توهم ایجنتیک؛ چرا ماشین‌های هوش مصنوعی هنوز نمی‌توانند یک تاکسی بگیرند؟

شکاف عمیق بین تبلیغات سیلیکون‌ولی و واقعیتِ VRAM

مدتی است که در محافل فناوری، گوشمان از وعده‌های پرزرق‌وبرق درباره «ایجنت‌های خودمختار» پر شده است. استارتاپ‌هایی با ارزش‌گذاری‌های نجومی ۱۰ میلیارد دلاری مانند Instinct یا ابزارهای جدیدی که در اپ‌استور اپل غوغا می‌کنند، مدام از آینده‌ای می‌گویند که در آن ایجنت‌های نرم‌افزاری به‌جای ما زندگی می‌کنند. اما گزارش اخیر اوبر (Uber) در کنفرانس مالی سه‌ماهه سوم، یک سیلی محکم به صورت این خوش‌بینی‌های افراطی بود. وقتی می‌بینیم تنها ۴ سفر در کل یک هفته پرتردد توسط ایجنت‌ها ثبت شده، باید بپذیریم که ما هنوز در دوران «پوشالی» ایجنت‌ها هستیم، نه دوران بلوغ آن‌ها.

من به عنوان کسی که روزانه با مدل‌های محلی مثل Llama 3.1 یا DeepSeek-V3 کلنجار می‌رود و سعی می‌کنم پایپ‌لاین‌های خودکار بنویسم، خوب می‌دانم که فاصله بین یک «دموی جذاب» در توییتر و یک «سیستم پایدار» در محیط عملیاتی چقدر زیاد است. مشکل اینجاست که ما سعی داریم با مدل‌های زبانی بزرگ (LLM) که اساساً برای پیش‌بینی توکن بعدی طراحی شده‌اند، کارهای قطعی (Deterministic) و حساس به زمان انجام دهیم. این یک خطای استراتژیک در معماری سیستم‌های ایجنتیک است.

چرا ایجنت‌ها هنوز در صف انتظار مانده‌اند؟

دارا خسروشاهی، مدیرعامل اوبر، نکته کلیدی را به زبان ساده بیان کرد: «زمان ثبت یک درخواست سفر در اپلیکیشن ما ۵۰ ثانیه است.» این عدد برای یک ایجنت هوش مصنوعی که باید ابتدا قصد کاربر را تفسیر کند، با APIهای پیچیده تعامل داشته باشد، احراز هویت کند و در نهایت تراکنش را نهایی کند، یک دیوار بتنی است. وقتی کاربر با دو ضربه روی نمایشگر گوشی به هدفش می‌رسد، چرا باید درگیر یک گفت‌وگوی فرسایشی با یک مدل زبانی شود که ممکن است در ۵۰ درصد مواقع دچار توهم (Hallucination) شود یا در احراز هویت دومرحله‌ای گیر کند؟

ما در حال حاضر با معضلی به نام «سربار ایجنتیک» مواجه هستیم. اجرای یک مدل قدرتمند برای انجام کاری که یک اسکریپت ساده پایتون (Python) یا حتی یک دکمه UI ساده انجام می‌دهد، مثل این است که برای باز کردن یک در، از یک جرثقیل غول‌پیکر استفاده کنید. ایجنت‌های فعلی فاقد کارایی لازم برای جایگزینی رابط‌های کاربری بهینه‌شده هستند. تا زمانی که ایجنت‌ها نتوانند با سرعت و دقتی فراتر از انسان عمل کنند، این ابزارها تنها در حد یک کنجکاوی فنی باقی خواهند ماند.

نقدِ معماری: چرا مدل‌های بزرگِ ابری راهکار نهایی نیستند؟

بسیاری از این ایجنت‌ها به مدل‌های غول‌آسا در فضای ابری (Cloud) وابسته هستند. تأخیر (Latency) ناشی از رفت‌وبرگشت داده‌ها به سرورهای OpenAI یا Anthropic خودش یک مانع بزرگ است. وقتی صحبت از خرید یا حمل‌ونقل می‌شود، کاربر به «قطعیت» نیاز دارد. ایجنت‌هایی که بر پایه معماری‌های MoE (Mixture of Experts) ساخته شده‌اند، اگر به صورت محلی و روی سخت‌افزار کاربر (مثل کارت‌های گرافیک RTX یا چیپ‌های عصبی موبایل) اجرا نشوند، همیشه در برابر نوسانات شبکه و سانسورهای مدل، آسیب‌پذیر خواهند بود.

آزادی نرم‌افزار و حریم خصوصی در این میان قربانی شده‌اند. مدل‌هایی که اوبر و دیگر پلتفرم‌ها برای ایجنت‌هایشان استفاده می‌کنند، عمدتاً جعبه‌سیاه‌هایی هستند که ما هیچ کنترلی روی لاجیک داخلی آن‌ها نداریم. اگر ایجنت در لحظه حساس، قیمت را اشتباه متوجه شود یا به اشتباه درخواست را لغو کند، چه کسی مسئول است؟ اینجاست که اهمیت توسعه مدل‌های کوچک (SLM) و فاین‌تیون اختصاصی با LoRA برای کارهای خاص مشخص می‌شود. ایجنت‌های عمومی قرار نیست برای همه کارها مناسب باشند، آن‌ها باید متخصصانی باشند که در کانتینرهای سبک روی لبه (Edge) اجرا می‌شوند.

آینده؛ عبور از هایپ به سمت زیرساخت‌های واقعی

شکست اولیه اوبر در جذب کاربران به سمت ایجنت‌ها به معنای پایان راه نیست، بلکه زنگ خطری برای بازگشت به اصول مهندسی است. ما باید به جای ساخت ایجنت‌هایی که سعی می‌کنند «همه کار» انجام دهند، به سمت «ایجنت‌های وظیفه‌محور» (Task-specific Agents) حرکت کنیم که در یک حوزه خاص (مثل مدیریت سفر یا سفارش غذا) بهینه شده‌اند. این ایجنت‌ها باید با معماری‌های سبک و سریع ساخته شوند که بتوانند در کسری از ثانیه تصمیم بگیرند، نه اینکه کل تاریخچه چت کاربر را برای یک درخواست ساده پردازش کنند.

در نهایت، ایجنت‌های هوش مصنوعی زمانی پیروز می‌شوند که کاربر حتی متوجه نشود از هوش مصنوعی استفاده کرده است. زمانی که ایجنت در پس‌زمینه سیستم‌عامل شما، بر اساس الگوهای رفتاری‌تان و بدون نیاز به تعاملات طولانی، بهترین تصمیم را می‌گیرد. تا آن روز، تمام این سروصداها فقط برای بالا بردن ارزش سهام شرکت‌ها و جذب سرمایه است. ما در NextIT.ir معتقدیم که آینده متعلق به ایجنت‌های متن‌باز، محلی و قابل‌اعتماد است که به جای نمایش‌های تبلیغاتی، واقعاً در زندگی روزمره ما کارایی دارند.