خلاصه خبر(عرضه GPT-5)
عرضه GPT-5 و توالی رویدادهای پس از آن (از اظهارنظر سام آلتمن گرفته تا گزارش MIT که نشان می‌دهد ۹۵٪ از پروژه‌های آزمایشگاهی هوش مصنوعی مولد در شرکت‌ها شکست خورده‌اند) موجی از تردید و ریزش بازار را به دنبال داشت. آیا با «حباب هوش مصنوعی» مواجه‌ایم یا صرفاً ضربه‌ای موقتی در مسیر تکامل فناوری؟
عرضه GPT-5؛ وعده‌ای که انتظارات را برآورده نکرد
انتشار GPT-5 برخلاف وعده‌هایی که آن را نزدیک به هوش عمومی مصنوعی (AGI) معرفی می‌کرد، واکنش‌های انتقادی و ناامیدی را برانگیخت؛ حتی سام آلتمن از عرضه این مدل به‌عنوان تجربه‌ای ناموفق یاد کرد. به‌گفته‌ی برخی کارشناسان، GPT-5 «ناامیدکننده» و «کمتر از آن جهشی که انتظار می‌رفت» است — توصیفی که بازار را متزلزل کرد و به سقوط حدود ۱ تریلیون دلار در ارزش S&P 500 منجر شد.
گری مارکوس: نامی که دوباره بر سر زبان‌ها آمده است
گری مارکوس، استاد بازنشسته دانشگاه نیویورک و یکی از بنیان‌گذاران Geometric Intelligence، از سال‌ها پیش نسبت به محدودیت‌های مدل‌های زبانی بزرگ هشدار داده است. مارکوس که سابقهٔ فعالیت در حوزهٔ یادگیری ماشین از ۲۰۱۴ و فروش شرکتش به اوبر در ۲۰۱۶ را دارد، معتقد است مدل‌های زبانی بزرگ «به محدودیت رسیده‌اند» و GPT-5 صرفاً نشان داد که وعده‌های AGI اغراق‌آمیز بوده است.
او تاکید می‌کند که مشکل اساسی «شکاف ساده‌لوحی» است: تمایل انسان‌ها به نسبت دادن ویژگی‌های انسانی به ماشین‌ها. به‌گفتهٔ مارکوس، این ماشین‌ها ممکن است شبیه انسان صحبت کنند، اما «شبیه ما عمل نمی‌کنند» — وضعیتی که او «تقریباً تراژیک» توصیف می‌کند.
آمارها و هشدارهای اقتصادی: آیا ارزش‌گذاری‌ها منطقی‌اند؟
اقتصاددانان برجسته نیز زنگ خطر را به صدا درآورده‌اند. تورستن اسلاک از Apollo اشاره کرده که ارزش‌گذاری شرکت‌های فناور بزرگ (مانند انویدیا، مایکروسافت و اپل) بسیار بالا رفته و از منظر نسبت P/E و ارزش بازار، مقایسه‌ای نگران‌کننده با حباب فناوری دههٔ ۱۹۹۰ ارائه می‌دهد. در کنار این هشدارها، گزارشی دربارهٔ هزینه‌های هنگفت ساخت مراکز داده نشان می‌دهد که سرمایه‌گذاری‌های داده‌ای در نیمهٔ اول ۲۰۲۵، به‌اندازهٔ سهم مصرف‌کننده در رشد GDP نقش‌آفرینی کرده است — آماری که جدیت سرمایه‌گذاری‌ها را برجسته می‌کند.
حتی اریک اشمیت، مدیرعامل سابق گوگل و از صدای‌های موثر در سیاست‌گذاری فناوری، در یک یادداشت مشترک اذعان کرده که زمان‌بندی دست‌یابی به AGI «نامعلوم» است؛ تغییری آشکار نسبت به خوش‌بینی‌های قبلی.
چرخهٔ تاریخی حباب‌ها: سقوط کوتاه‌مدت، ارزش پایدار بلندمدت؟
تحلیل‌گران تاریخی می‌گویند الگوی تکرارشونده‌ای در انقلاب‌های فناورانه وجود دارد: سرمایه‌گذاری‌های پرتعداد، حباب و سقوط، و نهایتاً دوره‌ای از «ارزش واقعی» و رشد پایدار. جان تورنهیل در فایننشال تایمز و مطالعاتی مانند کار کارلوتا پرز نشان می‌دهند که هر انقلاب تکنولوژیک—از راه‌آهن تا اینترنت—این چرخه را تجربه کرده است. در همین راستا، داده‌هایی از سرمایه‌گذاری عظیم شرکت‌های بزرگ در مراکز داده — رقمی در حدود ۷۵۰ میلیارد دلار در سال‌های ۲۰۲۴ و ۲۰۲۵ و پیش‌بینی جهانی تا ۳ تریلیون دلار تا ۲۰۲۹ — حاکی از آن است که زیرساخت‌ها برای فازهای بعدی در حال شکل‌گیری‌اند.
معادلهٔ اقتصادی و «شبح درون ماشین»
گری مارکوس همچنین به معادلات اقتصادی اشاره می‌کند: وجود نزدیک به ۵۰۰ یونیکورن حوزهٔ هوش مصنوعی با ارزش مجموعی حدود ۲.۷ تریلیون دلار در برابر درآمدهای جاری بخش — که نمونه‌ای از عدم تناسب بین سرمایه‌گذاری و درآمد واقعی است. او به گزارش OpenAI که درآمد حدود ۱ میلیارد دلار در جولای گزارش شده اشاره می‌کند و با محاسبات تخمینی هشدار می‌دهد که درآمد فعلی بازار با سرمایه‌گذاری‌های انجام‌شده همخوانی ندارد.
از نظر مارکوس، بخشی از این وضعیت حاصل «انسانی‌سازیِ» خارج از حد ماشین‌هاست: مردم به سیستم‌ها ویژگی‌های انسانی نسبت می‌دهند و فکر می‌کنند که مقیاس‌گذاری صرف می‌تواند همهٔ مسئله‌ها را حل کند؛ درحالی‌که ماهیت بسیاری از مسائل هنوز حل‌نشده باقی مانده است.
جمع‌بندی: هشدارها جدی‌اند، اما پایان راه نه
عرضهٔ GPT-5 و پیامدهای آن نشان داد که خوش‌بینی‌های افراطی دربارهٔ دستاوردهای نزدیکِ AGI باید تعدیل شود؛ در عین حال، سرمایه‌گذاری عظیم در زیرساخت‌ها و تداوم توسعهٔ تکنولوژی نویدبخش فرصتی بلندمدت برای خلق ارزش است. آیا با یک سقوط تاریخی مانند دات‌کام روبه‌رو هستیم یا با یک «درد گذرا» در مسیر انقلاب بعدی فناوری؟ تاریخ و اعداد هر دو می‌گویند باید محتاط بود — و هم‌زمان آمادهٔ بهره‌برداری از فرصت‌های واقعی شد.
