مصاحبه با اندرو ان‌جی – پدرخوانده انقلاب هوش مصنوعی

این متن یک مصاحبه‌ طولانی با اندرو ان جی (Andrew Ng) درباره‌ی آینده‌ی هوش مصنوعی و نقش «Agentic AI» است.

• سلام به شنوندگان، خوش آمدید. امروز مهمان ما اندرو ان‌جی است؛ یکی از پیشگامان انقلاب هوش مصنوعی. او هم‌بنیان‌گذار Google Brain، کورسرا (Coursera) و استودیوی سرمایه‌گذاری AI Fund است. اخیراً هم اصطلاح Agentic AI را مطرح کرده و به هیئت‌مدیره آمازون پیوسته. او جزو اولین کسانی بود که بیش از ده سال پیش مرا قانع کرد «یادگیری عمیق» آینده‌ی هوش مصنوعی است.

• اندرو توضیح می‌دهد رشد توانایی‌های AI از چند مسیر خواهد بود:

  • کمی هنوز می‌توان از افزایش مقیاس (Scale) بهره گرفت، اما سخت شده است.
  • مسیرهای دیگر شامل مدل‌های چندوجهی (Multimodal)، جریان‌های کاری عامل‌محور (Agentic Workflows) و حتی تکنولوژی‌های نو مثل مدل‌های دیفیوشن برای متن هستند.

• درباره‌ی اصطلاح Agentic AI:

  • اندرو می‌گوید: من این اصطلاح را ساختم چون می‌دیدم بحث‌های زیادی درباره‌ی «عامل بودن یا نبودن» وجود دارد. پیشنهاد کردم به جای این بحث‌ها، طیف یا درجه‌ای از «عاملیت» در نظر بگیریم. از سیستم‌هایی با استقلال بالا (برنامه‌ریزی و تصمیم‌گیری چندمرحله‌ای) تا موارد ساده‌تر.
  • بازاریاب‌ها بعداً این اصطلاح را به همه‌چیز چسباندند و باعث شد خیلی سریع همه‌گیر شود.

• موانع اصلی برای تحقق عامل‌های واقعی در AI:

  • مشکلات فنی مثل استفاده پایدار از کامپیوتر، سیستم‌های ارزیابی (Eval) و گاردریل‌ها.
  • اما مهم‌تر از همه کمبود استعداد و مهارت مهندسی است. بسیاری از تیم‌ها فرآیند سیستماتیک تحلیل خطا و بهبود را بلد نیستند.

• مثال کاربردی: ایمیل مشتری → تبدیل به متن → بررسی مطابقت قانونی → جست‌وجوی پایگاه داده → ثبت در سیستم. چنین فرایندهای چندمرحله‌ای اغلب در ابتدا درست کار نمی‌کنند و نیاز به تحلیل و تصمیم انسانی دارند.

• نمونه‌های قوی Agentic AI:

  • دستیارهای کدنویسی مثل Cloud Code که می‌توانند چند مرحله برنامه‌ریزی کرده و خودکار اجرا کنند.

  • ارزش اقتصادی دو حوزه روشن است:

    1. پاسخ‌گویی به سوالات (چت‌بات‌ها مثل ChatGPT)
    2. عامل‌های کدنویسی (AI Coding Agents)

• اندرو تفاوت بین کدنویسی با حس و حال (Vibe Coding) و کدنویسی با کمک AI را توضیح می‌دهد:

  • اولی یعنی فقط قبول کردن پیشنهادات بدون فکر.
  • دومی فرآیند جدی و فشرده‌ی مهندسی است که البته بسیار سریع‌تر می‌شود.

• تاثیر بر استارتاپ‌ها:

  • قبلاً ساخت محصول نیاز به تیم بزرگ داشت، حالا یک نفر یا دو نفر در آخر هفته می‌توانند نمونه اولیه بسازند.
  • bottleneck یا گلوگاه از مهندسی نرم‌افزار به مدیریت محصول منتقل شده است.
  • الان سرعت ساخت بالاست، اما تصمیم‌گیری درباره‌ی «چه چیزی باید ساخته شود» دشوارتر شده.

• درباره‌ی ویژگی‌های بنیان‌گذاران موفق:

  • باید فنی و آشنا با AI باشند، مثل کارآفرینان اولیه در عصر اینترنت و موبایل.
  • باید سخت‌کوش باشند؛ اندرو می‌گوید کار سخت هنوز مهم‌ترین عامل موفقیت است، حتی اگر الان سیاسی‌طور درست نباشد که به زبان بیاوریم.
  • باید شهامت و رقابت‌پذیری داشته باشند.

• بحث درباره‌ی اندازه تیم‌ها:

  • تیم‌های کوچک و باهوش + AI بسیار بهره‌ورتر از تیم‌های بزرگ هستند.
  • مثال: Minecraft تنها با چند نفر ساخته شد و میلیاردها دلار فروخته شد.
  • اما خطر این است که اگر بیش از حد کوچک بمانید، رقبای بزرگ (مثل Slack در برابر Teams) شما را کنار می‌زنند.

• اندرو معتقد است مهارت‌های استفاده از AI در همه‌ی نقش‌ها (حتی حسابدار یا منشی) ضروری می‌شود، چون کسانی که بلد نباشند، از بقیه عقب می‌مانند.

• درباره‌ی آینده شغل‌ها:

  • مشاغل با تیم‌های کوچک و ابزارهای AI قدرتمند می‌توانند جایگزین تیم‌های بزرگ شوند.
  • در صنایع سنتی مثل حقوق و سلامت، AI دارد به سرعت جای خود را باز می‌کند.

• در نهایت:

  • اندرو می‌گوید در پنج سال آینده افرادی که از AI استفاده کنند بسیار توانمندتر از چیزی خواهند شد که الان تصور می‌کنیم.
  • همانطور که هیچ‌کس دو سال پیش نمی‌توانست حدس بزند برنامه‌نویسان تا این حد با AI بهره‌ور شوند، همین اتفاق برای همه‌ی حرفه‌ها خواهد افتاد.