هوش مصنوعی در سال ۲۰۲۶: نفوذ متن‌بازهای شرقی به مرکز فناوری غرب و جنگ مسئولیت

به گزارش پیوست، پیش‌بینی جدید نشریه ام‌آی‌تی برای سال جدید میلادی تصریح می‌کند که دیگر پرسش اصلی به اینکه «آیا هوش مصنوعی آینده را تغییر می‌دهد یا نه» محدود نمی‌شود، بلکه مساله اصلی این است که چه کسی زیرساخت آن را می‌سازد، چه کسی آن را کنترل می‌کند و چه کسی هزینه‌های اجتماعی و حقوقی‌اش را می‌پردازد.

در این متن گزارشی از پیش‌بینی‌های سال ۲۰۲۶ این نشریه را مطالعه می‌کنید که به نفوذ هرچه بیشتر مدل‌های چینی در قلب فناوری آمریکا (سیلیکون‌ولی) به دلیل رویکرد متن‌باز اشاره می‌کند و همچنین به مساله نبرد قانون‌گذاری در ایالات متحده (میان دولت فدرال با نگاه باز و ایالت‌های خواستار تنظیم‌گری) می‌پردازد. مساله دیگری که در نیمه دوم سال ۲۰۲۵ به مرکز توجه آمد و حالا یکی از بخش‌های مهم آینده هوش مصنوعی محسوب می‌شود، نقش چت‌بات‌ها و عامل‌های هوش مصنوعی در تحول تجارت الکترونیک است.

علاوه بر این مدل‌های زبانی حالا به بازیگر مهمی در حوزه کشفیات علمی و حتی تولید دارو تبدیل شده‌اند و انتظار می‌رود که ادامه این روند در سال ۲۰۲۶ با نظارت و کنترل کافی به تحولات مهمی منجر شود.

مدل‌های زبانی چینی؛ ورود آرام به قلب سیلیکون‌ولی

یکی از مهم‌ترین روندهای سال ۲۰۲۶ را می‌توان نفوذ تدریجی اما عمیق مدل‌های زبانی بزرگ چینی در محصولات غربی دانست که برخلاف تصور رایج، نه از مسیر تقابل ژئوپلیتیک، بلکه با توجه به رویکرد متفاوت بازیگران بزرگ چینی انجام می‌گیرد. بیشتر بازیگران چینی و به ویژه دیپ‌سیک، مهم‌ترین بازیگران این بازار، بر رویکرد متن‌باز تمرکز دارند و همچنین از سر ضرورت برای رقابت با همتایان غربی بود تمرکز ویژه‌ای بر کارآمدی فنی دارند.

سال ۲۰۲۵ برای اکوسیستم مدل‌های متن‌باز چین تاریخ‌ساز بود. عرضه مدل استدلالی R1 از شرکت دیپ‌سیک نشان داد که دستیابی به عملکردی در سطح مدل‌های پیشرو، الزاما نیازمند منابع نامحدود یا شرکت‌های آمریکایی نیست.

لحظه دیپ‌سیک به یک نقطه‌عطف ذهنی در میان کارآفرینان هوش مصنوعی شد و در واقع این ایده را تقویت کرد که می‌توان بدون اتکا به اوپن‌ای‌آی گوگل یا انتروپیک هم به کیفیتی نزدیک به پیشتازان صنعت دست پیدا کدر.

مدل‌های متن و وزن‌بازی چون R1، مزیت‌هایی فراتر از کاهش هزینه را به همراه دارند. آن‌ها به تیم‌ها اجازه می‌دهند مدل را روی سخت‌افزار خود اجرا کنند، آن را با روش‌هایی مانند تقطیر (distillation) یا هرس کردن (pruning) شخصی‌سازی کنند و وابستگی خود را به APIهای گران‌قیمت کاهش دهند. این ویژگی‌ها، در تضاد کامل با مدل‌های بسته آمریکایی است که هسته قابلیت‌هایشان محرمانه باقی مانده است و گرچه شرکتی چون متا بر رویکرد متن‌باز تمرکز کرده و اوپن‌ای‌آی نیز سال گذشته اولین مدل متن‌باز خود را ارائه کرد، اما نمونه‌های چینی در این حوزه پیشتازی مطلق را در اختیار دارند.

نمونه برجسته این روند، خانواده مدل‌های Qwen شرکت علی‌باباست. تنها نسخه Qwen2.5-1.5B-Instruct این شرکت بیش از ۸.۸ میلیون بار دانلود شده و در کنار نسخه‌های تخصصی برای ریاضی، کدنویسی، بینایی و پیروی از دستور، به یکی از ستون‌های متن‌باز اکوسیستم LLM تبدیل شده است. در کنار آن، بازیگرانی مانند Zhipu (GLM) و Moonshot (Kimi) نیز با الهام از رویکرد دیپ‌سیک، استراتژی متن‌باز را با جدیت بیشتری دنبال می‌کنند.

نتیجه این مسیر، شکل‌گیری یک پارادوکس ژئوپلیتیک است: در شرایطی که تنش میان آمریکا و چین رو به افزایش است، اعتماد فنی و استفاده عملی از مدل‌های چینی در استارت‌آپ‌های غربی رو به افزایش است. انتظار می‌رود که در سال ۲۰۲۶ تعداد بیشتری از محصولات سیلیکون‌ولی (بی‌سروصدا) بر بستر مدل‌های متن‌باز چینی ساخته و عرضه شوند و فاصله زمانی میان عرضه مدل‌ها در چین و غرب، از چندین ماه به چند هفته کاهش یابد

نبرد قانون‌گذاری در ایالات متحده

در موازات رقابتی که فعالان فناوری دنبال می‌کنند، سال ۲۰۲۶ صحنه تشدید کشمکش‌های سیاسی بر سر قانون‌گذاری هوش مصنوعی در آمریکا (میزبان مهم‌ترین بازیگران هوش مصنوعی و ارائه دهندگان زیرساخت) خواهد بود. امضای فرمان اجرایی دونالد ترامپ در ماه دسامبر ۲۰۲۵، که هدف آن تضعیف قوانین ایالتی در حوزه هوش مصنوعی است، آغازی بر مرحله‌ای جدید از این نبرد بود که دولت فدرال حامی آزادی را در مقابل ایالت‌هایی قرار می‌دهد که به دنبال تنظیم‌گری بیشتر هستند.

این فرمان، ایالت‌ها را در موقعیتی سخت قرار داده است. از یک‌سو، ایالت‌های بزرگی مانند کالیفرنیا (که نخستین قانون ایمنی مدل‌های پیشرفته را تصویب کرده) آماده‌اند تا در صورت نیاز کار را به دادگاه بکشانند و استدلال کنند که تنها کنگره حق لغو قوانین ایالتی را دارد و از سوی دیگر همین ایالت‌ها به بودجه فدرال وابسته‌اند و به همین دلیل ممکن است توان رویارویی سیاسی نداشته باشند و مجبور به عقب‌نشینی در برابر دولت شوند.

در همین حال، شرکت‌های بزرگ هوش مصنوعی با اتکا به لابی‌گران قدرتمند خود برای خنثی‌سازی مقررات دست به کار شده‌اند. شعار اصلی بازیگران هوش مصنوعی و تیم لابی‌گری آنها این است که «قوانین پراکنده ایالتی، نوآوری را خفه می‌کند و آمریکا را در رقابت با چین عقب می‌اندازد» در مقابل، گروه‌های حامی تنظیم‌گری نیز در حال سازمان‌دهی منابع مالی خود هستند تا در انتخابات میان‌دوره‌ای آینده نقش‌آفرینی کنند.

نکته مهم این است که وعده ترامپ برای تدوین یک قانون فدرال جامع، چندان امیدوارکننده به نظر نمی‌رسد. کنگره در سال ۲۰۲۵ دوبار در تصویب حتی یک تعلیق موقت قوانین ایالتی شکست خورد. در چنین فضایی، سال ۲۰۲۶ نه سال حل مسئله، بلکه سال تشدید کشمکش خواهد بود؛ کشمکشی که هزینه عدم قطعیت آن را هم شرکت‌ها می‌پردازند و هم کاربران.

چت‌بات‌ها تجارت الکترونیک: سال دستیار‌های شخصی

یکی از ملموس‌ترین تغییرات ناشی از هوش مصنوعی را می‌توان تاثیر آن بر بخش تجارت الکترونیک دانست. ایده «دستیار خرید شخصی» با توان مقایسه، ارائه پیشنهاد و حتی انجام معامله و تنظیم زمان و مکان تحویل از یک سناریوی آینده‌نگرانه به یک واقعیت تبدیل شده است.

برآورد شرکت Salesforce نشان می‌دهد که هوش مصنوعی در فصل خرید تعطیلات اخیر، محرک ۲۶۳ میلیارد دلار خرید آنلاین بوده است؛ رقمی معادل ۲۱ درصد کل سفارش‌ها. فراتر از آن، پیش‌بینی مک‌کینزی نیز حاکی از آن است که تا سال ۲۰۳۰، سالانه بین ۳ تا ۵ هزار میلیارد دلار از طریق «تجارت عامل‌محور» (agentic commerce) جابه‌جا خواهد شد.

شرکت‌های بزرگ فناوری به‌خوبی اهمیت این بخش را متوجه شده‌آند و دریافته‌اند که لحظه تصمیم گیری برای خرید، گلوگاه اصلی بهره‌برداری ارزش است. هوش مصنوعی جمینای گوگل اکنون به داده‌های Shopping Graph متصل شده و حتی می‌تواند به‌جای کاربر با فروشگاه‌ها تماس بگیرد. شرکت اوپن‌ای‌آی نیز با افزودن قابلیت خرید به ChatGPT و همکاری با والمارت، تارگت  و Etsy تلاش کرده تا فرایند خرید را به بخشی از مکالمه طبیعی با هوش مصنوعی تبدیل کند.

در سال ۲۰۲۶، با کاهش ترافیک ورودی از موتورهای جست‌وجو و شبکه‌های اجتماعی و افزایش زمانی که کاربران صرف تعامل با چت‌بات‌ها می‌کنند، انتظار می‌رود این مدل‌ها به دروازه اصلی تجارت دیجیتال تبدیل شوند. این تحول، هم فرصت است و هم تهدید: فرصتی که می‌تواند به ساده‌سازی تجربه کاربر منجر شود و تهدیدی که شفافیت بازار و استقلال مصرف‌کننده در انتخاب را در معرض خطر قرار می‌دهد.

هوش مصنوعی در جایگاه شتاب‌دهنده کشف‌های علمی

اگرچه مدل‌های زبانی به‌تنهایی مستعد خطا و «توهم» هستند، اما ترکیب آن‌ها با چارچوب‌های کنترلی جدید، افق تازه‌ای را در حوزه کشفیات و فعالیت‌های علمی گشوده‌ است. معرفی سیستم AlphaEvolve از گوگل دیپ‌مایند که امکان استفاده از مدل‌های گوگل در یک حلقه بازگشتی-تکاملی برای کشف و اصلاح الگوریتم‌های جدید در راستای حل مسائل پیچیده را فراهم می‌کند، نمونه‌ای بارز از حرکت در این مسیر است.

کاربردهای اولیه این سیستم بهینه‌سازی مصرف انرژی دیتاسنترها و TPUها (پردازنده‌های اختصاصی گوگل) عنوان شده که گرچه انقلابی نیست، اما نشان‌دهنده پیدایش یک مسیر جدید است. انتشار نسخه‌های متن‌باز مانند OpenEvolve و SinkaEvolve، و پروژه‌هایی نظیر AlphaResearch نیز نشان می‌دهد که تمرکز بر بخش استفاده علمی از الگوریتم‌های هوش مصنوعی در حال فراگیر شدن است.

در موازات این پروژه‌ها، برخی پژوهش‌ها نیز در تلاشند تا خلاقیت مدل‌های استدلالی را افزایش دهند و مرزهای تازه‌ای را به چالش بکشند. در مجموع، میلیاردها دلار سرمایه در حال سرازیر شدن به تلاش برای حل مسائل ریاضی، کشف مواد جدید و توسعه دارو با کمک هوش مصنوعی است. در سال ۲۰۲۶ احتمالا شاهد اولین کشف مهمی خواهیم بود که بدون استفاده از مدل‌های بزرگ زبانی یا ممکن نبود و یا زمان بسیار بیشتری را می‌طلبید اما این مدل‌ها بدون شک نه به‌عنوان جایگزین انسان، بلکه به‌عنوان شتاب‌دهنده ایفای نقش می‌کنند.

آزمون مسئولیت هوش مصنوعی

پیشرفت‌های فنی همواره با پاسخ حقوقی همراه هستند. مقاله نشریه فناوری ام‌آی‌تی می‌گوید موج بعدی دعاوی افراد یا نهاد‌ها علیه شرکت‌های هوش مصنوعی، فراتر از اختلافات مربوط به کپی‌رایت را پویشش می‌دهد و به پرسش‌هایی مانند مسئولیت شرکت‌ها در قبال توصیه‌های خطرناک چت‌بات‌ها، یا انتشار اطلاعات نادرست را پوشش می‌دهد؛ مساله‌ای که شاید در سال ۲۰۲۵ با توجه به ارتباط چندین مرگ با چت‌بات‌ها اهمیت بیشتری پیدا کرد و باعث تغییر نگاه شرکت‌ها به ایمنی شد.

پرونده‌هایی که در سال ۲۰۲۶ به دادگاه می‌روند، از جمله شکایت خانواده یک نوجوان که خودکشی او به تعامل با چت‌بات نسبت داده شده، ممکن است نقطه عطفی در تعریف مسئولیت حقوقی شرکت‌های هوش مصنوعی باشد. نتیجه این پرونده‌ها نه‌تنها بر شرکت‌ها، بلکه بر بیمه‌گران، سرمایه‌گذاران و سیاست‌گذاران تاثیرگذار خواهد بود.

در نگاه کلی می‌توان گفت که سال ۲۰۲۶ احتمالا سالی است برای بلوغ در کنار تنش. هوش مصنوعی به نفوذ فزایند در اقتصاد، علم و زندگی روزمره ادامه می‌دهد و در عین حال باید به با مقاومت‌های سیاسی، حقوقی و اخلاقی پاسخ دهد.

رقابت مدل‌ها، جنگ قانون‌گذاری، تغییر رفتار مصرف‌کننده و بحث مسئولیت، همگی نشان می‌دهند که هوش مصنوعی دیگر یک فناوری نوظهور نیست؛ بلکه یک زیرساخت مناقشه‌برانگیز است که آینده‌اش نه‌فقط با کد، بلکه با سیاست و قانون در کنار مسئولیت پذیری شکل می‌گیرد.