شکاف پتانسیل پنهان هوش مصنوعی؛ چرا حتی با توقف آموزش مدلهای جدید، دنیای کار دگرگون خواهد شد؟ایتن مولیک (استاد دانشگاه وارتون) در یادداشت جدید خود دست روی نکتهای میگذارد که در میان جنجالهای اخیر پیرامون خطرات هوش مصنوعی و طرحهای کاهش سرعت فراموش شده است: حتی اگر از فردا صبح تمام آزمایشگاهها آموزش مدلهای جدید را متوقف کنند، مدلهای فعلی نظیر GPT-6 Astra و Claude Fable 5.1 همین حالا به تنهایی برای ایجاد دگرگونیهای عظیم در بخشهای بزرگی از اقتصاد کافی هستند. او این پدیده را «شکاف پتانسیل» (Capability Overhang) مینامد؛ فاصلهای بزرگ میان آنچه مدلهای موجود در عمل قادر به انجامش هستند و نحوه استفاده بسیار ابتدایی که اکثریت مردم هنوز از آنها میکنند.
مولیک برای نشان دادن عمق این پتانسیل پنهان، چند نمونه عملی را مثال میزند که انجام هر کدام از آنها پیشتر نیازمند هفتهها کار تیمی توسط برنامهنویسان و طراحان بود: او با پرامپتنویسی به مدل Astra داد تا بازی متنی و خاطرهانگیز Zork (محصول ۱۹۷۷ که هیچ تصویر یا کدی نداشت) را مستقیماً به یک بازی اکشن ماجراجویی سهبعدی کامل و قابل بازی در مرورگر تبدیل کند؛ یا با مدل Fable 5.1 کتابخانه عظیم اومبرتو اکو در میلان با ۲۷ هزار قفسه را صرفاً از روی چند ویدیوی تار و عکس، به شکل یک محیط سهبعدی تعاملی بازسازی کرد و ۵ هزار جلد کتاب را در جای دقیقشان چید. مدلها حتی توانستند با هدایت مستقل نرمافزار Blender و ابزارهای تولید صدا، بدون دخالت فنی انسان یک تیزر سینمایی کامل بسازند.
درس کلیدی این تحلیل این است که رقابت با هوش مصنوعی در حجم تولید محتوا یک بازی از پیش باخته است؛ در عوض، انسانها باید با تکیه بر ۴ مزیت کلیدی خود فرمان هدایت مدلها را در دست بگیرند: «دانش عمیق» در یک حوزه تخصصی برای تشخیص سریع خطاهای پنهان مدل، «دانش وسیع و بینرشتهای» برای ترکیب ایدهها، «سلیقه و بینش (Taste)» به عنوان تنها فیلتر نجاتبخش در برابر اقیانوس محتواهای بیکیفیت و کلیشهای هوش مصنوعی، و در نهایت «عاملیت (Agency)» به معنای شهامت آزمودن مرزهای ناشناخته ابزارها بدون منتظر ماندن برای دستورالعمل دیگران. این ترکیب به جای جایگزینی، ارزش کار انسان را چند برابر خواهد کرد.
@ACCELERATIONERS
