در آوریل ۲۰۲۵، پنج نفر که یکیشان پژوهشگر سابق OpenAI بود، یک سناریوی مفصل نوشتند: اگر روند فعلی ادامه پیدا کند، از اواسط ۲۰۲۵ تا پایان ۲۰۲۷ دقیقاً چه اتفاقی میافتد؟ اسمش را گذاشتند AI 2027.
حالا نوامبر ۲۰۲۶ است و بخش زیادی از آن سناریو نهفقط اتفاق افتاده، بلکه زودتر از موعد. کانال تلگرام AI Academy اینها را جمع کرده و روایتش را ساخته است. این مطلب بر اساس همان جمعبندی نوشته شده، با یک تفاوت: کنار هر مورد مشخص میکنیم که اتفاق افتاده، ادعاست یا هنوز نه.
در یک نگاه
- چیست
- سناریوی آیندهٔ هوش مصنوعی، منتشرشده در ۳ آوریل ۲۰۲۵
- نویسندهها
- دانیل کوکوتایلو، اسکات الکساندر، توماس لارسن، الی لیفلند و رومئو دین
- افق
- از اواسط ۲۰۲۵ تا پایان ۲۰۲۷
- محققشده
- ایجنت‌های قابلاعتماد، رشد سریع استفاده، توانایی هک
- در انتظار
- ایجنت ارزان، برنامهنویس ابرانسانی، ابرهوش داخلی
- جمعبندی
- کانال AI Academy در تلگرام
سناریوی AI 2027 اصلاً چه چیزی است؟
اولین چیزی که باید روشن شود این است: AI 2027 یک پیشگویی نیست؛ یک سناریو است. نویسندهها یک شرکت خیالی به نام OpenBrain میسازند و از اواسط ۲۰۲۵ تا پایان ۲۰۲۷ جلو میروند. خودشان در مقدمه نوشتهاند که هدفشان دقت پیشبینی است، نه تجویز یک مسیر، و از خوانندهها خواستهاند با آن مخالفت کنند و سناریوی جایگزین بنویسند.
خط زمانی سناریو، خیلی خلاصه:
- اواسط ۲۰۲۵: ایجنت‌های تلوتلوخور؛ در تئوری جذاب، در عمل غیرقابلاعتماد.
- اوایل ۲۰۲۶: کدنویسی خودکار میشود و مدلها در پژوهش هوش مصنوعی کمک میکنند.
- اواخر ۲۰۲۶: نسخهٔ ارزانتر میآید و بازار کار برنامهنویسهای جونیور بههم میریزد.
- اوایل ۲۰۲۷: مدل دیگر «آموزشدیده» نیست؛ هر روز با دادهٔ دیروز بهروز میشود.
- بهار ۲۰۲۷: برنامهنویس ابرانسانی و صدها هزار کپی موازی.
- پایان ۲۰۲۷: ابرهوش داخلی و دو پایان متفاوت.
و یک نکته که خودشان بعداً اضافه کردند: ۲۰۲۷ محتملترین سال بود، نه میانهٔ برآوردشان. یعنی خودشان هم بین «محتملترین سال» و «انتظار واقعی» فاصله میگذاشتند. این را یادت باشد، چون در ادامه به کار میآید.
چه چیز‌هایی زودتر محقق شد
این هیجانانگیزترین بخش ماجراست: چیز‌هایی که برای ۲۰۲۷ حساب شده بودند، در ۲۰۲۵ و ۲۰۲۶ اتفاق افتادند. چهار موردش را با هم ببینیم.
ایجنت‌های قابلاعتماد، دو ماه زودتر
سناریو میگفت اوایل ۲۰۲۶ به ایجنت‌های قابلاعتماد میرسیم. اما ۲۴ نوامبر ۲۰۲۵، آنتروپیک مدل Opus 4.5 را منتشر کرد: اولین مدلی که در بنچمارک SWE-bench Verified از ۸۰ درصد عبور کرد (۸۰.۹ درصد) و همان روز با عنوان «بهترین مدل برای کدنویسی، عاملها و کار با کامپیوتر» معرفی شد.
به روایت AI Academy، از اوایل ۲۰۲۶ استفاده از این ایجنتها بین برنامهنویسها آنقدر سریع پخش شد که از کدنویسی دستی جلو زد. و حالا با Opus 5.5، جمعبندی کانال این است که از آستانهٔ دیگری عبور کردهایم و به دوران «ایجنت‌های کاملاً قابلاعتماد» رسیدهایم. این جمله را باید با احتیاط خواند: «کاملاً قابلاعتماد» یک قضاوت است، نه یک عدد قابلاندازهگیری.
توانایی هک
سناریو میگفت اوایل ۲۰۲۷ هوش مصنوعی به توانایی هک نزدیک بهترین متخصصهای انسانی میرسد، با این تفاوت که هزاران کپی از آن میتوانند همزمان کار کنند. جمعبندی AI Academy میگوید این هم جلو افتاده: آسیبپذیریهای روز صفر کشفشده و سوءاستفادههای واقعی، دیگر خبر حاشیهای نیستند.
این یکی جای سختگیری بیشتری دارد. «صدها آسیبپذیری» عدد بزرگی است و بدون فهرست و منبع، در حد ادعا میماند. معیار درست این است: چند موردش بهصورت عمومی تأیید شده و به مدل مشخصی نسبت داده میشود؟ تا وقتی آن فهرست نیامده است، این را «ادعای محتمل» ببین، نه «اتفاق اثباتشده».
یادگیری پیوسته و RSI
سناریو برای ژانویهٔ ۲۰۲۷ مدلی را توصیف میکرد که «آموزشش هرگز تمام نمیشود»: وزنها هر روز با دادهای بهروز میشوند که نسخهٔ دیروزی ساخته، و هر نسخه کمی بهتر از نسخهٔ قبل است. این همان حلقهای است که به آن RSI میگویند: خودبهبودی بازگشتی.
به گزارش AI Academy، مهندسان گوگل اعلام کردهاند که در سطح دیتاست به این نقطه رسیدهاند؛ حدود دو ماه زودتر از موعدِ سناریو. یک تفاوت مهم اینجاست: RSI در سطح دیتاست با RSI در سطح «طراحی معماری مدل بعدی» یکی نیست. در اولی، مدل دادهٔ آموزش را میسازد؛ در دومی، معماری خودش را بهتر میکند. سناریوی AI 2027 دومی را هدف گرفته بود.
نسخههای ارزانتر
سناریو برای اواخر ۲۰۲۶ یک نسخهٔ ده برابر ارزانتر پیشبینی کرده بود. در واقعیت هم قیمت هر توکن در همین دو سال چند بار پایین آمد: اوپوس ۴.۵ با قیمت ۵ دلار ورودی و ۲۵ دلار خروجی برای هر میلیون توکن آمد، در حالی که نسل اول اوپوس ۱۵ و ۷۵ دلار بود. ارزانتر شدن مدلها یکی از معدود پیشبینیهایی است که بیسروصدا محقق شد.
چه چیز‌هایی هنوز نه
اینها بخشهایی هستند که هنوز اتفاق نیفتادهاند، هرچند نزدیک به نظر میرسند:
| پیشبینی | زمان در سناریو | امروز |
|---|---|---|
| ایجنت قابل‌اعتمادِ بسیار ارزان | اوایل ۲۰۲۷ | در انتظار |
| برنامهنویس ابرانسانی (Superhuman Coder) | بهار ۲۰۲۷ | در انتظار |
| صدها هزار کپی موازی برای تحقیق و توسعه | بهار ۲۰۲۷ | در انتظار |
| ابرهوش داخلی در شرکتها | پایان ۲۰۲۷ | در انتظار |
| بی‌کاری گسترده در مشاغل پشت‌کامپیوتری | اواخر ۲۰۲۷ | در انتظار |
«در انتظار» یعنی نه رد شده و نه حتماً میرسد. فاصلهٔ بین «مدل میتواند» و «همه از آن استفاده میکنند» همان جایی است که بیشتر پیشبینیهای فناوری میشکنند؛ سناریو خودش هم این فاصله را میشناسد، چون بین نسخهٔ داخلی و نسخهٔ عمومی مدلها تفکیک میگذارد.
دو سناریوی پایان، و یک هشدار
سناریو دو پایان دارد و هر دو از یک نقطه شروع میشوند:
- مسیر مسابقه: توسعه بدون توقف ادامه پیدا میکند، رباتیک و تولید انبوه شروع میشود و کنترل بهتدریج از دست میرود؛ در بدترین حالت، تا حدود ۲۰۳۰.
- مسیر کندی: دولتها وارد میشوند، نظارت شدید و همکاری بینالمللی شکل میگیرد و پیشرفت عمداً کند میشود؛ در این مسیر، فراوانی تا حدود ۲۰۴۵.
خود AI Academy در ادامه نوشته که احتمالاً مسیر کندی بهطور کامل رخ نمیدهد، ولی انقراض هم پایانِ اصلی نیست: اتفاقهای بدی در طول مسیر میافتد. حملهٔ سایبری گسترده، یا طراحی ویروسهایی بدتر از کرونا با کمک همین مدلها. و این سناریو تغییرات سیاسی، جنگ و حوادث غیرمترقبه را در مدل خود نگرفته؛ یعنی حتی اگر پیشبینی درست باشد، مسیر واقعی میتواند کاملاً جای دیگری برود.
چطور این نوع پیشبینی را بخوانیم
این بخش دیگر از جمعبندی AI Academy نیست؛ چند قاعده است که هر بار یک پیشبینی ترسناک یا هیجانانگیز میخوانی، به کارت میآید.
- سناریو را با پیشبینی اشتباه نگیر. خود نویسندهها گفتند این متن یک احتمال از میان چند احتمال است. ارزشش در سؤالهایی است که مجبورت میکند بپرسی، نه در تاریخی که روی جلدش نوشته شده.
- قابلیت را از انتشار جدا کن. مدلی که کاری را بلد است با مدلی که همه دارند فرق دارد. بیشترِ فاصلههای ۲۰۲۶ و ۲۰۲۷ همینجاست.
- بپرس چه چیزی این پیشبینی را رد میکند. اگر هیچ مشاهدهای نتواند ردش کند، آن چیز پیشبینی نیست؛ روایت است.
- حواست به خطای بقا باشد. بخشهایی که درست درآمدند بازنشر میشوند و بخشهای غلط بیصدا فراموش میشوند. اگر میخواهی منصف باشی، فهرست «چیز‌هایی که اشتباه بود» را هم برای خودت بنویس.
اگر این نوع بحث برایت جذاب است، آیندهٔ عاملهای هوشمند در توسعهٔ نرمافزار و گیت در عصر عاملها همین تغییر را از سمت ابزار و زیرساخت نگاه کردهاند. و اگر خواستی خودت یک عامل را به زیرساختت وصل کنی، سرور MCP لکسویا کوتاهترین راه است.
سؤالات متداول
سناریوی AI 2027 چیست و چه کسانی آن را نوشتند؟
سناریوی مفصلی دربارهٔ آیندهٔ هوش مصنوعی که سوم آوریل ۲۰۲۵ منتشر شد. نویسندههایش دانیل کوکوتایلو (پژوهشگر سابق OpenAI)، اسکات الکساندر، توماس لارسن، الی لیفلند و رومئو دین هستند. متن یک شرکت خیالی به نام OpenBrain را دنبال میکند و از اواسط ۲۰۲۵ تا پایان ۲۰۲۷ جلو میرود، با دو پایان متفاوت.
آیا پیشبینیهای AI 2027 محقق شدهاند؟
بخشی از آنها زودتر از موعد اتفاق افتاد: مدلهایی که برای کدنویسی و عاملها ساخته شدند و از آستانهٔ قابلاعتماد بودن عبور کردند، و روند سریع انتشار نسخههای ارزانتر. بخش دیگری هنوز نه: ایجنت ارزان و همهجا حاضر، برنامهنویس ابرانسانی و ابرهوش داخلی در شرکتها. و بخشی هم فقط ادعاست، نه اتفاق تأییدشده.
منظور از RSI چیست؟
خودبهبودی بازگشتی: حالتی که مدل بهقدری در پژوهش هوش مصنوعی خوب است که میتواند نسل بعدی خودش را سریعتر بسازد. در AI 2027 این از ژانویهٔ ۲۰۲۷ شروع میشود؛ جایی که وزنهای مدل هر روز با دادهای بهروز میشود که نسخهٔ دیروزی ساخته است.
چرا تاریخ ۲۰۲۷ انتخاب شده؟
به گفتهٔ خود نویسندهها، ۲۰۲۷ محتملترین سال بود، نه میانهٔ برآوردشان؛ میانهها کمی دیرتر بودند و بعداً هم در یادداشتی نوشتند که دقیقاً نمیدانند AGI چه زمانی ساخته میشود. عدد ۲۰۲۷ برای ساختن یک روایت مشخص انتخاب شد، نه بهعنوان یک وعده.
دو سناریوی پایان ۲۰۲۷ چه هستند؟
یکی «مسابقه» است: توسعه بدون توقف ادامه پیدا میکند و کنترل از دست میرود. دیگری «کندی» است: دولتها وارد میشوند، نظارت و همکاری بینالمللی شکل میگیرد و پیشرفت عمداً کند میشود. نویسندهها خودشان میگویند این متن توصیه نیست؛ هدفشان دقت پیشبینی بوده، نه تجویز یک مسیر.
این مطلب از کجا آمده و چه کسی جمعبندی کرده؟
منبع اصلی، وبلاگ ai-2027.com است. جمعبندی و روایت «چه چیزی محقق شد» از کانال تلگرام AI Academy است و بخش «چطور این پیشبینی را بخوانیم» توضیح ماست. لینک هر دو در انتهای مطلب آمده تا خودت به منبع اصلی برگردی.
منابع
- AI 2027 — سناریوی اصلی، ۳ آوریل ۲۰۲۵؛ نوشتهٔ دانیل کوکوتایلو و همکاران.
- کانال AI Academy — جمعبندی «چه چیزی محقق شد»؛ ساختار این مطلب بر آن است.
- Claude Opus 4.5 — آنتروپیک، ۲۴ نوامبر ۲۰۲۵؛ مرجع عدد SWE-bench و قیمتها.