذاری و توسعه مدل‌های زبانی بزرگ خود هستند. همچنین، شرکت‌های جدیدی در حوزه هوش مصنوعی ظهور کرده‌اند که می‌توانند بازیگران مهمی در آینده باشند.

با این حال، پیش‌بینی دقیق آینده این حوزه دشوار است. ممکن است در 10 تا 20 سال آینده، ابزارها و فناوری‌های جدیدی ظهور کنند که کاملاً متفاوت از آنچه امروز می‌شناسیم باشند. به عنوان مثال، مدل‌های زبانی بزرگ (LLM) که امروزه بسیار مورد توجه هستند، ممکن است در آینده تنها بخش کوچکی از اکوسیستم هوش مصنوعی را تشکیل دهند.

بنابراین، اگرچه شرکت‌های بزرگ فعلی همچنان نقش مهمی خواهند داشت، اما احتمال ظهور بازیگران جدید و تحولات غیرقابل پیش‌بینی در این حوزه بسیار زیاد است.

پوریا حداد: دکتر کمیلی، شما به نکته جالبی اشاره کردید. آیا می‌توان گفت که وضعیت فعلی هوش مصنوعی مشابه 10 سال پیش است، زمانی که تصور می‌کردید به قله رسیده‌اید اما بعداً متوجه شدید که تحولات بزرگتری در راه است؟

دکتر مجتبی کمیلی: بله، این مقایسه بسیار به جاست. حدود 10 سال پیش، مدل‌های زبانی و مدل‌های بینایی ماشینی شروع به پیشرفت کرده بودند و حتی تولید تصویر نیز تا حدی امکان‌پذیر شده بود. اما نکته مهم این است که در آن زمان، این فناوری‌ها برای عموم مردم چندان شناخته شده نبودند.

یکی از تحولات مهمی که اخیراً رخ داده، عمومی‌سازی این فناوری‌هاست. امروزه، حتی در گفتگوهای روزمره با همسایگان، می‌بینیم که مردم از هوش مصنوعی صحبت می‌کنند. این گسترش آگاهی عمومی به دلیل بهبود چشمگیر در کیفیت و کاربردپذیری این فناوری‌هاست.

پوریا حداد: بله، کاملاً درست است. به نظر می‌رسد که پایه‌های اولیه در گذشته گذاشته شده و اکنون شرکت‌ها با سرمایه‌گذاری‌های کلان و استفاده از داده‌های عظیم، این فناوری را به سطح بالاتری رسانده‌اند. آیا می‌توانید در مورد نقش شرکت‌های بزرگ و استارتاپ‌ها در این پیشرفت توضیح دهید؟

دکتر مجتبی کمیلی: بله، حتماً. ما اکنون در نقطه‌ای هستیم که شباهت‌هایی با دهه 60 و 70 میلادی دارد. در آن زمان، شرکت‌های کوچک‌تر ظهور کردند و توانستند شرکت‌های بزرگتر مانند IBM را به چالش بکشند. امروزه نیز، ما شاهد ظهور استارتاپ‌هایی هستیم که با تیم‌های کوچک اما متخصص، و با استفاده از زیرساخت‌های محاسباتی که شرکت‌هایی مانند گوگل و آمازون فراهم کرده‌اند، توانسته‌اند پیشرفت‌های قابل توجهی در زمینه هوش مصنوعی داشته باشند.

پوریا حداد: این نکته بسیار جالبی است. به نظر می‌رسد که برخی از این استارتاپ‌ها، مانند Anthropic، توانسته‌اند در مدت کوتاهی به موفقیت‌های چشمگیری دست یابند. چرا شرکت‌های بزرگی مانند گوگل، با وجود منابع عظیمی که در اختیار دارند، نتوانستند در این زمینه پیشگام باشند؟

دکتر مجتبی کمیلی: این سوال بسیار مهمی است. دو عامل اصلی در این زمینه وجود دارد:

پیچیدگی سازمانی: شرکت‌های بزرگ معمولاً دارای ساختارهای پیچیده‌تری هستند و هماهنگی بین بخش‌های مختلف می‌تواند زمان‌بر باشد. در مقابل، استارتاپ‌ها با تیم‌های کوچک‌تر می‌توانند سریع‌تر تصمیم‌گیری کنند و ایده‌های جدید را اجرا کنند.

فشار و نظارت بیرونی: شرکت‌های بزرگ معمولاً زیر ذره‌بین رسانه‌ها، رقبا و نهادهای نظارتی قرار دارند. این امر می‌تواند باعث شود که آنها در اتخاذ تصمیمات جسورانه محتاط‌تر عمل کنند. در مقابل، استارتاپ‌ها می‌توانند ریسک‌های بیشتری را بپذیرند.

علاوه بر این، گاهی در شرکت‌های بزرگ، فرآیندهای تصمیم‌گیری و تأیید پروژه‌ها می‌تواند بسیار زمان‌بر باشد، در حالی که در یک استارتاپ، این فرآیندها معمولاً ساده‌تر و سریع‌تر هستند.

پوریا حداد: اخیراً شاهد بودیم که یکی از محصولات هوش مصنوعی گوگل اشتباهی مرتکب شد که منجر به افت قابل توجهی در ارزش سهام این شرکت شد. این اتفاق نشان می‌دهد که چگونه حتی یک خطای کوچک در زمینه هوش مصنوعی می‌تواند تأثیرات بزرگی بر شرکت‌های عظیم داشته باشد. حال می‌خواهم کمی در مورد فناوری‌های مورد استفاده عموم صحبت کنیم. به نظر می‌رسد که اکثر مردم بیشتر با الگوریتم‌های هوش مصنوعی مولد آشنا هستند، مانند چت‌بات‌ها یا ابزارهای تولید تصویر. اما بخش بزرگتری از پیشرفت‌های هوش مصنوعی در زمینه‌هایی مانند سیستم‌های توصیه‌گر، مدیریت محتوا و امنیت در پلتفرم‌های اجتماعی است. می‌توانید در مورد این کاربردهای غیر مولد هوش مصنوعی که شما روی آن‌ها کار می‌کنید، بیشتر توضیح دهید؟

دکتر مجتبی کمیلی: البته. کار فعلی من بیشتر متمرکز بر تحقیقات در مورد فناوری‌هایی است که در آینده ظهور خواهند کرد. در زمینه تحقیق و توسعه، گاهی اوقات پروژه‌ها به نتیجه نمی‌رسند، اما این بخشی از فرآیند پیشرفت است. در مورد الگوریتم‌های مدیریت محتوا که شما اشاره کردید، باید بگویم که این حوزه پیچیدگی‌های خاص خود را دارد. شرکت‌های بزرگ هزینه‌های زیادی را صرف ایجاد سیستم‌های چند لایه برای کنترل و نظارت بر محتوا می‌کنند.

پوریا حداد: بله، این موضوع بسیار پیچیده است. من به یاد دارم که در یوتیوب، تنها برای مدیریت محتوای انگلیسی زبان، صدها نفر مشغول به کار بودند. این نشان می‌دهد که علی‌رغم پیشرفت‌های هوش مصنوعی، هنوز نقش انسان در این فرآیندها بسیار مهم است.

دکتر مجتبی کمیلی: دقیقاً. مدیریت محتوا در پلتفرم‌هایی مانند یوتیوب که سرعت انتشار محتوا در آن‌ها بسیار بالاست، چالش بزرگی است. شرکت‌ها باید همواره جلوتر از روندها حرکت کنند تا بتوانند به موقع واکنش نشان دهند. این کار ترکیبی از استفاده از هوش مصنوعی و نظارت انسانی است و گاهی حتی به کار کارآگاهی شبیه می‌شود.

پوریا حداد: بسیار جالب است. حال می‌خواهم نظر شما را در مورد موضوع دیگری بپرسم. در مورد مدل‌های زبانی بزرگ (LLM‌)، برخی تصور می‌کنند که این مدل‌ها به نوعی آگاهی رسیده‌اند. اما ما می‌دانیم که مفهوم آگاهی بسیار پیچیده‌تر است. مثلاً نظریه “اتاق چینی” که در دهه 80 توسط یک فیلسوف آمریکایی مطرح شد، نشان می‌دهد که توانایی پاسخگویی به زبان چینی لزوماً به معنای درک آن زبان نیست. در مورد مدل‌های زبانی کنونی، ما می‌دانیم که آن‌ها درک واقعی از آنچه می‌گویند ندارند و صرفاً کلمات مناسب را کنار هم قرار می‌دهند. نظر شما در این مورد چیست؟

دکتر مجتبی کمیلی: بله، درست است. مدل‌های زبانی با دقت بسیار بالایی کار می‌کنند و برای ما بسیار جذاب و حتی جادویی به نظر می‌رسند. اما نکته مهم این است که این مدل‌ها صرفاً می‌دانند چه کلماتی را پس از چه کلماتی قرار دهند. حجم متونی که این مدل‌ها مطالعه کرده‌اند برای ما غیرقابل درک است. اگر یک انسان بخواهد تمام متونی را که یک مدل زبانی مانند ChatGPT خوانده است، مطالعه کند، شاید هزاران سال طول بکشد.

پوریا حداد: این موضوع بسیار جالب است. به نظر می‌رسد که توانایی این مدل‌ها در تولید متون مناسب، ناشی از حجم عظیم داده‌هایی است که مطالعه کرده‌اند. آیا امکان ردیابی منابع اطلاعاتی که این مدل‌ها از آن‌ها استفاده می‌کنند، وجود دارد؟

دکتر مجتبی کمیلی: بله، این یک زمینه تحقیقاتی جدید است. محققان در تلاش هستند تا منشأ اطلاعاتی را که مدل‌های هوش مصنوعی برای تولید محتوا استفاده می‌کنند، ردیابی کنند. این کار می‌تواند به ما کمک کند تا درک بهتری از عملکرد این مدل‌ها داشته باشیم و حتی اشتباهات آن‌ها را پیش‌بینی کنیم.

پوریا حداد: از نظر فنی، این مدل‌ها چگونه کار می‌کنند؟ آیا می‌توان گفت که تمام این فرآیند صرفاً شامل عملیات ریاضی است؟

دکتر مجتبی کمیلی: در اصل، بله. این مدل‌ها بر اساس عملیات ریاضی پیچیده، مانند ضرب ماتریس‌ها با سرعت بسیار بالا کار می‌کنند. به دلیل حجم عظیم محاسبات، ممکن است این عملیات در مکان‌های جغرافیایی مختلف انجام شود. برای مثال، بخشی از محاسبات ممکن است در کالیفرنیا و بخشی دیگر در هلند انجام شود و نتایج با هم ترکیب شوند.

پوریا حداد: پس می‌توان گفت که این مدل‌ها در واقع در شیوایی بیان و نگارش بسیار توانمند هستند. آیا این می‌تواند به نویسندگان کمک کند؟

دکتر مجتبی کمیلی: قطعاً. این مدل‌ها میلیون‌ها متن در زمینه‌های مختلف را مطالعه کرده‌اند و با استفاده از بازخوردهای انسانی بهبود یافته‌اند. بنابراین، می‌توانند به نویسندگان در بهبود نگارش کمک کنند. با پیشرفت فناوری، مانند کامپیوترهای کوانتومی، احتمالاً قدرت این مدل‌ها به طور چشمگیری افزایش خواهد یافت.

پوریا حداد: با این حال، به نظر می‌رسد که این مدل‌ها در برخی زمینه‌ها هنوز ضعف‌هایی دارند. می‌توانید مثالی بزنید؟

دکتر مجتبی کمیلی: بله، درست است. این مدل‌ها در برخی زمینه‌ها عملکرد ضعیفی دارند. برای مثال، در انجام عملیات معکوس یا در مواردی که نیاز به استدلال پیچیده دارند، ممکن است دچار اشتباه شوند. همچنین، در مواردی که داده‌های محدودتر و شرایط خاص‌تری وجود دارد، عملکرد آن‌ها ضعیف‌تر می‌شود. مثلاً، اگر از آن‌ها بخواهیم اعضای تیم راگبی فنلاند بین 18 تا 25 سال را نام ببرند، احتمالاً نمی‌توانند پاسخ درستی ارائه دهند و ممکن است اسامی تصادفی یا نامرتبط ارائه کنند.

پوریا حداد: یکی از مشکلات موجود این است که ما گاهی نمی‌توانیم میزان اطمینان مدل‌های زبانی را در مورد پاسخ‌هایشان تشخیص دهیم. اگرچه معیارهایی برای نشان دادن احتمال انتخاب کلمات بعدی وجود دارد، اما این معیارها نیز چندان قابل اتکا نیستند. به‌ویژه در مواردی که نتایج چندان جذاب یا قابل توجه نیستند.

حال می‌خواهم در مورد مدل‌های تولید تصویر و ویدیو صحبت کنیم. آنچه مشخص است این است که برای مدل‌های زبانی، دسترسی به میلیاردها کتاب و متن امکان‌پذیر بوده، اما برای مدل‌های تصویری و ویدیویی، جمع‌آوری داده‌ها به این میزان می‌تواند بسیار دشوارتر باشد. همچنین، قدرت پردازشی مورد نیاز نیز ممکن است در حال حاضر کافی نباشد. با این حال، با پیشرفت فناوری، احتمالاً در آینده شاهد بهبود چشمگیری در این زمینه خواهیم بود.

دکتر مجتبی کمیلی: بله، درست است. مشکلات محاسباتی دیر یا زود حل خواهند شد. آنچه ده سال پیش تخیلی به نظر می‌رسید، امروزه برای استفاده روزمره در دسترس است. اما در مورد تولید ویدیو، چالش‌های خاصی وجود دارد. برخلاف متن که می‌توان با چند کلمه ادامه داد، ویدیو فضای بسیار بزرگتری است و نیاز به هماهنگی بین عناصر مختلف دارد.

برای مثال، در مدل اخیر OpenAI برای تولید ویدیو، اگر با دقت نگاه می‌کردید، در گوشه‌های تصویر قوانین فیزیک نقض می‌شد. برای مدل‌های فعلی، درک کامل قوانین فیزیک و اعمال آن‌ها در تمام جنبه‌های ویدیو دشوار است.

پوریا حداد: بله، این نکته جالبی است. به نظر می‌رسد که هوش مصنوعی در طول زمان موج‌های مختلفی را تجربه کرده است. از دهه 1950 که کامپیوترها توانستند عملیات‌های ساده را بسیار سریع‌تر از انسان‌ها انجام دهند، تا دوره‌های مختلف امید و ناامیدی که پس از آن آمد.

شاید بهتر باشد انتظارات خود را از هوش مصنوعی و مدل‌های فعلی به سطح معقول‌تری برسانیم. اگرچه پیشرفت‌های قابل توجهی داشته‌ایم، اما هنوز تا رسیدن به درک کامل از دنیای واقعی و قوانین فیزیک راه زیادی در پیش است.

حال می‌خواهم نظر شما را در مورد موضوع دیگری بپرسم. سال گذشته شاهد هیاهوی زیادی در مورد متاورس بودیم، به‌ویژه از سوی شرکت‌هایی مانند فیسبوک. اما پس از مدتی، این هیجان فروکش کرد. آیا فکر می‌کنید هوش مصنوعی نیز ممکن است چنین سرنوشتی داشته باشد؟ آیا ممکن است پس از چند سال، سر و صدای موجود در مورد هوش مصنوعی فروکش کند، یا به نظر شما این فناوری مسیر متفاوتی را طی خواهد کرد؟

دکتر مجتبی کمیلی: این سؤال بسیار مهمی است. باید توجه داشت که هوش مصنوعی و متاورس تفاوت‌های اساسی دارند. متاورس یک مفهوم نسبتاً جدید است که هنوز در مراحل اولیه توسعه قرار دارد و نیازمند زیرساخت‌های فنی خاصی مانند عینک‌های واقعیت مجازی با کیفیت بالا و قیمت مناسب است.

در مقابل، هوش مصنوعی یک حوزه گسترده‌تر است که دهه‌هاست مورد مطالعه و توسعه قرار گرفته است. پیشرفت‌های اخیر در هوش مصنوعی، به‌ویژه در زمینه یادگیری عمیق و پردازش زبان طبیعی، تأثیرات ملموسی در زندگی روزمره و صنایع مختلف داشته است.

با این حال، شما نکته مهمی را مطرح کردید. ممکن است برخی از جنبه‌های هوش مصنوعی که در حال حاضر بسیار مورد توجه هستند، در آینده کمتر مورد توجه قرار گیرند. اما به طور کلی، به نظر می‌رسد که هوش مصنوعی به عنوان یک فناوری پایه، مانند اینترنت، به توسعه و تأثیرگذاری خود ادامه خواهد داد.

البته، مهم است که انتظارات واقع‌بینانه‌ای داشته باشیم و درک کنیم که پیشرفت در این زمینه ممکن است تدریجی باشد و با چالش‌هایی همراه باشد. همچنین، مسائل اخلاقی و اجتماعی مرتبط با هوش مصنوعی نیز باید مورد توجه قرار گیرند.

اجازه دهید مثالی بزنم که بسیار معروف است: حباب دات‌کام. این پدیده تأثیرات زیادی داشته که تا امروز ادامه دارد. همانطور که شما اشاره کردید، در اوایل ظهور اینترنت، هر کسی می‌توانست شرکتی تأسیس کند. صرفاً به دلیل اینکه یک وب‌سایت ساخته بودند، آن دوره رونق گرفت و سپس حباب دات‌کام شکل گرفت. بسیاری از این شرکت‌ها فروپاشیدند، اما پس از آن، شرکت‌هایی مانند آمازون و گوگل باقی ماندند.

این الگو تکرار می‌شود: دوره‌ای که هیجان زیادی وجود دارد، سپس دوره‌ای که همه چیز فرو می‌ریزد. حتی زمانی بود که می‌گفتند اینترنت بی‌اهمیت است و دیگر باز نخواهد گشت، اما می‌بینیم که ماندگار شد. تکنولوژی‌ها معمولاً به این صورت ظهور می‌کنند و سپس افول می‌کنند.

به‌ویژه در فضای سرمایه‌گذاری آمریکا، بسیاری به دنبال “چیز بزرگ بعدی” هستند. گاهی اوقات، اخبار خود را تقویت می‌کند و در یک چرخه می‌افتد، هیجان‌های جدید و اخبار جدید ایجاد می‌کند. این الگو هر چند سال یک بار در زمینه‌های مختلف تکرار می‌شود، اما در نهایت، چیزهایی باقی می‌مانند.

در مورد متاورس، هنوز زود است که قضاوت کنیم. شاید چیزی از آن باقی بماند. همانطور که اپل در دهه 80 یا 90 با دستگاه Newton تلاش کرد چیزی شبیه به iPad بسازد که شکست خورد، اما سال‌ها بعد iPad و iPhone را عرضه کرد که موفق شدند.

پوریا حداد: دقیقاً. مدل‌های مشابهی را می‌توان در مورد کامپیوترهای کوانتومی و هوش مصنوعی مشاهده کرد. به نظر نمی‌رسد که مردم دستاوردهای هوش مصنوعی را کنار بگذارند و به وضعیت یک سال قبل بازگردند. برای مثال، ایجاد تصاویر برای مواردی که کیفیت بسیار بالا مورد نیاز نیست، بسیار مفید است. من خودم یک وبلاگ دارم و اغلب از تصاویر تولید شده توسط هوش مصنوعی استفاده می‌کنم که بسیار جذاب هستند.

در مورد برنامه‌نویسی نیز، ابزارهایی مانند Copilot یا مشابه آن می‌توانند کار را بسیار سریع‌تر کنند. این موضوع ما را به بحث بعدی در مورد مشاغل می‌رساند. در جامعه هوش مصنوعی، برخی افراد بسیار جلوتر از زمان فکر می‌کنند و نگران هستند که هوش مصنوعی به زودی برنامه‌نویسان را بیکار خواهد کرد. از طرف دیگر، برخی فکر می‌کنند که ورود به حوزه هوش مصنوعی دیگر فرصت‌های شغلی کافی ندارد.

دکتر مجتبی کمیلی: به نظر من، هوش مصنوعی مشاغل را تغییر می‌دهد، اما لزوماً جایگزین کامل نمی‌شود. نرخ تغییرات مشاغل که از چندین قرن پیش تا کنون به آرامی پیش می‌رفت، اکنون سرعت بیشتری گرفته است. برای مثال، 100 سال پیش شاید سواد برای انجام برخی کارها لازم نبود، اما به تدریج نیاز به سواد، کار با دستگاه‌های دیجیتال و کامپیوتر اضافه شد.

معمولاً اینطور است که افراد باید این مهارت‌های جدید را یاد بگیرند. یادگیری ابزارهای جدید هوش مصنوعی و نحوه کار با آنها، و حتی یادگیری مقداری برنامه‌نویسی، می‌تواند مفید باشد. اما من فکر نمی‌کنم که جایگزینی کامل اتفاق بیفتد، به‌ویژه در برنامه‌نویسی.

این اولین بار نیست که هوش مصنوعی در برنامه‌نویسی استفاده می‌شود. حتی الگوریتم‌های قدیمی‌تر که منطق و استدلال داشتند، برای ایجاد کتابخانه‌های کلاسیک هوش مصنوعی استفاده می‌شدند. اگر دقیق نگاه کنیم، حرکت از زبان‌های برنامه‌نویسی سطح پایین به زبان‌های سطح بالاتر، خود نوعی استفاده از هوش مصنوعی در لایه‌های زیرین بوده است.

در گذشته، ما برای نوشتن کدها از زبان‌های برنامه‌نویسی سطح پایین استفاده می‌کردیم. به تدریج، با ظهور زبان‌هایی مانند پایتون، به سمت زبان‌های نزدیک‌تر به زبان طبیعی انسان حرکت کردیم. این روند با سرعت بیشتری در حال پیشرفت است. به نظر من، سواد تکنولوژی چیزی است که همه باید تا حدی از آن برخوردار باشند، زیرا آینده نامشخص است، اما قطعاً ابزارهای روزمره ما به سمت انجام کارهای پیچیده‌تر پیش خواهند رفت.

پوریا حداد: بله، این نکته بسیار جالبی است. همانطور که شما اشاره کردید، حتی در گذشته، زمانی که ما با زبان‌هایی مانند C++ برنامه‌نویسی می‌کردیم، سیستمی در پس‌زمینه وجود داشت که کد ما را به زبان ماشین یا اسمبلی تبدیل می‌کرد. با پیشرفت به سمت زبان‌های سطح بالاتر مانند پایتون، باز هم سیستمی وجود داشت که زبان ما را، که حالا کمی نزدیک‌تر به زبان انسان بود، به زبان قابل فهم برای ماشین تبدیل می‌کرد.

در آینده، ممکن است این روند به جایی برسد که ما فقط نیازمان را به صورت ساده بیان کنیم، مثلاً بگوییم “من یک بک‌اند وب‌سایت با قابلیت‌های خاص می‌خواهم”، و سیستم خودش این درخواست را به کد قابل اجرا تبدیل کند. این ایده بسیار جذاب است.

دکتر مجتبی کمیلی: در مورد وضعیت بازار کار در حوزه هوش مصنوعی، باید بگویم که علی‌رغم برخی تغییرات اخیر در شرایط اقتصادی و سیاست‌های شرکت‌های بزرگ، همچنان بازار کار در این زمینه بسیار مطلوب است. اگرچه ممکن است رقابت کمی سخت‌تر شده باشد و افراد نیاز به رزومه‌های قوی‌تری داشته باشند، اما همچنان افق روشنی برای متخصصان این حوزه وجود دارد.

پوریا حداد: درست است. با توجه به اینکه ابزارها و آموزش‌های سطح پایه اکنون راحت‌تر در دسترس قرار می‌گیرند، رسیدن به سطح مقدماتی در زمینه‌هایی مانند علم داده یا یادگیری ماشین نسبتاً آسان شده است. برای مثال، می‌توان در یک آخر هفته یاد گرفت که چگونه چند الگوریتم ساده را برای تحلیل داده‌های فروش محصولات به کار برد. اما آنچه واقعاً متخصصان را متمایز می‌کند، درک عمیق‌تر از مفاهیم و توانایی حل مسائل پیچیده‌تر است.

دکتر مجتبی کمیلی: دقیقاً. مثال خوبی که می‌توان زد، ساخت وب‌سایت است. اگرچه ساخت یک وب‌سایت ساده اکنون با ابزارهای گرافیکی بسیار آسان شده، اما ساخت و نگهداری یک وب‌سایت که بتواند میلیون‌ها بازدیدکننده را پشتیبانی کند و بهینه‌سازی‌های پیچیده‌ای داشته باشد، همچنان نیازمند تخصص و دانش عمیق است.

پوریا حداد: در مورد شرکت‌های بزرگ فناوری مانند جاینت‌ها (غول‌های فناوری)، آنها مزیت‌های خاصی دارند. از جمله زیرساخت‌های سخت‌افزاری پیشرفته، دسترسی به داده‌های عظیم، و نیروی انسانی بسیار با استعداد. البته، این شرکت‌ها با چالش‌هایی نیز مواجه هستند، مانند بوروکراسی و کندی ناشی از اندازه بزرگشان.

با توجه به جمیع شرایط، می‌خواهم نظر شما را درباره امکان ظهور رقیبی برای شرکت‌های بزرگ فناوری جویا شوم. آیا به نظر شما امکان دارد مجموعه‌ای، مثلاً در کشورهای دیگر یا حتی در ایران، به این فکر کند که مدلی را معرفی کند یا حداقل یک مدل بهینه‌شده خوب ایجاد کند که بتواند مثلاً در حوزه زبان فارسی عملکرد مطلوبی داشته باشد؟ از دیدگاه کارآفرینی شما، آیا جایی برای چنین تلاش‌هایی وجود دارد؟

دکتر مجتبی کمیلی: بله، این نکته بسیار مهمی است. اگرچه شرکت‌های بزرگ منابع زیادی در اختیار دارند، اما این به این معنا نیست که تمام محصولات آنها از تمام این منابع بهره می‌برند. برای مثال، ممکن است محصولی که گوگل یا مایکروسافت ارائه می‌دهند، تنها از بخش کوچکی از منابع کل شرکت استفاده کرده باشد. بخش قابل توجهی از منابع مورد استفاده ممکن است از جامعه متن‌باز تأمین شده باشد. مدل‌هایی مانند LLaMA یا نسخه‌های اولیه GPT-3 به صورت متن‌باز در دسترس هستند. همچنین، منابع داده‌ای مانند Common Crawl به صورت رایگان در اختیار همگان قرار دارد.

پوریا حداد: دقیقاً. داده‌ها، نرم‌افزارها و حتی زیرساخت‌های محاسباتی امروزه بیش از پیش در دسترس هستند. شرکت‌های استارتاپی جدیدی نیز به وجود آمده‌اند که هدف‌گذاری دقیقی بر ارائه سرویس‌های تخصصی در این حوزه دارند و ممکن است به دلیل تمرکز بیشتر، کیفیت بالاتری نیز ارائه دهند.

در مورد ایران، متأسفانه مسائلی مانند تحریم‌ها باعث محدودیت دسترسی به برخی سرویس‌ها می‌شود که کار را دشوارتر می‌کند. اما در مقیاس جهانی، من شاهد ظهور شرکت‌های جدیدی بوده‌ام که با استفاده از منابع متن‌باز و داده‌های در دسترس، موفق به ایجاد محصولات قابل توجهی شده‌اند.

دکتر مجتبی کمیلی: بله، امروزه دسترسی به داده‌های با کیفیت و حتی برچسب‌گذاری شده بسیار آسان‌تر شده است. چالش اصلی، دسترسی به پلتفرم‌هایی است که بتوانند این داده‌ها را با کیفیت بالا پردازش کنند. هزینه‌های بالای شرکت‌های هوش مصنوعی در حال حاضر، عمدتاً مربوط به این بخش است. حتی در سطوح بالا، تفاوت بین شرکت‌هایی مانند گوگل و آمازون در حجم داده‌ای است که می‌توانند پردازش کنند.

پوریا حداد: با توجه به تجربه‌ای که در شرکت‌های بزرگ فناوری مانند متا، فیسبوک، گوگل و Waymo داشته‌ام، می‌خواهم نظرتان را درباره آینده جویا شوم. اگرچه پیش‌بینی آینده دشوار است، به‌ویژه در شرایطی که دانش بشر با سرعت زیادی در حال رشد است، اما با توجه به تجربه شما، کدام بخش‌های تکنولوژی را برای سرمایه‌گذاری یا کارآفرینی مناسب می‌دانید؟ آیا حوزه‌های خاصی مانند سلامت و پزشکی یا تولید محتوا را پیشنهاد می‌کنید؟

دکتر مجتبی کمیلی: در دوره کنونی که هوش مصنوعی بسیار پیشرفت کرده، یافتن زمینه‌ای برای نوآوری دشوارتر شده است. اما اگر بخواهم به تجربیات خودم و دوستانم اشاره کنم، یکی از چالش‌های جالب، آموزش به شرکت‌ها درباره استفاده صحیح از فناوری‌های جدید است. این حوزه بسیار نوپا و مورد نیاز است.

پوریا حداد: یکی از زمینه‌های جالب که برخی از دوستان من به آن روی آورده‌اند، ارائه خدمات مشاوره به شرکت‌ها در زمینه استفاده صحیح از فناوری‌های جدید است. بسیاری از شرکت‌ها در حوزه‌های مختلف، مانند بیمارستان‌ها، علاقه‌مند به استفاده از این فناوری‌ها هستند، اما ممکن است از پیامدهای آن آگاه نباشند. این کار شبیه به نقش هکرهای کلاه سفید در تست امنیت شبکه‌هاست، اما در حوزه هوش مصنوعی. متخصصان می‌توانند سیستم‌های هوش مصنوعی شرکت‌ها را بررسی کرده و نقاط ضعف احتمالی را شناسایی کنند.

دکتر مجتبی کمیلی: بله، این نکته بسیار مهمی است. به نظر می‌رسد که آموزش و انتقال تکنولوژی می‌تواند زمینه جذابی باشد. همچنین، حوزه‌های دیگری نیز وجود دارند که هنوز کمتر مورد توجه قرار گرفته‌اند. برای مثال، استفاده از هوش مصنوعی در حفاظت از محیط زیست و جنگل‌ها، که البته کاربردهای نسبتاً قدیمی‌تری هستند. لازم نیست حتماً به سراغ جدیدترین فناوری‌ها رفت؛ گاهی می‌توان با استفاده از مدل‌های ساده‌تر هوش مصنوعی، محصولات موجود را بهبود بخشید.

پوریا حداد: دقیقاً. با ارزان‌تر شدن سخت‌افزارها، شاید بتوان به سراغ مواردی رفت که قبلاً از هوش مصنوعی استفاده نمی‌کردند یا به خوبی استفاده نمی‌کردند. استفاده از هوش مصنوعی ساده‌تر می‌تواند در زمینه‌های مختلف مفید باشد. همچنین، الهام گرفتن از مسیری که هوش مصنوعی طی کرده و استفاده از حجم زیاد داده‌ها و پردازش هوشمندانه آنها برای رسیدن به نتایج جدید و بهبود عملکرد می‌تواند برای شرکت‌های نوپا مفید باشد.

دکتر مجتبی کمیلی: بله، توضیحات خوبی بود. من می‌خواستم نظر شخصی شما را در مورد آینده بدانم. اگرچه آینده قطعاً قابل پیش‌بینی نیست، اما می‌خواهم دیدگاه شخصی شما را درباره تأثیر این تکنولوژی در 20 سال آینده و 50 سال آینده بدانم. برخی معتقدند که در چند دهه آینده، انسان‌ها کمتر کار خواهند کرد و بیشتر به جنبه‌های دیگر زندگی خواهند پرداخت. این موضوع می‌تواند باعث تغییر در ارزش‌های زندگی شود، مثلاً اینکه آیا کار کردن یک ارزش است یا اینکه بیشتر به خانواده رسیدن یا تفریح کردن ارزشمندتر خواهد بود. نظر شخصی شما در این مورد چیست؟

پوریا حداد: به نظر من، در آینده ممکن است تفاوت بین افراد بسیار بیشتر شود و این روند سرعت بیشتری بگیرد. همان‌طور که در چند سال اخیر دیده‌ایم، برخی مشاغل تخصصی که نیاز به آموزش پیچیده دارند، از نظر درآمد و جایگاه اجتماعی فاصله زیادی با سایر مشاغل پیدا کرده‌اند. این افراد احتمالاً با سرعت بیشتری از فناوری‌های جدید استفاده خواهند کرد و این باعث می‌شود کارشان را بهینه‌تر انجام دهند.

این روند می‌تواند باعث شود که زندگی این افراد تحت تأثیر قرار گیرد، مثلاً بتوانند روزهای کاری خود را کاهش دهند یا کارهایی که نیاز به تخصص انسانی دارد را با زمان کمتری انجام دهند. در آینده، ممکن است بسیاری از فرآیندها خودکار شوند و تنها در صورت بروز مشکل، نیاز به دخالت انسان باشد.

به نظر می‌رسد مشاغلی که مبتنی بر دانش هستند، ممکن است سریع‌تر پیشرفت کنند. اما در سوی دیگر بازار کار، فاصله بین این افراد و بقیه جامعه ممکن است بیشتر شود. برخی مشاغل، مانند بنایی یا نظافت آشپزخانه، به این زودی‌ها با هوش مصنوعی جایگزین نخواهند شد. حتی کارهایی مانند گرفتن یک لیوان بدون شکستن آن یا ریختن محتویاتش، هنوز برای هوش مصنوعی بسیار دشوار است.

در 20 سال آینده، بعید می‌دانم که هوش مصنوعی بتواند چنین کارهایی را انجام دهد، اما شاید در 50 سال آینده به این نقطه برسیم. این تفاوت‌ها می‌تواند باعث ایجاد شکاف بیشتر در جامعه شود.

دکتر مجتبی کمیلی: گاهی اوقات درباره موضوعاتی بحث می‌شود که بینش خوبی به ما می‌دهد. به عنوان مثال، ممکن است در آینده، مشاغلی که هوش مصنوعی تأثیر کمتری بر آنها دارد، ارزش بیشتری پیدا کنند. به طور طنزآمیز، می‌توان گفت شاید روزی لوله‌کشی به شغلی مانند کار ایلان ماسک تبدیل شود و افرادی در این حرفه به میلیاردر تبدیل شوند. این در حالی است که متخصصان هوش مصنوعی و کسانی که در زمینه‌های مرتبط با آن فعالیت می‌کنند، پیشرفت قابل توجهی خواهند داشت.

از سوی دیگر، من معتقدم موجی در حال شکل‌گیری است که می‌تواند فرصت‌های جدیدی را ایجاد کند. احتمالاً در آینده، میلیاردرهای جدیدی در ایران ظهور خواهند کرد که از این موج بهره می‌برند. این روند مشابه وضعیت فعلی است که ده شرکت بزرگ جهان همگی در زمینه فناوری فعالیت می‌کنند. صرف نظر از اینکه ارزش بازار سهام این شرکت‌ها نشان‌دهنده ارزش واقعی آنها باشد یا خیر، ارزش فعلی آنها بسیار بیشتر از شرکت‌هایی است که بیست سال پیش غول‌های صنعت محسوب می‌شدند، مانند جنرال موتورز یا فورد.

پوریا حداد: بسیار ممنون از توضیحات شما. اگر نکته دیگری هست که فکر می‌کنید باید به آن اشاره می‌کردیم، خوشحال می‌شوم بشنوم. همچنین، اگر اجازه دهید، به بحث قبلی‌مان برگردیم. به نظر شما، چه مهارت‌هایی برای یادگیری و سرمایه‌گذاری در آموزش ارزشمند هستند؟

دکتر مجتبی کمیلی: به نظر من، یک سری مهارت‌های پایه و اساسی وجود دارند که هسته مرکزی علوم کامپیوتر را تشکیل می‌دهند. یادگیری این مهارت‌ها محدود به زمان خاصی نیست. برخی افراد ممکن است به دلیل علاقه شخصی آنها را یاد بگیرند، در حالی که دیگران برای پیشبرد کارشان به این مهارت‌ها نیاز دارند. این مهارت‌ها به افراد کمک می‌کنند تا با دید بهتری تحولات جدید را دنبال کنند.

به عنوان مثال، درک اصول اولیه هوش مصنوعی، حتی به صورت بسیار ساده، می‌تواند مفید باشد. اینکه بدانیم سیستم‌های هوشمند چگونه کار می‌کنند و تا چه حد می‌توانند جایگزین انسان‌ها شوند، اهمیت زیادی دارد.

همچنین، به جای تمرکز بر اخبار و روندهای زودگذر که ممکن است سال آینده جذابیت خود را از دست بدهند، یادگیری اصول پایدار مانند شبکه‌ها که 30 تا 40 سال است اهمیت خود را حفظ کرده‌اند، می‌تواند مفیدتر باشد. یادگیری این اصول به افراد دانشی می‌دهد که به این زودی‌ها منسوخ نمی‌شود.

پوریا حداد: بسیار عالی، ممنون از توضیحات ارزشمندتان. من شخصاً از صحبت‌های شما بسیار استفاده کردم. بسیار خوشحالم که دعوت ما را پذیرفتید و میزبان شما بودیم. امیدوارم در آینده نیز فرصت‌هایی برای گفتگوهای بیشتر داشته باشیم. از شما متشکرم و خداحافظ.

دکتر کمیلی: خیلی ممنون، من هم بسیار خوشحال شدم. روز خوبی داشته باشید.