تب و تاب استفاده از «عاملهای هوش مصنوعی» (AI Agents) این روزها به اوج خود رسیده است. بر اساس گزارش مشترک دانشکده مدیریت MIT و گروه مشاوران بوستون (BCG)، بیش از ۳۵ درصد از کسبوکارهای بزرگ جهان هماکنون این عاملها را در ساختار خود مستقر کردهاند و ۴۴ درصد دیگر نیز برنامهای جدی برای پیادهسازی سریع آن دارند.
اما این فناوری دقیقاً چگونه کار میکند و قرار است ما را به کجا ببرد؟ فیلیپ ایزولا (Phillip Isola)، دانشمند علوم کامپیوتر و استاد برجسته دانشگاه MIT در آزمایشگاه معروف CSAIL، در گفتگوی اخیر خود با رسانه رسمی این دانشگاه، دست روی نکات عمیق و چالشهای پنهانی گذاشته که نگاه ما را به آینده این ابزارها واقعبینانهتر میکند.
هوش مصنوعی عاملی یعنی هوش مصنوعی در دنیای «عمل»
ایزولا در پاسخ به این سوال که تفاوت اصلی این فناوری با مدلهای زایشی (Generative AI) مثل چتجیپیتی یا کلاد چیست، میگوید:
«هوش مصنوعی عاملی یعنی سیستمی که در جهان دست به “اقدام” میزند. این اقدام میتواند فیزیکی باشد (مثل جابهجایی قطعات توسط یک روبات) یا دیجیتالی (مثل رزرو خودکار بلیط هواپیما). مدلهای زایشی برای ما شعر، داستان و تصویر خلق میکنند، اما عاملها کارها را برای ما انجام میدهند.»
به گفته او، بیشتر شرکتها چرخ را از اول اختراع نمیکنند؛ آنها از همان مدلهای زبانی قدرتمندِ پایه (مثل Claude) در هسته مرکزی سیستم استفاده میکنند و یک «پوسته یا رپر» (Wrapper) اختصاصی دور آن میکشند. این پوسته بسته به کاربردی که دارد، ابزارهای مختلفی را در اختیار مدل میگذارد؛ از یک ماشینحساب ساده گرفته تا دسترسی به سیستمعامل و هارد دیسک برای خواندن دادههای مالی و سوابق مذاکرات یک شرکت.
بزرگترین گره کور: کمبود شدید دادههای تمرینی برای «اقدام»
شاید رزرو آنلاین یک بلیط هواپیما کار سادهای به نظر برسد، اما آموزش دادن آن به یک هوش مصنوعی بسیار دشوار است. ایزولا توضیح میدهد که ما میلیاردها خط متن برای آموزش مدلهای زبانی داریم، اما دادههای ثبتشدهای نداریم که به هوش مصنوعی یاد بدهد چطور موس را حرکت دهد، روی کدام دکمه کلیک کند، اگر ارور عجیبی آمد چه واکنشی نشان دهد یا چطور پشت تلفن برای قیمت تخفیف چانه بزند!
به همین دلیل، این عاملها باید از طریق روش «آزمون و خطا» (Trial and Error) و تعامل مستقیم با محیطهای واقعی و وبسایتها یاد بگیرند که کارایی سیستم را بالا ببرند.
موفقیت چشمگیر عاملهای کدنویسی و پدیدهای به نام «وایبکدینگ»
تا به امروز، موفقترین و ملموسترین کاربرد این فناوری در حوزه توسعه نرمافزار و «عاملهای کدنویسی» بوده است. از آنجا که سیستم میتواند کد بنویسد، آن را اجرا کند و خودش بررسی کند که آیا خروجی درست است یا خیر، این حلقه بازخورد باعث پیشرفت سریع عاملهای برنامهنویسی شده است.
اما این راحتی، یک روی تاریک هم دارد که ایزولا به آن اشاره میکند: پدیده وایبکدینگ (Vibe Coding).
«از آنجا که سپردن کارها به این عاملها بسیار ساده است، آدمها دیگر انرژی کافی برای بررسی و ارزیابی خروجیها نمیگذارند. آنها فقط حس و حال کار را به مدل منتقل میکنند و کد تحویل میگیرند. نتیجه؟ همین حالا هم باگهای زیادی وارد سیستمها شده و نشت دادههای محرمانه اتفاق افتاده است.»
او همچنین نسبت به پدیده «مهارتزدایی» (De-skilling) هشدار میدهد. اگر ما از همین حالا تمام تکالیف، محاسبات ریاضی و کدهای خود را به عاملها بسپاریم، ممکن است توانایی انجام شخصی این کارها را خیلی زودتر از آنکه این فناوری به پختگی و امنیت ۱۰۰ درصدی برسد، از دست بدهیم.
آینده به کدام سمت میرود: کلادِ مجهز به سنسور یا معماریهای کاملاً جدید؟
محدودیت اصلی عاملهای امروزی این است که همگی بر پایه مدلهای زبانی و متنمحور توسعه یافتهاند. ایزولا معتقد است برای ساخت عاملهای واقعی و فوقپیشرفته، به مدلهایی نیاز داریم که بتوانند ویدیو، نیروهای فیزیکی، دادههای راداری و سریهای زمانی (Time-series) را درک کنند؛ یعنی معماریهایی که از اساس برای دادههای چندبعدی و مداوم طراحی شده باشند.
با این حال، او یک سوال کلیدی را مطرح میکند که ذهن دانشمندان امروز هوش مصنوعی را به خود مشغول کرده است:
«آیا موج بعدی هوش مصنوعی، صرفاً همین مدلهای استدلالی فوقالعاده باهوش (مثل خانواده کلاد) خواهند بود که نقش یک خیمهشبباز را بازی میکنند و به دوربین، کیبورد و سنسورها متصل شدهاند؟ یا اینکه قرار است کل این سیستم را از پایه و با یک معماری کاملاً جدید بسازیم؟»
منبع: MIT News
