«یک ماشین هرگز این کار را نمی‌کند» — و بعد انجامش می‌دهد

الگویی هست که از ذهنم بیرون نمی‌رود. آدمی باهوش و محترم به یک فناوری نگاه می‌کند، با اطمینان کامل می‌گوید «این هرگز اتفاق نمی‌افتد» — و چند سال بعد دقیقاً همان چیز به بخشی از زندگی روزمره تبدیل می‌شود.

در سال ۱۹۹۷، پیت هوت از مؤسسهٔ مطالعات پیشرفتهٔ پرینستون دربارهٔ بازی گو به نیویورک‌تایمز گفت: «It may be a hundred years before a computer beats humans at Go — maybe even longer.» در مارس ۲۰۱۶، آلفاگو با نتیجهٔ ۴ بر ۱ لی سدول، بازیکن ردهٔ جهانی، را شکست داد. نه صد سال بعد. نوزده سال بعد.

داگلاس هافستادر، یکی از درخشان‌ترین ذهن‌های علوم شناختی، در سال ۲۰۱۸ در آتلانتیک مقاله‌ای با عنوان «The Shallowness of Google Translate» نوشت. او با تأیید این جمله را نقل کرد: «No reasonable person thinks that a machine translation can ever achieve elegance and style.» در سال ۲۰۲۳، در گفت‌وگویی که در ژوئن منتشر شد، همان هافستادر این‌طور به نظر می‌رسید: «I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.» و: «It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.»

اگر این آشنا به نظر می‌رسد، شاید از جای دیگری باشد. در سال ۲۰۱۷، جیمی دیمون در یک کنفرانس بارکلیز بیت‌کوین را کلاهبرداری خواند: «It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.» در ژانویهٔ ۲۰۱۸ گفت که از این اظهارنظر پشیمان است. وارن بافت در مجمع سالانهٔ برکشایر در سال ۲۰۱۸ بیت‌کوین را «probably rat poison squared» نامید؛ چارلی مانگر معاملهٔ کریپتو را «just dementia» خواند. و پل کروگمن در سال ۱۹۹۸ نوشت که تا سال ۲۰۰۵ روشن خواهد شد که تأثیر اینترنت بر اقتصاد «no greater than the fax machine’s» است — با این استدلال، در میان چیزهای دیگر: «most people have nothing to say to each other!»

این را نمی‌نویسم که باهوش‌تر از این افراد به نظر برسم. نیستم. این را می‌نویسم چون همین الگو همین حالا دوباره در حال تکرار است، و این بار می‌توانیم ببینیم که چطور اتفاق می‌افتد. این جدول زمانی خودم از آن است. آگاهانه طوری ساخته شده که همچنان رشد کند.

قبل از این چطور بود (تا جهش حس شود)

پیش از اینکه ChatGPT در نوامبر ۲۰۲۲ از راه برسد، «هوش مصنوعی‌ای که متن می‌نویسد» چیزی بود مخصوص آشنایان به موضوع.

GPT-3، مدلی که پشت آن بود، در ۲۸ می ۲۰۲۰ به‌صورت پیش‌چاپ منتشر شد («Language Models are Few-Shot Learners»)، و نسخهٔ بتای API در ۱۱ ژوئن ۲۰۲۰ راه‌اندازی شد. ۱۷۵ میلیارد پارامتر — و پنجرهٔ زمینه‌ای فقط ۲٬۰۴۸ توکن، یعنی چند پاراگراف؛ تمام حافظه‌ای که داشت همین بود. هزینهٔ آموزش آن تخمیناً ۴٫۶ میلیون دلار بود؛ روی یک GPU تنها حدود ۳۵۵ سال طول می‌کشید.

و به‌سادگی نمی‌شد واردش شد. GPT-3 پشت یک لیست انتظار بود. تا ۱۸ نوامبر ۲۰۲۱ — یک سال و نیم بعد — طول کشید تا OpenAI لیست انتظار را حذف کرد و API را عمومی در دسترس گذاشت.

مشهورترین متن آن دوره خیلی چیزها را دربارهٔ وضعیت واقعی نشان می‌دهد. در ۸ سپتامبر ۲۰۲۰، گاردین یادداشتی نوشتهٔ GPT-3 چاپ کرد: «A robot wrote this entire article. Are you scared yet, human?» این متن با «I am not a human. I am Artificial Intelligence.» شروع می‌شد و این جمله را هم داشت: «I have no desire to wipe out humans.» تأثیرگذار به نظر می‌رسد — تا وقتی حروف ریز را بخوانی. GPT-3 هشت تلاش تولید کرده بود (که یک دانشجوی برکلی به آن خوراک داده بود)، و سردبیران بهترین بخش‌ها را کنار هم چیده بودند. پس «کاملاً نوشتهٔ هوش مصنوعی» یک گردکردنِ سخاوتمندانه بود، بگذارید این‌طور بگوییم.

کارشناسان همان‌طور که انتظار می‌رفت دربارهٔ آن متین و محتاط بودند. در ۲۲ اوت ۲۰۲۰، گری مارکوس و ارنست دیویس در MIT Technology Review تیتری زدند: «GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.» در مجموعه‌ای از آزمون‌های عمداً غیرسیستماتیک — نویسندگان صریحاً گفتند که این یک بنچمارک نیست — GPT-3 در استدلال روزمره تقریباً نیمی از موارد را واضح درست و نیمی را واضح غلط از آب درآورد. در مارس ۲۰۲۱، امیلی بندر و همکارانش در کنفرانس FAccT اصطلاحی ساختند که ماندگار شد: «طوطی‌های آماری» — ماشین‌هایی که الگوهای کلمات را تکرار می‌کنند بدون اینکه چیزی را واقعاً بفهمند. حکم مارکوس دو سال بعد، در مارس ۲۰۲۲: «For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.»

و تصاویر؟ در ۵ ژانویهٔ ۲۰۲۱، OpenAI مدل DALL·E را نشان داد — شاخه‌ای ۱۲ میلیارد پارامتری از GPT-3 که از روی متن تصویر می‌کشید. وضوح پایین، اغلب نادقیق. یک چیز عجیب، نه یک ابزار.

این تصویر را در ذهن نگه دار: لیست انتظار، طوطی، متن گزینش‌شده، بچه‌گربهٔ پیکسلی. این وضعیت سه سال و نیم پیش بود.

جدول زمانی

از اینجا به بعد فشرده می‌شود. عرضه‌های کلیدی را با تاریخ‌شان می‌آورم — و کنار هر کدام، چیزی که برای اولین بار عملاً ممکن کردند. این فهرست همچنان رشد می‌کند؛ با آمدن هر چیز تازه به آن اضافه می‌کنم.

می/ژوئن ۲۰۲۰ — GPT-3 به‌صورت پیش‌چاپ و بتای API. در آزمون خود OpenAI، ارزیاب‌ها مقاله‌های کوتاه نوشته‌شده توسط ماشین را فقط در ۵۲٪ موارد درست تشخیص دادند — کمی بهتر از شیر یا خط. برای اولین بار: متنی که در طول یک پاراگراف انسانی به نظر می‌رسد.

ژانویهٔ ۲۰۲۱ — DALL·E 1. برای اولین بار: تصویری از هر متن دلخواه — اما خام و کوچک.

۲۱ ژوئن ۲۰۲۲ — گیت‌هاب کوپایلوت به‌صورت عمومی در دسترس قرار می‌گیرد، ۱۰ دلار در ماه. برای اولین بار: هوش مصنوعی‌ای که همراه با نوشتن کد، خودش هم تایپ می‌کند، مقرون‌به‌صرفه برای هر برنامه‌نویسی.

ژوئیه/اوت ۲۰۲۲ — جهش بزرگ تصویر پشت‌سرهم می‌آید: DALL·E 2 (اعلام‌شده در ۶ آوریل، بتا در ۲۰ ژوئیه)، Midjourney (بتای عمومی در ۱۲ ژوئیه)، Stable Diffusion (۲۲ اوت، متن‌باز، قابل اجرا به‌صورت محلی روی سخت‌افزار معمولی). برای اولین بار: تصاویر فوتورئالیستی و قابل‌ترکیب — و با Stable Diffusion، روی دستگاه خودت، بدون ابر.

اواخر اوت / اوایل سپتامبر ۲۰۲۲ — تصویر جیسون آلن ساخته‌شده با Midjourney با عنوان «Théâtre D’opéra Spatial» در نمایشگاه ایالتی کلرادو رتبهٔ اول را می‌برد (بخش عکاسی دستکاری‌شدهٔ دیجیتال، ۳۰۰ دلار). هیئت داوران نمی‌دانست که این اثر هوش مصنوعی است. بحث عمومی در سپتامبر به راه افتاد.

۳۰ نوامبر ۲۰۲۲ — ChatGPT، یک پیش‌نمایش رایگان مبتنی بر GPT-3.5. یک میلیون کاربر در پنج روز، حدود ۱۰۰ میلیون در ماه پس از دو ماه. برای اولین بار: طوطی یک پنجرهٔ گفت‌وگو پیدا می‌کند — و کل دنیا می‌تواند واردش شود.

۱۴ مارس ۲۰۲۳ — GPT-4، چندوجهی (تصاویر را هم می‌فهمد)، زمینه تا ۳۲٬۰۰۰ توکن به‌جای ۲٬۰۴۸. در همان ماه، Gen-2 شرکت Runway به‌عنوان یکی از اولین بتاهای کاربردیِ تبدیل متن به ویدیو راه‌اندازی می‌شود. برای اولین بار: هوش مصنوعی‌ای که یک تصویر بارگذاری‌شده را «می‌بیند» — و اولین ثانیه‌های متحرک از روی متن.

اکتبر ۲۰۲۳ — DALL·E 3، درست داخل ChatGPT. برای اولین بار: تصاویری که واقعاً همان چیزی را که تایپ می‌کنی می‌سازند، حتی با نوشته‌های خوانا.

۱۵ فوریهٔ ۲۰۲۴ — OpenAI از Sora رونمایی می‌کند: تا ۶۰ ثانیه ویدیوی ۱۰۸۰p بسیار واقع‌گرایانه از یک پرامپت. برای اولین بار: ویدیویی که در نگاه اول ممکن است واقعی به نظر برسد.

۱۲ مارس ۲۰۲۴ — شرکت Cognition، Devin را نشان می‌دهد، «اولین مهندس نرم‌افزار هوش مصنوعی» با شل، ویرایشگر و مرورگر خودش. برای اولین بار: هوش مصنوعی‌ای که یک تسک برنامه‌نویسی را از ابتدا تا انتها به‌تنهایی انجام می‌دهد.

مارس/آوریل ۲۰۲۴ — Suno V3 (۲۱ مارس، آهنگ‌های کامل با صدای خواننده تا چهار دقیقه، حتی نسخهٔ رایگان) و Udio (۱۰ آوریل، بتای عمومی). برای اولین بار: یک آهنگ کامل با صدا، از یک جمله.

۱۳ می ۲۰۲۴ — GPT-4o، مدلی «omni» برای متن، صدا و تصویر در یکی. برای اولین بار: گفت‌وگوی روان و بی‌درنگ با ماشین.

۲۴ فوریهٔ ۲۰۲۵ — Claude Code به‌صورت پیش‌نمایش تحقیقاتی راه‌اندازی می‌شود و در می ۲۰۲۵ عمومی می‌شود. برای اولین بار: برنامه‌نویسی به یک گفت‌وگو در ترمینال تبدیل می‌شود — برای من هم همین‌طور؛ این صفحه هم همین‌گونه ساخته شده.

۲۵ مارس ۲۰۲۵ — OpenAI تولید تصویر را به‌صورت بومی داخل GPT-4o می‌سازد. روند وایرال «استودیو جیبلی» چنان سرویس را زیر فشار گذاشت که نسخهٔ رایگان باید به تعویق می‌افتاد. برای اولین بار: ویرایش تصویر در دل گفت‌وگو — «آسمان را گرم‌تر کن»، و اتفاق می‌افتد.

۲۰ می ۲۰۲۵ — Google Veo 3: برای اولین بار، صدا همگام تولید می‌شود — دیالوگ، جلوه‌های صوتی، هماهنگ با حرکت لب. Veo 3.1 در اواسط اکتبر ۲۰۲۵ از راه می‌رسد. برای اولین بار: ویدیویی که نه‌فقط درست به نظر می‌رسد، بلکه درست هم به گوش می‌رسد.

۷ اوت ۲۰۲۵ — GPT-5، که OpenAI آن را «تیمی از متخصصان سطح دکتری در جیبت» توصیف کرده است.

۳۰ سپتامبر ۲۰۲۵ — Sora 2: صدای همگام، فیزیک بهتر، قابلیت‌های «Cameo» — به‌علاوهٔ اپلیکیشن مخصوص خودش در قالب تیک‌تاک. برای اولین بار: ویدیوی هوش مصنوعی به‌عنوان یک رسانهٔ اجتماعی، نه یک دموی آزمایشگاهی.

این پنج سال را یک‌جا مرور کن، و طوطیِ سال ۲۰۲۰ حس می‌شود که از قرنی دیگر آمده.

چیزی که تقریباً هیچ‌کس زیر نظر ندارد

همه دربارهٔ ChatGPT حرف می‌زنند. تعداد بسیار کمی دربارهٔ این یکی حرف می‌زنند — و شاید همین بخش بزرگ‌تر ماجرا باشد.

در نوامبر ۲۰۲۰، AlphaFold 2 مسابقهٔ CASP14 را با امتیاز میانهٔ حدود ۹۲ GDT_TS برد و مسئله‌ای را حل کرد که زیست‌شناسی پنجاه سال در آن شکست خورده بود: پیش‌بینی چین‌خوردگی سه‌بعدی یک پروتئین از روی توالی اسیدهای آمینه‌اش. این یک بازی نیست. چین‌خوردگی پروتئین پایهٔ فهم این است که بیماری‌ها چطور کار می‌کنند و داروها چطور متصل می‌شوند. از سال ۲۰۲۲، پایگاه‌دادهٔ AlphaFold بیش از ۲۰۰ میلیون ساختار داشت، تا سال ۲۰۲۴ بیش از ۲۱۴ میلیون، مورد استفادهٔ بیش از دو میلیون پژوهشگر در ۱۹۰ کشور. در ۸ می ۲۰۲۴، AlphaFold 3 آمد که مجتمع‌هایی از پروتئین‌ها، DNA، RNA و مولکول‌های دارویی را هم پیش‌بینی می‌کند.

این دستاورد در بالاترین سطح به رسمیت شناخته شد: جایزهٔ نوبل شیمی ۲۰۲۴ نیمی به دیوید بیکر برای طراحی محاسباتی پروتئین رسید، نیم دیگر مشترکاً به دمیس هاسابیس و جان جامپر برای پیش‌بینی ساختار پروتئین‌ها. یک سامانهٔ هوش مصنوعی در قلب یک جایزهٔ نوبل شیمی نشسته است.

و به پروتئین‌ها ختم نمی‌شود:

  • پزشکی: رنتوسرتیب، دارویی کشف‌شده توسط هوش مصنوعی برای بیماری ریوی IPF، در یک مطالعهٔ فاز IIa روی ۷۱ بیمار در ۲۲ مرکز، پس از دوازده هفته بهبود وابسته به دوز در عملکرد ریه نشان داد — که در ۳ ژوئن ۲۰۲۵ در Nature Medicine منتشر شد. در سال ۲۰۲۳، یک مدل یادگیری عمیق (همکاری میان دانشگاه مک‌مستر و MIT) داروی آباوسین را در برابر یک پاتوژن خطرناک بیمارستانی، از میان حدود ۷٬۵۰۰ مولکول غربال‌شده، شناسایی کرد.
  • مواد: GNoME از DeepMind در اواخر ۲۰۲۳ پایداری ۲٫۲ میلیون کریستال جدید را پیش‌بینی کرد. در همان روز، آزمایشگاه A-Lab در برکلی نشان داد که رباتی با یادگیری ماشین در ۱۷ روز مواد غیرآلی جدید سنتز می‌کند. (منصفانه بگوییم: هر دو مقاله از آن زمان با انتقاد روبه‌رو شده‌اند — بسیاری معتقدند شمار ساختارهای واقعاً جدید در GNoME اغراق‌آمیز است، و Nature مجبور شد دربارهٔ A-Lab اصلاحیه منتشر کند. جهش واقعی است، اما ترازنامه‌اش محل مناقشه است.)
  • آب‌وهوا: GraphCast تا ده روز پیش‌بینی آب‌وهوا را در کمتر از یک دقیقه روی یک رایانهٔ تکی انجام می‌دهد — و در بیش از ۹۰٪ از ۱٬۳۸۰ هدف بررسی‌شده، دقیق‌تر از مدل تثبیت‌شدهٔ ECMWF بود. GenCast در اواخر ۲۰۲۴ با مسیرهای بهتر برای طوفان‌های استوایی از راه رسید.
  • ریاضیات محض: AlphaProof و AlphaGeometry 2 چهار مسئله از شش مسئلهٔ المپیاد جهانی ریاضی ۲۰۲۴ را حل کردند، ۲۸ از ۴۲ امتیاز — سطح نقره، یک امتیاز کمتر از طلا. یکی از مسئله‌هایی که حل کردند را از میان بیش از ۶۰۰ شرکت‌کنندهٔ انسانی فقط پنج نفر به‌طور کامل حل کرده بودند. و در اواخر ۲۰۲۳، FunSearch راه‌حلی اثبات‌پذیر و تازه برای یک مسئلهٔ ریاضی باز پیدا کرد — اولین باری که یک مدل زبانی دانشی واقعی و قابل‌راستی‌آزمایی و تازه ارائه داد.

پس همان طوطی‌ای که ظاهراً فقط تکرار می‌کند، پروتئین‌ها را چین‌خورده، داروها را پیدا کرده و ریاضیاتی انجام داده که تقریباً هیچ انسانی از پسش برنمی‌آید.

آمارها

وقتی می‌خواهم بدانم یک فناوری واقعی است یا نه، دنبال پول می‌روم — و دنبال شغل‌ها.

طبق Stanford HAI، سرمایه‌گذاری جهانی شرکت‌ها در هوش مصنوعی در سال ۲۰۲۴ به حدود ۲۵۲ میلیارد دلار رسید. در سال ۲۰۲۵ این رقم به ۵۸۱٫۷ میلیارد دلار دو برابر شد. فقط سرمایه‌گذاری خصوصی ۱۲۷٫۵٪ جهش کرد و به ۳۴۴٫۷ میلیارد دلار رسید. هوش مصنوعی مولد — بخشی که تصویر، متن و ویدیو می‌سازد — در سال ۲۰۲۵ حدود ۲۰۰٪ رشد کرد و به تقریباً ۱۷۱ میلیارد دلار رسید، یعنی نزدیک به نیمی از کل سرمایه‌گذاری خصوصی هوش مصنوعی. آمریکا با ۲۸۵٫۹ میلیارد دلار سرمایه‌گذاری خصوصی پیشتاز است، ۲۳ برابر چین.

میزان استفاده هم همین روند را دنبال می‌کند: ۷۸٪ از سازمان‌ها در سال ۲۰۲۴ گزارش دادند که از هوش مصنوعی استفاده می‌کنند (نسبت به ۵۵٪ سال قبل از آن)؛ مک‌کینزی این رقم را برای سال ۲۰۲۵، با استفادهٔ منظم در دست‌کم یک کارکرد کسب‌وکار، ۸۸٪ اعلام کرد. نکتهٔ ظریف — و عمداً آن را نام می‌برم: تنها حدود یک‌سوم شرکت‌ها فراتر از پروژه‌های آزمایشی مقیاس می‌گیرند، و فقط اقلیتی می‌توانند تأثیری قابل‌سنجش بر سود نشان دهند. آزمایش زیاد، پیگیریِ کم.

و اشتغال چطور؟ همان‌جاست که درد می‌کند. صندوق بین‌المللی پول تخمین می‌زند که حدود ۴۰٪ از اشتغال جهانی در معرض هوش مصنوعی است، و در اقتصادهای پیشرفته حدود ۶۰٪. نیمی از این شغل‌ها احتمالاً سود می‌برند، نیم دیگر ممکن است وظایف اصلی‌شان را از دست بدهند. کریستالینا گئورگیوا، رئیس صندوق بین‌المللی پول، این‌طور بیانش کرد: «We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.»

مجمع جهانی اقتصاد پیش‌بینی می‌کند تا سال ۲۰۳۰، ۱۷۰ میلیون شغل جدید ایجاد و ۹۲ میلیون شغل حذف شود — یعنی خالص افزایش ۷۸ میلیون شغل. پس فقط از دست‌دادن نیست. بیشترین رشد در متخصصان کلان‌داده (+۱۱۰٪)، مهندسان فین‌تک (+۹۵٪) و متخصصان هوش مصنوعی/یادگیری ماشین (+۸۵٪) است؛ بیشترین افت در شغل‌های اداری کلاسیک مثل کارمندان دفتری و صندوق‌داران است. ۳۹٪ از مهارت‌های اصلی موردنیاز امروز تا سال ۲۰۳۰ منسوخ در نظر گرفته می‌شوند.

نکته‌ای که مرا امیدوار می‌کند: Anthropic Economic Index در اوایل ۲۰۲۶ حدود دو میلیون گفت‌وگوی هوش مصنوعی را تحلیل کرد. برای اولین بار، افزایش‌بخشی (۵۲٪) — یعنی جایی که هوش مصنوعی به فرد در کارش کمک می‌کند — از خودکارسازی (۴۵٪) — جایی که کار را کاملاً به دست می‌گیرد — پیشی گرفت. بیشتر یک دستیار است تا یک جایگزین. دست‌کم تا این‌جای کار.

آن‌وقت در برابر حالا — حساب‌وکتاب خودم

حالا ملموس می‌شود، چون دقیقاً همین‌جاست که زندگی می‌کنم. یک فروشگاه هوش مصنوعی، یک بلاگ — تصاویر روی آن‌ها باید از جایی بیایند. پس نگاه کردم که یک عکاسی تبلیغاتی کلاسیک واقعاً چه چیزی می‌طلبد. نه کلیشه، بلکه حساب‌وکتاب.

بیایید از حقوق شروع کنیم، چون اغلب مردم آن‌ها را نادیده می‌گیرند. برای استفاده از یک تصویر، روی دستمزد یک «بای‌اوت» (buy-out) اضافه می‌شود — هزینه‌ای اضافی که با دامنهٔ دسترسی و مدت استفاده متناسب می‌شود، «longer period, higher buyout»، به قول آژانس‌ها. لایسنس‌ها معمولاً یک تا پنج سال اعتبار دارند؛ بعد از آن دیگر نمی‌توانی از آن تصویر استفاده کنی. و در آمریکا برای هر فرد قابل‌شناسایی باید یک «model release» داشته باشی — بدون آن، استفادهٔ تجاری به‌سادگی غیرقانونی است، چه فرد مشهور باشد چه نباشد.

بعد آدم‌های حاضر در لوکیشن. یک آژانس ۱۵ تا ۲۰٪ کمیسیون از مدل می‌گیرد و روی آن برای طرف سفارش‌دهنده هم اضافه می‌کند. یک عکاسی مد برای فقط یک روز سریع جمع می‌شود: عکاس ۱٬۰۰۰ تا ۳٬۵۰۰ دلار (در نیویورک یا لس‌آنجلس راحت ۳٬۰۰۰ تا ۸٬۰۰۰+ دلار)، مدل ۵۰۰ تا ۳٬۰۰۰، استودیو ۳۰۰ تا ۱٬۵۰۰، آرایش و مو ۴۰۰ تا ۱٬۲۰۰، استایلیست ۴۰۰ تا ۱٬۸۰۰، و روتوش هم روی هر تصویر جداگانه اضافه می‌شود. یک تولید ساده حدود ۲٬۶۰۰ دلار، یک تولید متوسط حدود ۱۲٬۷۰۰ دلار، و یک تولید حرفه‌ای بین ۲۵٬۰۰۰ تا ۱۰۰٬۰۰۰ دلار می‌شود — برای هر روز. و روز فیلم‌برداری، همان‌طور که یک شرکت تولیدی خشک و رک می‌گوید، «the smallest part» است: برای یک تیزر تلویزیونی، پیش‌تولید ۴۰ تا ۵۰٪ از زمان را می‌گیرد، یک تیزر در مجموع ۶ تا ۱۰ هفته زمان می‌برد، یک کمپین ۸ تا ۱۲ هفته. کستینگ، شناسایی لوکیشن با مجوز و بیمه، تیمی از ۲ تا ۲۰۰ نفر، پیش‌بینی برای شرایط بد آب‌وهوایی.

یک مثال که در ذهن می‌ماند: یک آرایشگر مشهور برای دو روز فیلم‌برداری ۱۲٬۰۰۰ دلار حساب کرد — فقط برای کارش، بدون سفر، بدون آژانس. فقط برای مو.

و امروز؟ دقیقاً همان نتیجه — آن فرد، آن نور، آن مکان، آن حال‌وهوا — یک پرامپت است. چند ثانیه به‌جای چند هفته. نه بای‌اوتی، نه قرارداد لایسنسی که منقضی شود، نه آب‌وهوایی. این صفحه و فروشگاه نمونهٔ زندهٔ همین هستند: چیزی که این‌جا به‌عنوان تصویر می‌بینی، سه سال پیش یعنی یک تولید در حد ده‌ها هزار دلار و یک ماه زمان آماده‌سازی. اینکه این تصاویر چطور ساخته می‌شوند را در صفحهٔ هوش مصنوعی نشان داده‌ام — ابزارهای هوش مصنوعی هم جعبه‌ابزار پشت آن هستند.

این را نمی‌گویم که مهارت کسی را دست‌کم بگیرم. یک عکاس خوب، یک استایلیست خوب — این‌ها همچنان مهارت هستند. این را می‌گویم چون آستانهٔ ورود از بین رفته. چیزی که قبلاً بودجه و ارتباطات می‌خواست، حالا فقط یک ایدهٔ خوب و یک جملهٔ دقیق می‌خواهد.

نکتهٔ منفی

برای اینکه این متن به یک تبلیغ تبدیل نشود، بخش صادقانه‌اش را هم بگویم. دولت تقریباً از این مدل‌ها استفاده نمی‌کند، و خیلی از شرکت‌ها هم همین‌طور — به دلایل مربوط به حفاظت از داده‌ها. و این کار احمقانه نیست، بلکه قابل‌درک است. هر کس که داده‌های حساس را در یک مدل ابری متعلق به دیگری تایپ کند، کنترلی را از دست می‌دهد که شاید اصلاً اجازهٔ از دست‌دادنش را نداشته باشد. یک ادارهٔ دولتی، یک کلینیک، یک دفتر حقوقی نمی‌تواند به‌سادگی داده‌های شخصی را در اختیار یک ارائه‌دهندهٔ آمریکایی بگذارد.

اما پاسخ به این موضوع «اصلاً نه» نیست، بلکه «این‌طوری می‌شود» است. Stable Diffusion از اوت ۲۰۲۲ را به یاد بیاور — از همان ابتدا به‌صورت محلی، روی سخت‌افزار معمولی اجرا می‌شد، بدون اینکه حتی یک بایت از دستگاه خارج شود. دقیقاً همین مسیر — مدل‌هایی که روی رایانهٔ خودت یا در ساختمان خودت اجرا می‌شوند — راهی است برای ادارات دولتی و شرکت‌های حساس به داده تا این کار را بدون از دست‌دادن کنترل انجام دهند. فناوری آن هر ماه بهتر و کوچک‌تر می‌شود. نادیده گرفتنش مسئله را حل نمی‌کند، فقط آن را به تعویق می‌اندازد.

در پایان

الگو همیشه یکسان است. اول «این هرگز اتفاق نمی‌افتد»، بعد «باشد، ولی این حساب نمی‌شود»، و بعد به بخشی از زندگی روزمره تبدیل می‌شود و هیچ‌کس یادش نمی‌آید که زمانی در آن شک کرده بود. گو. ترجمه. چین‌خوردگی پروتئین. تصاویر، صداها، ویدیوی همراه با صدا. و بله، آن‌وقت‌ها اینترنت هم همین‌طور بود، و همان «پول دیجیتال» که ظاهراً فقط سم موش بود.

ادعا نمی‌کنم که می‌دانم این به کجا می‌رسد. هیچ‌کس نمی‌داند. اما یک درس از این سه سال و نیم هست که جرئت می‌کنم بنویسم: سریع‌تر از آنچه تقریباً همه فکر می‌کنند می‌آید — سریع‌تر حتی از آنچه آدم‌های باهوشی فکر می‌کنند که می‌گویند «هرگز».

به همین دلیل این جدول زمانی را ادامه می‌دهم. هر بار که چیزی سقوط می‌کند که همین دیروز غیرممکن نامیده می‌شد، یک مورد جدید اضافه می‌شود. اگر می‌خواهی همراهش رشد کنی، هر از گاهی سری بزن — و اگر چیزی دیدی که این‌جا کم است، از طریق صفحهٔ تماس به من بگو. این فهرست تمام‌شده نیست. تازه شروع شده.