جنگ داخلی در دنیای هوش مصنوعی؛ تقابل یان لکان با دارئو آمودی بر سر امنیت و سیاست‌گذاری

در حالی که اکوسیستم هوش مصنوعی به سرعت در حال گسترش است، شکاف عمیقی میان چهره‌های کلیدی این حوزه پیرامون نحوه مدیریت ریسک‌ها و آینده بشریت شکل گرفته است. یان لکان، دانشمند برجسته متا و برنده جایزه تورینگ، اخیراً در گفتگویی جنجالی با نشریه فورچون، مواضع دارئو آمودی، مدیرعامل آنتروپیک را به‌شدت به چالش کشید و دیدگاه‌های وی درباره خطرات وجودی هوش مصنوعی را توهم‌آمیز خواند.

نگاهی به دیدگاه‌های تقابلی: چرا لکان نگران نیست؟

یان لکان، که اکنون با استارتاپ جدید خود یعنی AMI Labs به دنبال توسعه مدل‌های جهان‌محور (World Models) بر پایه معماری JEPA است، معتقد است که نگرانی‌های مربوط به نابودی بشریت توسط هوش مصنوعی کاملاً بی‌اساس است. او بر این باور است که آنچه امروزه به عنوان «وقایع نگران‌کننده» یا خطرات ناشی از عوامل خودگردان (Rogue Agents) مطرح می‌شود، نه ناشی از هوشِ بیش‌ازحد سیستم‌ها، بلکه حاصل طراحی فنی ضعیف و نظارت انسانی ناکافی است.

لکان در کنفرانس «هوش مصنوعی، علم و جامعه» که در بهمن ۱۴۰۳ (فوریه ۲۰۲۵) برگزار شد، تاکید کرد که بسیاری از آزمایشگاه‌های هوش مصنوعی دانش ابتدایی و لازم برای ایمن‌سازی سایبری سیستم‌های خود را ندارند. او هک‌های صورت‌گرفته توسط ایجنت‌های OpenAI را نه یک فاجعه، بلکه یک شکست ساده در طراحی sandboxها دانست که «کاملاً قابل پیشگیری» بودند.

انتقاد از «نوع‌دوستی مؤثر» و اتهام پارانویا

یکی از محورهای اصلی انتقاد لکان، جریان «نوع‌دوستی مؤثر» (Effective Altruism) است. لکان این رویکرد را «سمی» و «یک فاجعه کامل» نامید. به گفته او، طرفداران این جنبش در آزمایشگاه‌های پیشرو، دچار نوعی پارانویا هستند که منجر به تصمیم‌گیری‌های غلط استراتژیک می‌شود. لکان معتقد است افرادی مانند دارئو آمودی تحت تأثیر این تفکرات، تصویری ترسناک از هوش مصنوعی به عموم ارائه می‌دهند که در نهایت به ضرر کل صنعت و نوآوری خواهد بود.

سیاست‌گذاری به مثابه تصاحب تنظیمی (Regulatory Capture)

لکان فراتر از انتقادات شخصی، یک نقد ساختاری به رویکرد شرکت‌های بزرگ وارد می‌کند. او معتقد است وقتی مدیرانی مانند سم آلتمن یا دارئو آمودی ادعا می‌کنند که هوش مصنوعی می‌تواند به قیمت جان همه تمام شود، در واقع مشغول اجرای «بدترین کمپین بازاریابی» ممکن هستند. از نگاه او، این فشار برای وضع قوانین سخت‌گیرانه، انگیزه‌ای غیر از امنیت دارد: «تصاحب تنظیمی» (Regulatory Capture). در این استراتژی، شرکت‌های بزرگ با وضع قوانینی که پیاده‌سازی آن‌ها برای رقبای کوچک‌تر دشوار یا غیرممکن است، عملاً بازار را در انحصار خود می‌گیرند و مانع ورود بازیگران جدید می‌شوند.

معماری JEPA: رویکرد متفاوت AMI Labs

برخلاف مدل‌های زبانی رایج (LLMs) که تمرکزشان بر پیش‌بینی توکن بعدی است، JEPA (Joint-Embedding Predictive Architecture) تلاش می‌کند با پیش‌بینی در سطوح انتزاعی‌تر، جهان را بهتر درک کند. لکان امیدوار است با AMI Labs این فناوری را برای کاربردهای صنعتی همچون تشخیص خرابی در موتورهای جت یا بهینه‌سازی خطوط تولید به کار گیرد. او معتقد است با گذار از مدل‌های تولیدکننده (Generative) به سمت سیستم‌های استدلالی و جهان‌محور، نیاز به ترس‌های آخرالزمانی کمتر شده و کارایی واقعی نمایان می‌شود.