سال 2026 عبور هوش مصنوعی از هیجان به کاربرد واقعی

اگر سال ۲۰۲۵ سال «واقعیت‌سنجی» هوش مصنوعی بود، ۲۰۲۶ سالی خواهد بود که این فناوری وارد فاز کاربردی می‌شود. تمرکز به‌سرعت در حال فاصله گرفتن از ساخت مدل‌های زبانی هرچه بزرگ‌تر و حرکت به‌سمت کار دشوارتر اما مهم‌ترِ قابل‌استفاده‌کردن هوش مصنوعی است. در عمل، این یعنی استفاده از مدل‌های کوچک‌تر در جای درست، تعبیه هوشمندی در دستگاه‌های فیزیکی، و طراحی سیستم‌هایی که به‌طور تمیز و مؤثر در جریان کاری انسان‌ها ادغام شوند.

کارشناسانی که تک‌کرانچ با آن‌ها گفت‌وگو کرده، سال ۲۰۲۶ را سال گذار می‌دانند: گذار از مقیاس‌پذیریِ صرف به پژوهش روی معماری‌های جدید، از دموهای پرزرق‌وبرق به استقرارهای هدفمند، و از عامل‌هایی که وعده خودمختاری می‌دهند به ابزارهایی که واقعاً نحوه کار انسان‌ها را تقویت می‌کنند.
جشن تمام نشده، اما صنعت کم‌کم در حال هوشیارشدن است.

قوانین مقیاس‌پذیری دیگر کافی نیستند

در سال ۲۰۱۲، مقاله مشهور ImageNet نشان داد که سیستم‌های هوش مصنوعی می‌توانند با دیدن میلیون‌ها مثال، اشیاء را در تصاویر تشخیص دهند؛ رویکردی پرهزینه که با GPUها ممکن شد و یک دهه پژوهش فشرده را رقم زد. این مسیر در حوالی ۲۰۲۰ با معرفی GPT-3 به اوج رسید؛ جایی که مشخص شد صرفاً بزرگ‌تر کردن مدل می‌تواند توانایی‌هایی مانند کدنویسی و استدلال را آزاد کند. این دوره، «عصر مقیاس‌پذیری» نام گرفت.

اما امروز بسیاری از پژوهشگران معتقدند این قوانین به سقف خود نزدیک شده‌اند و صنعت بار دیگر به دوره پژوهش معماری‌های نو وارد می‌شود. نشانه‌ها حاکی از آن است که بدون ایده‌های تازه، پیشرفت‌های چشمگیر بیشتری حاصل نخواهد شد.

گاهی کمتر، بهتر است

اگرچه مدل‌های زبانی بزرگ در تعمیم دانش عالی هستند، موج بعدی پذیرش سازمانی هوش مصنوعی احتمالاً توسط مدل‌های کوچک‌تر و چابک‌تر هدایت می‌شود؛ مدل‌هایی که برای کاربردهای تخصصی به‌دقت تنظیم می‌شوند. این مدل‌ها، در بسیاری از کاربردهای سازمانی، از نظر دقت با مدل‌های بزرگ برابری می‌کنند و در عین حال بسیار سریع‌تر و کم‌هزینه‌تر هستند.

همچنین به‌دلیل ماهیت سبک‌تر، این مدل‌ها برای اجرا روی دستگاه‌های محلی و لبه شبکه مناسب‌ترند؛ روندی که با پیشرفت رایانش لبه‌ای شتاب گرفته است.

یادگیری از تجربه، نه فقط زبان

انسان‌ها فقط با زبان یاد نمی‌گیرند؛ بلکه از تجربه دنیای واقعی می‌آموزند. مدل‌های زبانی بزرگ اما جهان را «درک» نمی‌کنند، بلکه صرفاً کلمه بعدی را پیش‌بینی می‌کنند. به همین دلیل، بسیاری معتقدند جهش بعدی از «مدل‌های جهان» خواهد آمد: سیستم‌هایی که تعامل اشیاء در فضاهای سه‌بعدی را یاد می‌گیرند و می‌توانند پیش‌بینی و اقدام کنند.

نشانه‌ها حاکی از آن است که تأثیر کوتاه‌مدت این مدل‌ها ابتدا در صنعت بازی‌های ویدیویی نمایان خواهد شد؛ جایی که تولید دنیاهای تعاملی و شخصیت‌های غیرقابل‌بازی واقع‌گرایانه، بازار بزرگی را شکل می‌دهد.

بازگشت عامل‌ها، این‌بار واقعی

عامل‌های هوش مصنوعی در ۲۰۲۵ نتوانستند انتظارات را برآورده کنند، عمدتاً چون اتصال آن‌ها به سیستم‌های واقعی دشوار بود. استانداردهای جدید ارتباطی این مانع را تا حد زیادی رفع کرده‌اند و حالا انتظار می‌رود ۲۰۲۶ سالی باشد که گردش‌کارهای عامل‌محور از مرحله نمایش به استفاده روزمره برسند و حتی نقش «سیستم مرجع» را در صنایع مختلف بر عهده بگیرند.

تقویت انسان، نه حذف او

با وجود نگرانی‌ها درباره تعدیل نیرو، بسیاری از کارشناسان معتقدند ۲۰۲۶ «سال انسان‌ها» خواهد بود. تجربه نشان داده هوش مصنوعی هنوز آن‌قدر خودمختار نشده که جای انسان را بگیرد. تمرکز آینده بر تقویت جریان کاری انسان‌هاست، نه حذف آن‌ها. در نتیجه، نقش‌های جدیدی در حوزه‌هایی مانند حکمرانی هوش مصنوعی، شفافیت، ایمنی و مدیریت داده ایجاد خواهد شد.

ورود هوش مصنوعی به دنیای فیزیکی

ترکیب مدل‌های کوچک، مدل‌های جهان و رایانش لبه‌ای، راه را برای کاربردهای فیزیکی هوش مصنوعی هموار می‌کند. در کنار ربات‌ها و خودروهای خودران، ابزارهای پوشیدنی به‌دلیل هزینه کمتر و پذیرش مصرف‌کننده، سریع‌تر وارد جریان اصلی بازار می‌شوند؛ از عینک‌های هوشمند گرفته تا حلقه‌ها و ساعت‌های سلامت‌محور که پردازش دائمی روی بدن را عادی می‌کنند.

در مجموع، ۲۰۲۶ سالی است که هوش مصنوعی از وعده‌ها فاصله می‌گیرد و به ابزارهای ملموس، کاربردی و انسانی نزدیک‌تر می‌شود.