همه نگران هوش مصنوعی‌اند؛ چرا کسی پا پس نمی‌کشد؟

چیزی که تا چند سال پیش بیش‌تر شبیه یک فناوری آزمایشی و دور از زنده‌گی روزمره بود، امروز در کار، آموزش، تحقیق ، تجارت، برنامه‌نویسی، رسانه و حتا تصمیم‌گیری‌های شخصی و سازمانی حضور دارد. براساس گزارش سالانه دانشگاه استنفورد، هوش مصنوعی مولد، تنها سه سال پس از عرضه ChatGPT در نوامبر ۲۰۲۲، به ۵۳ درصد جمعیت جهان رسید؛ کامپیوتر شخصی و انترنت در همین مدت به چنین رقمی نزدیک هم نشده بود. پژوهش بانک فدرال رزرو سنت‌لوئیس نشان می‌دهد که در امریکا، در آگست ۲۰۲۵، حدود ۵۴.۶ درصد بزرگ‌سالان ۱۸ تا ۶۴ ساله از این ابزارها استفاده می‌کردند. برای مقایسه، سه سال پس از آن‌که کامپیوتر شخصی و انترنت به‌دست عموم مردم رسید، این رقم برای کامپیوتر شخصی تنها ۱۹.۷ درصد و برای انترنت ۳۰.۱ درصد بود. همچنان، به گزارش استنفورد، ۸۸ درصد سازمان‌ها و شرکت ها دست‌کم در یکی از بخش‌های کاری خود از هوش مصنوعی استفاده می‌کنند.

هرچند وقت یک‌بار، مدل های جدیدی هوش مصنوعی معرفی می‌شوند که توانایی‌هایی فراتر از نسل قبلی دارند و هم‌زمان شرکت‌های بزرگ صدها میلیارد دالر برای توسعه نسل بعدی آن‌ها هزینه می‌کنند. دولت‌ها نیز دیگر هوش مصنوعی را صرفاً یک موضوع تکنولوژیک نمی‌بینند؛ آن را به اقتصاد، امنیت ملی، رقابت جهانی و آینده قدرت کشورها پیوند زده‌اند. در چنین شرایطی، پرسش اساسی این است: اگر هم‌زمان با پیشرفت هوش مصنوعی، نگرانی درباره پیامدهای آن نیز بیش‌تر شده است، پس چرا بشر با چنین سرعتی به‌سوی هوش مصنوعی قدرت‌مندتر حرکت می‌کند؟

مساله اصلی این است که چند نیرو و دلیل قوی، که هرکدام به‌تنهایی قابل فهم‌اند، در کنار یکدیگر قرار گرفته‌اند و شتابی ایجاد کرده‌اند که کنتول آن برای یک دولت، یک شرکت یا حتا مجموعه‌ای از کشورها آسان نیست. این نیروها را می‌توان در چهار دسته دید: نخست، مردم و فایده‌ای که هر روز از هوش مصنوعی می‌برند؛ دوم، رقابت میان شرکت‌ها و کشورها؛ سوم، سیاست جهانی و جایگاه تازه هوش مصنوعی در قدرت ملی، که برخی آن را با نقش نفت در قرن بیستم مقایسه می‌کنند؛ و چهارم، این واقعیت که هوش مصنوعی خودش به ابزاری برای ساختن هوش مصنوعی بهتر تبدیل شده است.

نخستین نیرو، خودِ مردم‌اند و تصویری که از هوش مصنوعی در ذهن آن‌ها شکل گرفته است. هوش مصنوعی برای بیش‌تر مردم با یک سلاح یا یک تهدید وارد زنده‌گی نشد؛ با یک دستیار وارد شد. چیزی که می‌تواند یک متن را بنویسد یا ترجمه کند، یک مساله پیچیده را توضیح دهد، به دانش‌آموز کمک کند، برای برنامه‌نویس کُد بنویسد، یک تصویر بسازد یا در چند ثانیه اطلاعاتی را تحلیل کند. بنابراین، هرقدر که هوش مصنوعی بهتر می‌شود، مردم پیش از آن‌که خطر آن را ببینند، فایده‌اش را تجربه می‌کنند. این فایده را با عدد هم می‌توان نشان داد.

طبق داده‌های استنفورد، ارزش سالانه ابزارهای هوش مصنوعی مولد برای مصرف‌کننده‌گان امریکایی تا اوایل ۲۰۲۶، حدود ۱۷۲ میلیارد دالر برآورد شده و ۸۰ درصد دانشجویان دانشگاه‌ها از این ابزارها استفاده می‌کنند. در محیط کار نیز، طبق یافته‌های همان پژوهش فدرال رزرو، سهم ساعاتی که کارکنان امریکایی با هوش مصنوعی مولد کار می‌کنند، تنها در نُه ماه از ۴.۱ به ۵.۷ درصد رسیده و این فناوری ممکن است بهره‌وری نیروی کار را تا ۱.۳ درصد بالا برده باشد. اگر فناوری‌ای با چنین قدرتی از ابتدا در قالب یک سلاح معرفی می‌شد، احتمالاً جامعه در برابر آن واکنش بسیار متفاوتی نشان می‌داد. اما هوش مصنوعی از مسیر فایده وارد زنده‌گی ما شده است. و چیزی که زنده‌گی را آسان‌تر می‌کند، به‌تدریج به چیزی تبدیل می‌شود که نبودنش دشوار است.

هرچه هوش مصنوعی مفیدتر می‌شود، مردم بیش‌تر از آن استفاده می‌کنند؛ استفاده بیش‌تر، تقاضای اقتصادی بیش‌تری ایجاد می‌کند؛ تقاضای بیش‌تر سرمایه‌گذاری بیش‌تری به همراه می‌آورد؛ سرمایه‌گذاری، مدل‌های بهتر و زیرساخت‌های بزرگ‌تر می‌سازد؛ و هوش مصنوعی بهتر، دوباره مردم بیش‌تری را به استفاده از آن ترغیب می‌کند. این چرخه بارها تکرار می‌شود و چیزی که در ابتدا یک انتخاب بود، کم‌کم به یک ضرورت تبدیل می‌شود. براساس داده‌های استنفورد، ۷۳ درصد کارشناسان هوش مصنوعی به تاثیر آن بر مشاغل خوش‌بین‌اند، اما در میان مردم عادی این رقم تنها ۲۳ درصد است؛ و بااین‌حال، همین مردم هر روز بیش‌تر از آن استفاده می‌کنند. نگرانی و وابسته‌گی کنار هم رشد می‌کنند، و هرچه این فناوری مفیدتر شود، متوقف کردن یا حتا آهسته‌کردن مسیر آن دشوارتر خواهد شد.

نیروی دوم، رقابت است. شرکت‌های بزرگ فناوری نمی‌توانند در یک محیط آرام و بدون رقیب تصمیم بگیرند. فرض کنید یک شرکت به این نتیجه برسد که توسعه سریع هوش مصنوعی ممکن است خطرناک باشد و سرعت خود را کاهش دهد. اگر رقیب آن به توسعه ادامه دهد و به فناوری بسیار قدرت‌مندتری دست پیدا کند، شرکت محتاط ممکن است مشتریان، سرمایه، متخصصان و سهم بازار خود را از دست دهد. این فقط یک فرض نیست. گزارش استنفورد نشان می‌دهد که سرمایه‌گذاری جهانی شرکت‌ها در هوش مصنوعی در سال ۲۰۲۵، به ۵۸۱.۷ میلیارد دالر رسید؛ یعنی بیش از دو برابر سال قبل. به گزارش فایننشال تایمز، تنها چهار شرکت آمازون، مایکروسافت، آلفابت و متا برای سال ۲۰۲۶، حدود ۷۲۵ میلیارد دالر هزینه سرمایه‌ای در نظر گرفته‌اند که ۷۷ درصد بیش‌تر از ۴۱۰ میلیارد دالر سال گذشته است و بیش‌ترش صرف تراشه، مراکز داده و زیرساخت هوش مصنوعی می‌شود؛ برخی تحلیل‌گران انتظار دارند این رقم در ۲۰۲۷ از یک تریلیون دالر بگذرد. با چنین ارقامی، حتا اگر مدیران یک شرکت واقعاً نگران آینده باشند، نمی‌توانند به‌ساده‌گی از رقابت بیرون روند.

دولت‌ها نیز همین حساب را می‌کنند. اگر یک کشور سرعت خود را کم کند، اما کشور دیگری به سرمایه‌گذاری و توسعه ادامه دهد، کشور اول ممکن است احساس کند در اقتصاد، علم، فناوری یا حتا توان نظامی آینده از رقیب عقب خواهد افتاد. آرمسترانگ، بوستروم و شولمن در مدلی که برای توضیح مسابقه هوش مصنوعی ساخته‌اند، نشان داده‌اند که هرچه تعداد رقبا بیش‌تر و فاصله توانایی آن‌ها کم‌تر باشد، هر بازی‌گر بیش‌تر وسوسه می‌شود از احتیاط‌های ایمنی بکاهد تا از دیگران جلو بیفتد. اقتصاددانان به چنین وضعیتی «معمای زندانی» یا «دوراهی زندانی» می‌گویند؛ اگر همه آهسته‌تر بروند، همه سود می‌برند، اما هیچ‌کس نمی‌خواهد نخستین کسی باشد که می‌ایستد. بنابراین، همه انگیزه دارند ادامه دهند؛ نه لزوماً به این دلیل که معتقدند سرعت بیش‌تر همیشه بهتر است، بلکه چون هیچ‌کس نمی‌خواهد زمانی که دیگران می‌دوند، خودش بایستد.

در این معنا، مسابقه هوش مصنوعی تا حدی شبیه یک مسابقه تسلیحاتی است، اما با یک تفاوت بسیار مهم: هوش مصنوعی فقط یک سلاح نیست؛ بلکه یک «فناوری همه‌منظوره» است، مانند برق یا موتور بخار. همین فناوری که می‌تواند خطرهای تازه‌ای ایجاد کند، می‌تواند به برنامه‌نویس، پژوهش‌گر، پزشک، مهندس، دانشمند، معلم، مترجم و دستیار تبدیل شود و بهره‌وری اقتصادی را به‌شکل چشم‌گیری افزایش دهد. یک موشک را می‌توان عمدتاً به‌عنوان ابزار نظامی تعریف کرد؛ اما هوش مصنوعی را نمی‌توان به همین ساده‌گی در یک دسته قرار داد. دولت‌ها نمی‌توانند به‌راحتی آن را ممنوع کنند، چون منافع اقتصادی و علمی آن بسیار بزرگ است. شرکت‌ها نمی‌توانند از آن کنار بکشند، چون رقبای‌شان ممکن است ادامه دهند. و مردم نیز به‌ساده‌گی نمی‌توانند آن را کنار بگذارند، چون ابزارهایی در اختیارشان می‌گذارد که پیش از این نیازمند سال‌ها آموزش و تخصص بود.

نیروی سوم، سیاست جهانی و رقابت میان قدرت‌هاست. هوش مصنوعی دیگر فقط یک محصول تجاری نیست؛ به‌تدریج به بخشی از زیرساخت قدرت ملی تبدیل می‌شود. داده‌های استنفورد نشان می‌دهد که سرمایه‌گذاری خصوصی در هوش مصنوعی در ایالات متحده در سال ۲۰۲۵، به ۲۸۵.۹ میلیارد دالر رسید که بیش از ۲۳ برابر رقم ۱۲.۴ میلیارد دالری چین است؛ بااین‌حال، فاصله عمل‌کرد بهترین مدل‌های امریکایی و چینی تا مارچ ۲۰۲۶ به تنها ۲.۷ درصد رسیده است. در همان حال، بنا بر همان گزارش، کشورهای بیش‌تری، به‌ویژه در جهان در حال توسعه، راهبرد ملی هوش مصنوعی تدوین می‌کنند و در ابَرکمپیوترهای دولتی سرمایه‌گذاری می‌کنند؛ آن‌ها می‌خواهند هوش مصنوعیِ خودشان را داشته باشند، نه این‌که به دیگران وابسته بمانند. رقابت ایالات متحده و چین، محدودیت‌های صادراتی تراشه‌های پیشرفته و تلاش دولت‌ها برای دسترسی به مراکز داده، انرژی و ظرفیت محاسباتی، همه نشان می‌دهد که مساله بسیار فراتر از ساخت یک نرم‌افزار هوشمند است. پرسش اصلی به‌تدریج این می‌شود که چه کسی ظرفیت تولید و استفاده از هوش ماشینی را در اختیار خواهد داشت.

برخی می‌گویند هوش مصنوعی در قرن بیست‌ویکم همان نقشی را بازی خواهد کرد که نفت در قرن بیستم داشت. این ادعا هنوز اثبات نشده است، اما ارزش فکرکردن دارد. نفت در قرن بیستم فقط یک کالای باارزش نبود؛ ستون تمدن صنعتی بود و حمل‌ونقل، تولید، تجارت و قدرت نظامی را به‌حرکت درمی‌آورد. به همین دلیل، کشورهایی که منابع بزرگ نفتی یا کنترل مسیرهای انتقال انرژی را در اختیار داشتند، نفوذی بسیار فراتر از ارزش خود نفت به دست آوردند. شاید هوش مصنوعی شکل متفاوتی از همین وابسته‌گی را ایجاد کند؛ نه از طریق انرژی، بلکه از طریق هوش و توان محاسباتی. اگر نفت به صنعت انرژی می‌داد، هوش مصنوعی به اقتصاد توانایی تصمیم‌گیری، تحلیل و تولید دانش می‌دهد. شرکت‌ها برای تحقیق، طراحی، برنامه‌نویسی، امور مالی، تولید، بازاریابی و مدیریت به آن وابسته شوند؛ دانشگاه‌ها برای کشف‌های علمی از آن بهره گیرند؛ دولت‌ها برای اداره سیستم‌های پیچیده به آن تکیه کنند؛ و ارتش‌ها آن را بخشی از توان دفاعی و اطلاعاتی خود بدانند.

نیروی چهارم این است که هوش مصنوعی خودش به ابزاری برای ساخت فناوری بهتر تبدیل شده است. هوش مصنوعی امروز در برنامه‌نویسی، تحلیل تحقیقات، آزمایش، طراحی سیستم‌ها، مهندسی و حتا طراحی تراشه به انسان کمک می‌کند، و این توانایی سال‌به‌سال بیش‌تر می‌شود. بر پایه داده‌های استنفورد، در آزمون برنامه‌نویسی SWE-bench Verified، عمل‌کرد مدل‌ها تنها در یک سال از ۶۰ درصد به نزدیک ۱۰۰ درصد رسید. پژوهش‌گران یک موسسه مستقل ارزیابی هوش مصنوعی نیز دریافته‌اند که طول کارهایی که هوش مصنوعی می‌تواند به‌تنهایی انجام دهد (بر حسب زمانی که همان کار از یک متخصص انسانی می‌گیرد) از سال ۲۰۱۹ تقریباً هر هفت ماه دو برابر شده و از ۲۰۲۴ به بعد حتا سریع‌تر هم شده است.

اگر این روند ادامه یابد، به چرخه‌ای می‌رسیم که ریاضی‌دان بریتانیایی، آی. جی. گود، سال‌ها پیش آن را «انفجار هوش» نامید. انسان هوش مصنوعی بهتری می‌سازد، هوش مصنوعی بهتر به انسان در پژوهش و مهندسی کمک می‌کند، این پژوهش فناوری بهتری تولید می‌کند و فناوری بهتر دوباره امکان ساخت هوش مصنوعی قدرت‌مندتر را فراهم می‌سازد. به این ترتیب، هوش مصنوعی ممکن است فقط یکی از محصولات انقلاب تکنولوژیک نباشد؛ بلکه به یکی از موتورهای خودِ این انقلاب تبدیل شود. تا امروز، سرعت پیشرفت علم به تعداد پژوهش‌گران بسته‌گی داشت؛ اما اگر بخشی از کار پژوهش را ماشین انجام دهد، این محدودیت هم کم‌رنگ می‌شود.

اگر این چهار نیرو را کنار هم بگذاریم، تصویر روشن‌تر می‌شود. شرکت می‌گوید: «اگر ما آهسته شویم، رقیب از ما جلو می‌زند.» دولت می‌گوید: «اگر ما عقب بمانیم، کشور دیگری برتری پیدا می‌کند.» سرمایه‌گذار می‌خواهد از بازار جدید سود ببرد، پژوهش‌گر می‌خواهد به کشف تازه‌ای برسد، و فرد می‌گوید: «اگر همه از هوش مصنوعی استفاده کنند، من نمی‌توانم از آن استفاده نکنم.» هرکدام از این تصمیم‌ها به‌تنهایی قابل درک است، اما حاصل جمع آن‌ها می‌تواند سیستمی بسازد که شتابش بسیار بیش‌تر از توانایی ما برای فکرکردن درباره پیامدهایش باشد. هیچ‌کس لازم نیست تصمیم گرفته باشد که یک فناوری غیرقابل‌کنترل بسازد؛ کافی است همه، از زاویه منافع خود، دلایل کافی برای ادامه‌دادن داشته باشند.

مشکل این است که در این مسابقه، بُعد ایمنی از سرعت عقب مانده است. طبق گزارش استنفورد، تقریباً همه شرکت‌های پیشرو نتایج آزمون‌های توانایی مدل‌های‌شان را منتشر می‌کنند، اما گزارش درباره ایمنی این مدل‌ها پراکنده و داوطلبانه است؛ در همین حال، شمار حوادث ثبت‌شده هوش مصنوعی از ۲۳۳ مورد در ۲۰۲۴ به ۳۶۲ مورد در ۲۰۲۵ رسیده است. ازاین‌رو، پرسش اصلی فقط این نیست که آیا می‌توانیم خودِ ماشین را کنترل کنیم؛ پرسش دشوارتر این است که آیا می‌توانیم رفتار خودمان را در برابر این ماشین کنترل کنیم. آیا شرکت‌ها حاضرند درحالی‌که رقیب‌شان ادامه می‌دهد، سرعت خود را کم کنند؟ آیا دولت‌ها حاضرند زمانی که رقیب ژیوپلیتیک‌شان سرمایه‌گذاری می‌کند، عقب بکشند؟ آیا کشورها می‌توانند بر سر محدودیت‌هایی توافق کنند که همه واقعاً به آن پایبند بمانند؟

هرچه هوش مصنوعی مهم‌تر شود، هزینه عقب‌ماندن بیش‌تر می‌شود؛ و هرچه هزینه عقب‌ماندن بیش‌تر شود، انگیزه برای ادامه مسابقه قوی‌تر خواهد شد. در نهایت، هوش مصنوعی ممکن است نه به این دلیل از کنترل خارج شود که بشر کنترل را رها کرده، بلکه چون همه دلیل کافی برای ادامه‌دادن دارند. قرن بیستم با انرژی و نفت تعریف شد؛ قرن بیست‌ویکم شاید با چیزی تعریف شود که کمیاب‌تر و تعیین‌کننده‌تر است: ظرفیت تولید هوش.

منابع

Stanford HAI (2026). The 2026 AI Index Report. Stanford University.

Bick, A., Blandin, A., & Deming, D. (2025). The State of Generative AI Adoption in 2025. Federal Reserve Bank of St. Louis.

International Energy Agency (2025). Energy and AI. IEA, Paris.

Kwa, T., West, B., et al. (2025). Measuring AI Ability to Complete Long Tasks. METR.

Financial Times hyperscaler capex tally, via AI Weekly (2026).

Armstrong, S., Bostrom, N., & Shulman, C. (2016). Racing to the precipice: A model of artificial intelligence development. AI & Society, 31(2), 201–206.

Good, I. J. (1965). Speculations concerning the first ultraintelligent machine. Advances in Computers, 6, 31–88.