لری فینک: خوشحالم که دوباره در مجمع جهانی اقتصاد در داووس هستم. باعث افتخار من است که الکس کارپ را معرفی کنم. میخواهم با یک موضوع کمی شخصی بین خودمان شروع کنم. من به آنچه در «بلکراک» ساختهام افتخار میکنم، اما بازده کل سهام من از زمانی که مدیرعامل بودهام، سالانه ۲۱ درصد رشد کرده است؛ در حالی که از زمان عمومی شدن شرکت «پالانتیر»، بازدهی سالانه الکس ۷۳ درصد بوده است. پس تبریک میگویم الکس!
اما مهمتر از آن، ما در میانه یک جهش تکنولوژیک عمیق هستیم. همه ما درباره آن میشنویم، میخوانیم و آن را حس میکنیم. سوال همه این است: هوش مصنوعی (AI) چه کمکی به من میکند؟ چطور میتوان آن را به رشد اقتصادی ترجمه کرد؟ چه تاثیری بر کارگران، کشورها و امنیت ملی دارد؟
گفته میشود که هوش مصنوعی پتانسیل مدرنسازی صنایع و گسترش فرصتها را دارد و شیوه و مکان کار ما را متحول میکند. سوال اینجاست که آیا دولتها برای این تحول واقعی جامعه آمادهاند؟ ما باید مطمئن شویم که این فناوری به شکلی مستقر شود که مردم و نهادها را توانمند کند. رهبران کمی هستند که واقعاً در نقطه تلاقی تکنولوژی، امنیت ملی و اقتصاد واقعی قرار داشته باشند، اما الکس کارپ دقیقاً در همین نقطه است. الکس به عنوان بنیانگذار پالانتیر، از نزدیک با نهادهای دفاعی و دولتی کار کرده تا کاربرد AI را در حیاتیترین حوزهها پیاده کند. الکس، بگذار با این سوال شروع کنم: دولتها همیشه پیشگام پذیرش تکنولوژیهای پیشرفته بودهاند؛ از دیدگاه تو، هوش مصنوعی چگونه به تصمیمگیری در حوزههای دفاعی و امنیتی کمک میکند؟
الکس کارپ: اول از همه، از حضور در اینجا خوشحالم. با آن مقدمهای که گفتی، شاید بهتر باشد همینجا صحبتم را تمام کنم چون از این به بعد هر چه بگویم ممکن است جذابیتش کمتر شود! (با خنده) میخواهی باز هم درباره بازدهی سهاممان صحبت کنیم؟
ببین لری، یک نکته مهم را باید به یاد داشته باشیم. در آمریکا و اروپا، به طور تاریخی توسعه صنعتی و تکنولوژی نظامی با هم پیش رفتهاند. شما محصولی برای ارتش میساختید که بعداً کاربرد دوگانه پیدا میکرد و سطح زندگی کل کشور را بالا میبرد. در گذشته، شما چیزی میساختید که باید در سختترین شرایط کار میکرد و مزیتی فراتر از دیگران در میدان جنگ به شما میداد.
در بافتار فعلی، ما شاهد یک گسست بین اتفاقات اخیر در آمریکا و اروپا هستیم. به نظرم آمریکا و چین در این زمینه بسیار موفق بودهاند، اما اروپا – با وجود اینکه من بیشتر عمرم را آنجا گذراندم و طرفدار پروپاقرص اروپا هستم – صادقانه بگویم، خیلی خوب عمل نکرده است.
در دنیای نرمافزار، شما با شرایط دشوار، کثیف و از نظر اخلاقی خاکستری روبرو هستید. شرایطی که در آن همیشه به شبکه متصل نیستید و محدودیتهای زیادی دارید. نکته مثبت این بود که وقتی چیزی برای ارتش میساختید، ارزش واضحی هم برای شهروند عادی داشت. اما در مورد هوش مصنوعی، تا همین اواخر، رقبای غرب تصور میکردند سرمایهگذاری ما روی نرمافزارهای دفاعی فقط یک بازی تبلیغاتی برای ثروتمند شدن شرکتهاست. اما حالا همه چیز عوض شده است.
بزرگترین چالش کشورهای مستقل این است: چطور سیستمی را مستقر کنیم که ارزش اصلیاش سازماندهی نیروها در میدان جنگ است، بدون اینکه لزوماً همه اجزا را ببینیم؟ نکته پنهانی در مورد هوش مصنوعی وجود دارد: بسیاری از کشورها در زیرساختهای تکنولوژیک خود حفرههای بزرگی دارند. خیلی از توانمندیهای آنها فقط روی «پاورپوینت» وجود دارد، اما وقتی به میدان جنگ میروند، میبینند که در واقعیت چیزی ندارند. این مزیتی بود که اوکراینیها داشتند؛ آنها از صفر شروع کردند و مجبور نبودند بعد از شروع جنگ بفهمند که سیستمهای قدیمیشان کار نمیکند. آمریکا هم چون تجربه حضور در میدانهای نبرد مختلف را داشت، دقیقاً میدانست چه چیزی کار میکند و چه چیزی نه.
اولین چیزی که دولتها با آن دست و پنجه نرم میکنند این است: آیا میتوانم تشخیص دهم کدام تکنولوژی به طور عینی بهتر است؟ آیا اصلاً میتوانم به آن امتیاز بدهم؟
لری فینک: اما آیا لازم نیست اول بدانی کجا میخواهی بروی تا سوال درست را بپرسی؟
الکس کارپ: بگذار سوالم را اصلاح کنم؛ تو باید بدانی «کجا هستی» تا بدانی «کجا میخواهی بروی». یکی از مهمترین کارهایی که پالانتیر در میدان جنگ انجام داده، جبران این واقعیت است که نیمی از تشکیلات شما در میدان نبرد اصلاً کار نمیکند! در آزمایشگاه و روی کاغذ عالی است، اما در میدان جنگ نه.
مثلاً در اوکراین؛ شاید فکر کنید جابجا کردن یک پهپاد از نقطه الف به ب چقدر میتواند سخت باشد؟ اما واقعیت این است که شما باید بدانید پهپاد را کجا بگذارید. این یعنی هماهنگسازی تمام دادهها، بدون اینکه دشمن متوجه شود. باید بدانید هر کسی که به داده دست زده کیست. باید مسیر را تا لحظه آخر مخفی نگه دارید. بعد باید با استراتژی و اخلاق شما همخوانی داشته باشد. مثلاً اگر یکی از ژنرالهای دشمن جاسوس شماست، نباید پهپاد را روی سر او بفرستید! باید طوری وانمود کنید که انگار قصد زدن او را داشتید اما تیرتان به خطا رفته است.
بعد هم بحث جنگ الکترونیک پیش میآید. روسها که اغلب به اشتباه دستکم گرفته میشوند، در ریاضیات و مهندسی بهترینهای جهان هستند و شروع به مختل کردن (Jamming) الکترونیک کردند. حالا شما باید در محیطی که هیچ اتصالی به شبکه ندارید، داده جمع کنید و عملیات انجام دهید. اینها چالشهای پویایی هستند که قبل از جنگ اوکراین پیشبینی نشده بودند.
لری فینک: بگذار این را به دنیای تجارت ترجمه کنیم. تکنولوژیهای زیادی مثل اینترنت و GPS از دل دفاع بیرون آمدند. چطور این AI نظامی به شرکتها، کسبوکارها و جامعه منتقل میشود؟
الکس کارپ: وقتی تکنولوژی در یک محیط خشن و واقعی (مثل جنگ) جواب میدهد، یعنی شما «حقیقتِ محض» کارکرد آن را میدانید. این تجربه تقریباً یکبهیک قابل انتقال به دنیای تجارت است. شرکتهای تجاری تمایل دارند شبیه هم شوند؛ ساختارها و زیرساختهای مشابهی داشته باشند. اما چیزی که در میدان جنگ و در زندگی ارزشمند است، انجام دادن کاری است که هیچکس دیگر در دنیا نمیتواند انجام دهد.
وقتی سراغ یک شرکت بیمه یا یک بیمارستان میرویم، سوال این است: چطور میتوانیم دانشِ قبیلهای و خاص شما را به دانشی تبدیل کنیم که فقط متعلق به شما باشد، اما با کاراییای که هیچکس دیگر ندارد؟
مثلاً بیمارستانها؛ آنها با مشکل پذیرش بیمار و کمبود پزشک و پرستار روبرو هستند. ما به آنها کمک میکنیم فرآیند پذیرش را ۱۰ تا ۱۵ برابر سریعتر انجام دهند. این کار جان انسانها را نجات میدهد.
همچنین، برخلاف تصور عمومی، این کار به آزادیهای مدنی هم کمک میکند. چون وقتی فرآیندها در یک ساختار مشخص (Ontology) قرار میگیرند، شما میتوانید به دقت بررسی کنید که آیا در پذیرش بیمار تبعیض نژادی یا اقتصادی صورت گرفته یا خیر. ما میتوانیم دقیقاً نشان دهیم چرا یک نفر پذیرش شد و چرا دیگری رد شد. این یعنی شفافیت، امنیت و کاهش هزینهها.
لری فینک: تو قبلاً اشاره کردی که در گذشته شرکتها برای تغییرات سریع باید «خصوصی» میشدند تا ساختارشان را اصلاح کنند. آیا مانع اصلی پذیرش AI، سیستمهای قدیمی (Legacy) است؟ چطور پذیرش آن را برای خیرِ بشریت تسریع کنیم؟
الکس کارپ: پذیرش ما همین الان هم فراتر از ظرفیت ماست. ببین لری، اگر فقط یک «مدل زبانی بزرگ» (LLM) آماده بخری و بخواهی در شرکتت استفاده کنی، جواب نمیدهد. این یک کالا (Commodity) است و دقت کافی ندارد. شما نمیتوانید کارهای حساسِ قانونی یا بیمهای را با آن انجام دهید.
مشکل اینجاست که مردم راههایی را امتحان کردهاند که هرگز کار نمیکند؛ مثلاً یک مدل آماده را روی دادههایشان میگذارند و تعجب میکنند که چرا جواب نمیدهد. شما به یک لایه نرمافزاری نیاز دارید که این مدلها را به زبانی که سازمان شما میفهمد، مدیریت و هماهنگ کند.
در مورد حباب AI هم؛ به نظرم ما فقط در یک دوره تأخیر هستیم. در میدان جنگ هم هیچکس باور نمیکرد اینها کار کند، اما حالا کار میکند. حالا سوال شرکتها این نیست که «آیا کار میکند؟»، بلکه این است که «چطور آن را برای من به کار بیندازی؟». پالانتیر اصلاً تیم فروش بزرگی ندارد، چون در محیطی که اعتماد به AI کم است، وقتی محصولی واقعاً جواب میدهد، خودش خودش را میفروشد.
لری فینک: گفتی محدودیت شما در آموزش نیروهاست. یک شرکت برای استفاده از این سیستم به چند نفر نیروی آموزشدیده نیاز دارد؟ آیا مدیرعامل هم باید درگیر شود؟
الکس کارپ: بهترین حالت این است که مدیرعامل از نظر ذهنی با ریاضیات و منطق آشنا باشد تا بتواند کارکرد محصول را درک کند. در ابتدا ما همه کارها را انجام میدهیم و بعد دانش را به آنها منتقل میکنیم. معمولاً به تعداد کمی نیروی متخصص در داخل شرکت نیاز است، اما ما هنوز به افراد بیشتری برای آموزش نیاز داریم.
لری فینک: هوش مصنوعی چقدر سریع میتواند مسیر رشد اقتصادی را تغییر دهد؟ و آیا شغلها را نابود میکند یا شغل ایجاد میکند؟
الکس کارپ: ما میتوانیم در حوزههایی که وارد میشویم، تا ۸۰ درصد هزینهها را کاهش دهیم و درآمد را به شدت بالا ببریم. چیزی که ۵ سال پیش یک سال طول میکشید، الان در یک هفته انجام میشود.
درباره شغلها؛ فکر میکنم روایت فعلی در غرب کمی اشتباه است. بله، شاید برای کسی که در یک دانشگاه ممتاز فلسفه خوانده (مثل خود من!) کار سخت شود، چون بازاریابیِ آن دانش سخت است. اما برای تکنسینهای فنی و حرفهای، هوش مصنوعی فوقالعاده است. مثلاً ما برای یک شرکت باتریسازی در آمریکا سیستم میسازیم؛ کارگرانی که فقط دیپلم دارند، با کمک سیستم ما کارهایی را انجام میدهند که مهندسان زبده ژاپنی انجام میدهند. آنها به نیروهایی غیرقابل جایگزین تبدیل میشوند.
ما به روشهای جدیدی برای تست استعدادها نیاز داریم. خیلیها در حال انجام کار X هستند در حالی که باید کار Y را انجام دهند. مثلاً کسی که سیستم پیشرفته «مِـیوِن» (Maven) ما را در ارتش آمریکا مدیریت میکند، یک افسر پلیس سابق است که فقط در یک کالج محلی درس خوانده، اما الان در حال انجام پیچیدهترین هدفگیریهای جهانی است. او غیرقابل جایگزین است.
لری فینک: سوال آخر؛ منحنی هوش مصنوعی به کدام سمت میرود؟ آیا باعث ایجاد نابرابری بیشتر بین کشورهای توسعهیافته و در حال توسعه میشود؟
الکس کارپ: اولین نابرابری واضح این است که آمریکا و چین نسخههای متفاوتی از این فناوری را در مقیاس بزرگ به کار گرفتهاند و این روند با سرعتی باورنکردنی شتاب میگیرد. من واقعگرا هستم؛ شکاف بزرگی ایجاد خواهد شد.
در مورد اروپا، مشکلِ پذیرش تکنولوژی در آنجا جدی و ساختاری است و متأسفانه رهبر سیاسیای نمیبینم که بایستد و بگوید «ما یک مشکل ساختاری داریم که باید حلش کنیم».
در مورد دنیای در حال توسعه؛ هوش مصنوعی مثل یک «تستِ تحملِ بار» (Load-bearing test) عمل میکند. جوامع، سازمانها و شرکتهایی که ظرفیت تحمل این بار را دارند، مزیت بزرگی به دست میآورند. اما اگر جامعهای تظاهر به داشتن ظرفیت میکرده در حالی که نداشته، سیستمش فرو میپاشد. هوش مصنوعی صادق است و نمیتوان واقعیتِ توانایی یک سیستم را پشت کلمات پنهان کرد.
در سه سال آینده، ما با یک «صداقتِ ارزشِ بازاری» روبرو خواهیم شد. چه بخواهیم و چه نخواهیم، ارزش واقعیِ کاری که انجام میدهیم فاش خواهد شد. بهترین کاری که رهبران میتوانند برای مردمشان انجام دهند این است که صادقانه نگاه کنند و ببینند جامعهشان چقدر توان تحمل این بار جدید را دارد.
لری فینک: ممنونم الکس. ممنون از همه.
منبع: استارتاپ لب
