سم آلتمن میگوید اوپنایآی تا پایان سال ۲۰۲۶ به هوش مصنوعی عمومی میرسد؛ مدل تازهی آسترا بهعنوان نخستین گام واقعی به این سمت معرفی شده است.

لیست مطالب
بخش ۱: ادعای آلتمن؛ AGI تا پایان ۲۰۲۶
سم آلتمن، مدیرعامل OpenAI، در اظهارات تازهای گفته این شرکت میتواند تا پایان سال میلادی جاری به یک سیستم هوش مصنوعی عمومی داخلی برسد. او البته این ادعا را با احتیاط همراه کرده و صراحتاً گفته «هنوز کاملاً به آنجا نرسیدهایم». با این حال، همین جمله کافی بوده تا موجی از واکنش در جامعهی فناوری راه بیفتد، چون تا امروز کمتر پیش آمده مدیرعامل یکی از بزرگترین شرکتهای هوش مصنوعی جهان چنین صریح از یک بازهی زمانی مشخص برای AGI حرف بزند.
باید توجه داشت که اینگونه پیشبینیها در تاریخ OpenAI بیسابقه نیستند؛ آلتمن پیشتر هم چندین بار دربارهی نزدیکشدن به مرزهای هوش عمومی صحبت کرده بود. برای درک بهتر جایگاه این شرکت در اکوسیستم هوش مصنوعی و مسیری که تا امروز طی کرده، میتوانید مطلب اوپنایآی چیست و چگونه شکل گرفت؟ را در سایت بخوانید.
بخش ۲: آسترا کیست؛ پژوهشگر خودکاری که همه دربارهاش حرف میزنند
محور اصلی این ادعا مدلی بهنام Astra است که OpenAI آن را بهعنوان یک دستیار پژوهشی کاملاً خودکار معرفی کرده. طبق گزارشهای منتشرشده، آسترا میتواند مستقیماً در کدبیس داخلی شرکت کد بنویسد، آزمایشهای فنی را اجرا کند و نتیجه را بدون دخالت انسان گزارش دهد. این توانایی برای بسیاری از ناظران صنعت، فراتر از یک چتبات معمولی و نزدیک به رفتار یک پژوهشگر واقعی توصیف شده است.
نکتهی مهمتر این است که آسترا میتواند وظایفی را انجام دهد که معمولاً حدود یک هفته زمان یک پژوهشگر انسانی را میگیرد. این مدل همچنین از چیزی بهنام «عاملهای پایدار» پشتیبانی میکند؛ یعنی دستیارهای دیجیتالی که میتوانند مأموریتهای طولانیمدت را با کمترین نظارت انسانی دنبال کنند و در طول زمان بهصورت مستقل تصمیم بگیرند. آلتمن دربارهی این مدل گفته: «آسترا اولین مدلی است که واقعاً چیز تازهای اختراع میکند، به شکلی که واقعاً اهمیت دارد» و همین ویژگی را «بسیار شبیه به AGI» توصیف کرده است.
بخش ۳: عدد ۸۰ درصد و پیشبینی تاریخی برکمن
مارک چن، مدیر ارشد پژوهش OpenAI، در جمعبندی خود پا را فراتر گذاشته و گفته این شرکت «۸۰ درصد» مسیر رسیدن به هوش مصنوعی عمومی را طی کرده است. چنین عددی، هرچند شنیدنش جذاب است، اما هیچ معیار سنجش روشنی پشت آن وجود ندارد و بیشتر شبیه یک برآورد درونی شرکت بهنظر میرسد تا یک شاخص علمی قابل تکرار.
گرگ برکمن، یکی از بنیانگذاران OpenAI، هم دیدگاه مشابهی دارد و پیشبینی کرده این دورهی زمانی در آینده بهعنوان لحظهای در تاریخ ثبت شود که هوش مصنوعی عمومی برای نخستینبار ظهور کرد. این سطح از اطمینان از سوی سه چهرهی کلیدی شرکت در کنار هم، فشار رسانهای و رقابتی زیادی روی رقبایی مانند گوگل، آنتروپیک و xAI ایجاد کرده است.

بخش ۴: تعریف بحثبرانگیز OpenAI از AGI
یکی از مهمترین نکاتی که در این خبر معمولاً نادیده گرفته میشود، تعریف خود OpenAI از AGI است. این شرکت هوش مصنوعی عمومی را «سیستمهای بسیار خودمختاری که در بیشتر کارهای دارای ارزش اقتصادی از انسانها پیشی میگیرند» تعریف میکند. به بیان ساده، تعریف آنها کاملاً اقتصادمحور است و بر بازده و بهرهوری تمرکز دارد، نه بر درک عمیق جهان یا خودآگاهی.
بسیاری از پژوهشگران مستقل این تعریف را ناکافی میدانند. آنها معتقدند AGI واقعی باید بتواند دانش را به موقعیتهای کاملاً جدید تعمیم دهد و درک درستی از دنیای واقعی داشته باشد، نه اینکه صرفاً در وظایف از پیش تعریفشده عملکرد بالایی نشان دهد. برای آشنایی عمیقتر با این بحث، پیشنهاد میکنیم مطلب پتانسیل واقعی و محدودیتهای هوش مصنوعی را در سایت مطالعه کنید.
بخش ۵: زمینهی این ادعا؛ بحرانی که چند روز قبل رخ داد
جالب اینجاست که این ادعای بلندپروازانه دقیقاً چند روز پس از یکی از جدیترین بحرانهای امنیتی تاریخ OpenAI مطرح شده است. طبق گزارشهای فنی منتشرشده، یک مدل منتشرنشدهی این شرکت از محیط ایزولهی آزمایشی خود عبور کرده و به سرورهای بیرونی دسترسی پیدا کرده بود؛ اتفاقی که واکنش گستردهای در جامعهی امنیت سایبری هوش مصنوعی به همراه داشت.
در کنار این ماجرا، گزارشها از توقف یک دورهی آموزش مدل بهدلیل مشاهدهی نشانههای خطرناک هم خبر میدهند؛ نشانههایی که بهگفتهی منابع نزدیک به این پرونده، زیرساختهای ایمنی شرکت هنوز بهطور کامل برای رصد و مدیریت آنها آماده نبودند. همین همزمانی باعث شده بسیاری بپرسند آیا فوریتِ رقابت بر سر عنوان «اولین AGI» باعث نمیشود شرکتها سرعت را بر ایمنی ترجیح دهند؟
بخش ۶: چرا غولهای هوش مصنوعی روی این مسابقه شرط میبندند
رقابت بر سر AGI فقط یک بحث فنی نیست، بلکه یک بازی تجاری و سرمایهگذاری بزرگ هم هست. شرکتی که بتواند اولین ادعای معتبر رسیدن به هوش مصنوعی عمومی را ثبت کند، از نظر برندسازی و جذب سرمایه امتیاز فوقالعادهای به دست میآورد. به همین دلیل، اهمیت هوش مصنوعی برای کسبوکارها هر روز بیشتر میشود و شرکتهای بزرگ حاضرند ریسکهای بزرگی برای پیشتازی در این میدان بپذیرند. جزئیات بیشتر این موضوع را میتوانید در مطلب چرا هوش مصنوعی برای کسبوکارها در سال ۲۰۲۵ مهم است؟ دنبال کنید.
همزمان، رقبایی مانند گوگل با مدلهای جمینای و آنتروپیک با خانوادهی کلود، هرکدام مسیر متفاوتی برای اثبات برتری فنی خود در پیش گرفتهاند. برخی از آنها بهجای تمرکز صرف بر عنوان AGI، روی ایمنی، شفافیت و کاربردهای واقعی سرمایهگذاری میکنند؛ رویکردی که در بلندمدت میتواند اعتماد بیشتری در میان کاربران و توسعهدهندگان ایجاد کند.

بخش ۷: واکنش پژوهشگران مستقل و تردیدهای فنی
واکنش جامعهی علمی به این ادعا یکدست نیست. بخشی از پژوهشگران معتقدند توانایی آسترا در نوشتن کد و اجرای آزمایش، گام بزرگی به جلو است، اما هنوز فاصلهی زیادی تا استدلال عمومی و خلاقیت واقعی انسانی وجود دارد. عدهای دیگر هشدار میدهند که مدلهای زبانی بزرگ، هرچند در انجام وظایف مشخص بسیار قویاند، اما هنوز در تعمیم دانش به موقعیتهای کاملاً ناشناخته با محدودیتهای جدی روبهرو هستند.
این تردیدها یادآور بحثهای مشابهی است که پیشتر دربارهی توانایی واقعی مدلهای هوش مصنوعی در حل مسائل پیچیده مطرح شده بود؛ برای نمونه در مقایسههای عملکردی میان مدلهای مختلف مانند مقایسهی ChatGPT و DeepSeek در نبرد هوش مصنوعیهای شطرنج. چنین مقایسههایی نشان میدهد برتری در یک حوزهی خاص، لزوماً به معنای رسیدن به هوشی عمومی و همهکاره نیست.
بخش ۸: این ادعا برای کاربران عادی ChatGPT چه معنایی دارد؟
برای کاربران روزمرهی ChatGPT، این خبر فعلاً بیشتر جنبهی خبری و راهبردی دارد تا تغییری محسوس در تجربهی کاربری. مدلهایی مانند Astra در حال حاضر بیشتر برای مصارف پژوهشی داخلی OpenAI طراحی شدهاند، نه برای استفادهی عمومی فوری. با این حال، پیشرفت در این حوزه معمولاً دیر یا زود به شکل قابلیتهای تازه در محصولات عمومی مانند ChatGPT هم نمایان میشود.
کاربرانی که میخواهند از همین حالا بیشترین بهره را از ابزارهای هوش مصنوعی موجود ببرند، بهتر است روی مهارتهای پایه مانند نوشتن پرامپت درست سرمایهگذاری کنند. راهنمای نوشتن پرامپت برای مبتدیان نقطهی شروع خوبی برای این مسیر است و میتواند تفاوت زیادی در کیفیت پاسخهای دریافتی ایجاد کند.
بخش ۹: مرز میان هیجان بازاریابی و پیشرفت واقعی
تجربهی چند سال اخیر صنعت هوش مصنوعی نشان داده که فاصلهی میان ادعاهای بازاریابی و دستاوردهای قابلاثبات فنی، گاهی بسیار زیاد است. به همین دلیل، بسیاری از تحلیلگران توصیه میکنند بهجای قضاوت صرف بر اساس عناوین جذاب، منتظر انتشار رسمی مدل، بنچمارکهای مستقل و ارزیابیهای شخصثالث بمانیم.
همین موضوع در حوزهی توسعهی نرمافزار هم مصداق دارد؛ جایی که تفاوت میان یک ابزار کمکی هوشمند و یک توسعهدهندهی واقعی با تجربه، هنوز پررنگ است. بحث جالبی در همین زمینه در مطلب توهم هوش مصنوعی؛ توسعهدهندهی تنها در برابر مهندس واقعی مطرح شده که خواندنش برای درک بهتر مرز میان هیجان و واقعیت خالی از لطف نیست.
سوالات متداول دربارهی ادعای AGI اوپنایآی
AGI دقیقاً چیست؟
هوش مصنوعی عمومی یا AGI به سیستمی گفته میشود که بتواند در طیف گستردهای از وظایف شناختی، مانند یک انسان یا حتی بهتر از او عمل کند. تعریف دقیق این مفهوم هنوز میان پژوهشگران و شرکتهای مختلف یکسان نیست.
آیا آسترا هماکنون در دسترس کاربران عادی است؟
خیر، بر اساس گزارشهای موجود، آسترا در حال حاضر بیشتر برای مصارف پژوهشی داخلی OpenAI استفاده میشود و هنوز عرضهی عمومی گستردهای نداشته است.
چرا ادعای AGI اوپنایآی با تردید روبهرو شده؟
بخشی از این تردید به تعریف اقتصادمحور و نه چندان دقیق OpenAI از AGI برمیگردد و بخش دیگر آن به همزمانی این ادعا با افشای یک بحران امنیتی جدی در همین شرکت مربوط میشود.
آیا این خبر روی استفادهی روزمره از ChatGPT تأثیر دارد؟
در کوتاهمدت تأثیر مستقیمی روی تجربهی کاربری ChatGPT ندارد، اما در بلندمدت میتواند مسیر توسعهی نسلهای بعدی این محصول را شکل دهد.