به گزارش خبرنگار مهر؛ صنعت هوش مصنوعی پس از یک دهه شتاب فزاینده در توسعه الگوریتم‌ها و زیرساخت‌های محاسباتی و چند سال هیجان‌زدگی رسانه‌ای حول مفهوم مدل‌های عظیم، اکنون در آستانه یک چرخش راهبردی و ساختاری قرار گرفته است. تجربه سال‌های اخیر نشان می‌دهد که رشد نمایی اندازه مدل‌ها لزوماً به معنای افزایش متناسب ارزش اقتصادی، بهره‌وری سازمانی یا حل مسائل واقعی نیست. در چنین بستری، اگر سال ۲۰۲۵ را بتوان سال «بازبینی انتظارات» و تعدیل روایت‌های اغراق‌آمیز درباره توانمندی‌های هوش مصنوعی دانست، سال ۲۰۲۶ به‌احتمال زیاد سال «عملیاتی‌شدن» و بلوغ کاربردی این فناوری خواهد بود؛ سالی که در آن پرسش اصلی دیگر قابلیت‌های احتمالی هوش مصنوعی نیست، بلکه یافتن حوزه‌های مفید، قابل استقرار و پایدار برای فعالیت این فناوری نوظهور محسوب می‌شود.

تمرکز بازیگران اصلی این حوزه به‌تدریج در حال فاصله‌گرفتن از رقابت پرهزینه بر سر ساخت مدل‌های زبانی بزرگ‌ و نزدیک‌شدن به مسئله‌ای پیچیده‌تر و حیاتی‌تر است: چگونه می‌توان هوش مصنوعی را به‌گونه‌ای طراحی و پیاده‌سازی کرد که به شکل مؤثر در دل فرایندهای واقعی انسانی و صنعتی بنشیند، هزینه کل مالکیت آن قابل‌دفاع باشد، ریسک‌های عملیاتی و حکمرانی آن مدیریت شود و در نهایت، ارزش قابل اندازه‌گیری خلق کند. این تغییر زاویه دید، نشانه عبور صنعت از فاز آزمایشگاهی و نمایشی به فاز مهندسی، استقرار و بهره‌برداری است.

در این چارچوب، تحول اصلی نه در ابعاد مدل‌ها، بلکه در معماری‌های هوشمند، الگوهای استقرار و بازتعریف نسبت انسان و ماشین رخ می‌دهد. گفت‌وگوهای اخیر با متخصصان صنعت نشان می‌دهد که ۲۰۲۶ سال گذار از نمایش‌های پرزرق‌وبرق، خودمختاری ادعایی و اتکای صرف به مقیاس‌پذیری خام به کاربردهای هدفمند، تقویت واقعی جریان‌های کاری انسانی و پژوهش عمیق و مسئله‌محور خواهد بود؛ گذاری که می‌تواند بنیان اقتصادی و اجتماعی هوش مصنوعی را متحول سازد.

افول قانون مقیاس‌پذیری: بازگشت به عصر پژوهش

موفقیت‌های اولیه یادگیری عمیق از انتشار مقاله مشهور «ImageNet» در سال ۲۰۱۲ تا عرضه مدل «GPT-۳» در سال ۲۰۲۰، صنعت هوش مصنوعی را وارد دوره‌ای کرد که می‌توان آن را «عصر مقیاس‌پذیری» نامید؛ دوره‌ای که در آن افزایش داده، محاسبه و اندازه مدل‌ها به‌عنوان موتور اصلی پیشرفت تلقی می‌شد. اما نشانه‌های فزاینده‌ای حاکی از آن است که این مسیر به سقف بازدهی خود نزدیک شده است.

چهره‌هایی مانند یان لوکان مدت‌هاست نسبت به اتکای افراطی به ترنسفورمرها هشدار داده‌اند. حتی ایلیا ساتسکور نیز به‌تازگی از ثابت ماندن نتایج پیش‌ آموزش مدل‌ها سخن گفته است. بر همین اساس، این اجماع در حال شکل‌گیری است که بدون معماری‌های نوین، نمی‌توان انتظار جهش معنادار دیگری داشت. بنابراین، سال ۲۰۲۶ به‌احتمال زیاد شاهد سرمایه‌گذاری مجدد بر پژوهش‌های بنیادی و معماری‌های جایگزین خواهد بود؛ حرکتی که یادآور دوران پیش از تب مدل‌های عظیم است.

بازتعریف ارزش مدل‌های زبانی کوچک

کارشناسان برجسته هوش مصنوعی معتقدند در حالی که مدل‌های زبانی بزرگ توانایی تعمیم بالایی دارند، موج بعدی پذیرش سازمانی هوش مصنوعی به‌واسطه مدل‌های کوچک و تخصصی شکل خواهد گرفت. مدل‌های زبانی کوچک تنظیم‌شده و اختصاصی می‌توانند در حوزه‌های خاص، با دقتی هم‌تراز یا حتی بالاتر از مدل‌های عمومی عمل کنند و هزینه و تأخیر کمتر داشته باشند.

این رویکرد به‌ویژه برای بنگاه‌های اقتصادی بالغ در حوزه دیجیتال جذاب است؛ جایی که سرعت، امنیت داده و کنترل هزینه اولویت دارد. افزون بر این، ماهیت سبک این مدل‌ها آن‌ها را به گزینه‌ای ایده‌آل برای استقرار محلی و لبه تبدیل می‌کند؛ روندی که هم‌زمان با پیشرفت محاسبات لبه‌ای شتاب گرفته است. بنا بر همین استدلال، در عمل توسعه مدل‌های زبانی کوچک به یک اصل راهبردی در معماری‌های هوش مصنوعی ۲۰۲۶ تبدیل خواهد شد.

یادگیری از تجربه: ظهور مدل‌های جهان

یکی از محدودیت‌های بنیادین مدل‌های زبانی این است که جهان را «نمی‌فهمند»، بلکه صرفاً الگوهای زبانی را پیش‌بینی می‌کنند. در چنین شرایطی، کارشناسان مدعی هستند که پاسخی مناسب به این محدودیت ، موسوم به «مدل‌های جهان» در حال ظهور هستند. این سامانه‌ها با یادگیری تعامل اشیا در فضاهای سه‌بعدی و پویا، امکان پیش‌بینی و کنش معنادار را فراهم می‌کنند.

سرمایه‌گذاری‌های کلان در این حوزه از سوی آزمایشگاه‌های پیشرو و استارتاپ‌ها نشان می‌دهد که سال ۲۰۲۶ می‌تواند نقطه عطف مدل‌های جهان باشد. در کوتاه‌مدت، صنعت بازی‌های ویدیویی محتمل‌ترین عرصه تجاری‌سازی این فناوری است؛ جایی که جهان‌های تعاملی و شخصیت‌های غیرقابل‌بازی واقع‌گرایانه ارزش اقتصادی عظیمی خلق می‌کنند. همچنین در افق بلندتر، همین محیط‌های مجازی می‌توانند میدان آزمایش نسل بعدی مدل‌های بنیادین و عامل‌های هوشمند باشند.

گسترش بی‌سابقه عامل‌های هوش مصنوعی

بسیاری از برآوردهای صورت گرفته، نشان می‌دهند که عامل‌های هوش مصنوعی در سال ۲۰۲۵ به وعده‌های خود نرسیدند. این شکست نه به‌دلیل ضعف ذاتی، بلکه به‌خاطر ناتوانی در اتصال به سامانه‌های واقعی کار صورت رخ داده است. زیرا بدون دسترسی به ابزارها، داده‌ها و زمینه، عامل‌ها در چرخه‌های آزمایشی گرفتار شدند.

بر همین اساس، استانداردهایی مانند پروتکل زمینه مدل به‌عنوان لایه اتصال مشترک، در حال رفع این گلوگاه هستند. با کاهش اصطکاک اتصال عامل‌ها به پایگاه‌های داده، رابط‌های برنامه‌نویسی و سامانه‌های سازمانی، سال ۲۰۲۶ می‌تواند سال گذار عامل‌ها از عرصه نمایش به عمل باشد. در این سناریو، راهکارهای «عامل‌محور» به‌تدریج نقش سامانه‌های مرجع را در صنایع مختلف، از خدمات خانگی و سلامت تا فروش و پشتیبانی، بر عهده خواهند گرفت.

تقویت انسان و عدم جایگزینی هوش مصنوعی با نیروی کار

کارشناسان حوزه فناوری بر این باور هستند که برخلاف روایت‌های اغراق‌آمیز درباره جایگزینی نیروی انسانی، نشانه‌ها حاکی از آن است که ۲۰۲۶ سال بازتعریف همکاری انسان و ماشین خواهد بود. تجربه نشان داده که خودمختاری کامل هنوز دست‌نیافتنی است و تمرکز واقعی بر تقویت جریان‌های کاری انسانی خواهد بود.

در این مسیر، مشاغل جدیدی در حوزه‌هایی مانند حکمرانی هوش مصنوعی، شفافیت، ایمنی و مدیریت داده پدیدار می‌شوند. پیام ضمنی این تحول روشن است و بر اساس آن، ارزش در سطوح بالای رابط برنامه‌نویسی خلق می‌شود، جایی که انسان تصمیم‌گیرنده نهایی باقی می‌ماند.

هوش مصنوعی فیزیکی: ورود به جهان واقعی

علاوه بر موارد ذکر شده، ترکیب مدل‌های کوچک، مدل‌های جهان و محاسبات لبه، مسیر را برای گسترش کاربردهای فیزیکی هوش مصنوعی هموار کرده است. از همین روی، ربات‌ها، خودروهای خودران، پهپادها و ابزارهای پوشیدنی هوشمند در آستانه ورود گسترده‌تر به بازار قرار دارند.

در این میان، گجت‌های پوشیدنی مبتنی بر فناوری هوش مصنوعی به‌دلیل هزینه کمتر و پذیرش مصرف‌کننده، نقش پیشرو خواهند داشت. عینک‌های هوشمند، حلقه‌های سلامت و ساعت‌های هوشمند، استنتاج دائمی و برتن را به هنجار بدل می‌کنند. در نتیجه، زیرساخت‌های ارتباطی نیز ناگزیر بهینه‌سازی خواهند شد تا پاسخگوی این موج جدید باشند.

جمع‌بندی

آن چه از مجموعه این تحولات برمی‌آید، تصویری نسبتاً شفاف از ۲۰۲۶ به ‌عنوان سال بلوغ راهبردی هوش مصنوعی ارائه می‌دهد؛ سالی که در آن این فناوری از مرحله هیجان‌زدگی و وعده‌های بزرگ به مرحله خرد عملیاتی و تصمیم‌سازی مبتنی بر واقعیت حرکت می‌کند. در این نقطه، صنعت دیگر به‌دنبال شگفت‌زده‌کردن مخاطبان با توانایی‌های نمایشی نیست، بلکه می‌کوشد جایگاهی پایدار در زنجیره ارزش سازمان‌ها، صنایع و زندگی روزمره پیدا کند. این گذار از «مقیاس» به «معنا» به‌معنای تمرکز بر حل مسائل مشخص، قابل اندازه‌گیری و اقتصادی و عبور از نمایش پیشرفت‌های فنی است.

فناوری هوش مصنوعی در این چارچوب نه متوقف می‌شود و نه با جهش‌های انفجاری و غیرقابل‌کنترل پیش می‌رود، بلکه به‌تدریج و در سکوت در دل فرایندهای واقعی، از تصمیم‌های مدیریتی و عملیات سازمانی تا تعاملات روزمره انسان با ابزارهای دیجیتال، جا خوش می‌کند. بلوغ واقعی یک فناوری دقیقاً در همین نقطه رخ می‌دهد؛ زمانی که دیگر موضوع شگفتی و اغراق نیست، اما حذف آن از جریان کار و زندگی تقریباً ناممکن می‌شود. در نهایت، ۲۰۲۶ را می‌توان سالی دانست که هوش مصنوعی از «فناوری آینده» به «زیرساخت حال» تبدیل می‌شود؛ زیرساختی که اگرچه کمتر دیده می‌شود، اما فقدانش فوراً احساس خواهد شد.