دونالد ترامپ روز ۴ اکتبر تشکیل «نیروی ابرهوش» یا Super Intelligence Force را اعلام کرد؛ کارگروهی که قرار است سیاست دولت آمریکا در حوزه هوش مصنوعی را هماهنگ کند.
ریاست این ساختار بر عهده جی کلیتون، مدیر اطلاعات ملی آمریکا، قرار گرفته و مقامهایی از جمله اندرو فرگوسن، رئیس کمیسیون تجارت فدرال، امیل مایکل، معاون وزیر جنگ در امور تحقیق و مهندسی و مدیر ارشد فناوری پنتاگون و اسکات کوپور، رئیس دفتر مدیریت کارکنان دولت، نیز در آن حضور دارند.
اما یک نکته مهم نباید گم شود: این ساختار فعلاً یک «فرماندهی جنگ هوش مصنوعی» نیست.
قرار است این کارگروه طی ۱۲۰ روز درباره فرصتها و تهدیدهای هوش مصنوعی، نقش دولت فدرال و نحوه مواجهه آمریکا با توسعه سریع این فناوری گزارش و پیشنهاد ارائه کند.
بنابراین، عنوان «نیروی ابرهوش» بسیار بزرگتر از اختیارات فعلی آن به نظر میرسد. در واقع، واشنگتن فعلاً یک مرکز سیاستگذاری و هماهنگی ایجاد کرده، نه یک ارتش مستقل برای فرماندهی جنگافزارهای هوشمند.
اختیار «Super Intelligence Force» هنوز روشن نیست
ورود همزمان مقامهایی از پنتاگون، جامعه اطلاعاتی و نهادهای تنظیمگر به این ساختار نشان میدهد کاخ سفید میخواهد هوش مصنوعی را از یک موضوع صرفاً فناوری خارج کرده و آن را به مسئلهای امنیتی، اقتصادی و حکمرانی تبدیل کند.
این رویکرد از یک جهت منطقی است؛ زیرا هوش مصنوعی دیگر فقط مسئله شرکتهای فناوری نیست. از عملیات نظامی و اطلاعاتی گرفته تا اقتصاد، امنیت سایبری و زیرساختهای حیاتی، همه به آن وابسته شدهاند.
اما همین گستردگی یک مشکل ایجاد میکند.
اگر یک کارگروه همزمان قرار باشد درباره امنیت ملی، مقررات، تعامل با شرکتهای فناوری، حوادث مرتبط با هوش مصنوعی و سیاست دولت تصمیمسازی کند، مرز میان هماهنگی، سیاستگذاری و مسئولیت اجرایی باید دقیق مشخص باشد.
فعلاً معلوم نیست این ساختار دقیقاً چه اختیاری مستقل از پنتاگون، جامعه اطلاعاتی و نهادهای تنظیمگر خواهد داشت و اگر پیشنهادهای آن پس از ۱۲۰ روز اجرا نشود، چه نهادی مسئول پیگیری خواهد بود.
برای فناوریای که سرعت تحول آن از بسیاری از فرآیندهای اداری دولت آمریکا بیشتر است، این ابهام میتواند بسیار مهم باشد.
آیا آمریکا واقعاً ۵۰ میلیارد دلار برای ابرهوش هزینه میکند؟
یکی از اعدادی که در بحثهای پیرامون این پروژه مطرح شده، رقم ۵۰ میلیارد دلار است؛ اما این رقم نباید بهعنوان بودجه مستقیم «نیروی ابرهوش» ترامپ تفسیر شود.
بخش بزرگی از سرمایهگذاری آمریکا در هوش مصنوعی و سامانههای خودمختار در قالب برنامههای مختلف وزارت جنگ و دیگر نهادها توزیع شده است.
در درخواست بودجه سال مالی ۲۰۲۷ وزارت جنگ، ۵۳.۶ میلیارد دلار برای برنامههای مرتبط با «سلطه پهپادی»، سامانههای خودمختار، ظرفیت تولید داخلی و قابلیتهای پیشرفته مطرح شده است.
همچنین حدود ۴۶ میلیارد دلار برای «زیرساخت هوش مصنوعی حاکمیتی» درخواست شده که بخشهایی مانند زیرساخت پردازشی، مراکز محاسباتی منطقهای و توان پردازش تاکتیکی را دربرمیگیرد.
این ارقام بسیار بزرگ هستند؛ اما یک تفاوت اساسی وجود دارد:
بودجه درخواستی با بودجه تصویبشده و بودجهای که واقعاً به توان عملیاتی تبدیل میشود، یکسان نیست.
در مورد گروه جنگ خودمختار دفاعی یا DAWG نیز مجموع درخواست سال مالی ۲۰۲۷ حدود ۵۴.۶ میلیارد دلار اعلام شده بود؛ اما همه این منابع الزاماً در مسیر تصویب نهایی قرار نگرفتهاند.
در نتیجه، استفاده تبلیغاتی از اعداد چند ده میلیارد دلاری میتواند تصویری از یک ماشین عظیم و آماده جنگ هوش مصنوعی ایجاد کند؛ در حالی که بخشی از این ظرفیت هنوز روی کاغذ است.
مشکل بزرگتر؛ آمریکا هنوز زیرساخت ابرهوش را کامل نکرده است
برای ساخت هوش مصنوعی قدرتمند، داشتن مدلهای پیشرفته کافی نیست. پشت هر مدل قدرتمند، شبکهای عظیم از تراشهها، مراکز داده، برق، سیستمهای خنککننده، ارتباطات و توان پردازشی قرار دارد.
خود وزارت جنگ آمریکا اذعان کرده که معماری فعلی محاسبات هوش مصنوعی این کشور به مجموعهای از کلاسترهای پردازنده گرافیکی پراکنده متکی است؛ ساختاری که از نظر وزارتخانه ناکارآمد و از نظر مالی ناپایدار شده است.
به همین دلیل، واشنگتن به دنبال ایجاد معماری مشترک، مراکز پردازش منطقهای و توان محاسباتی تاکتیکی است.
این یعنی آمریکا هنوز در حال ساختن بخشی از زیربنای موردنیاز برای رؤیای «ابرهوش» است.
در واقع، مسئله فقط ساخت الگوریتم نیست؛ مسئله این است که آیا میتوان حجم عظیمی از توان محاسباتی را به یک شبکه پایدار و یکپارچه تبدیل کرد که در شرایط واقعی نیز قابل استفاده باشد؟
سرعت خرید هوش مصنوعی لزوماً به معنای سرعت یادگیری نیست
یکی دیگر از نقاط ضعف آمریکا، به فرآیند خرید فناوریهای هوش مصنوعی مربوط میشود.
دفتر پاسخگویی دولت آمریکا یا GAO در بررسی ۱۳ خرید هوش مصنوعی در چهار نهاد فدرال، از جمله وزارت دفاع، با مشکلاتی مانند کمبود متخصصان فنی، دشواری ارزیابی هزینهها و مشکلات مربوط به داده مواجه شد.
اما یکی از نکات مهمتر این بود که سازمانهای مورد بررسی، تجربهها و درسآموختههای خریدهای قبلی هوش مصنوعی را به شکل نظاممند جمعآوری و میان یکدیگر به اشتراک نمیگذاشتند.
این موضوع برای رقابت فناوری بسیار مهم است.
اگر یک سازمان اشتباه کند، اما سازمان بعدی همان اشتباه را تکرار کند، افزایش سرعت خرید الزاماً به افزایش سرعت پیشرفت منجر نمیشود.
ممکن است آمریکا میلیاردها دلار برای فناوری هوش مصنوعی هزینه کند، اما بخشی از این پول صرف تکرار اشتباهاتی شود که قبلاً تجربه شدهاند.
گلوگاه بعدی؛ آزمایش و ارزیابی سامانههای هوش مصنوعی
هوش مصنوعی برخلاف بسیاری از تجهیزات نظامی سنتی، یک محصول کاملاً ثابت نیست.
تغییر داده، نسخه نرمافزار، محیط عملیاتی یا حتی شرایط مأموریت میتواند عملکرد یک سامانه را تغییر دهد.
به همین دلیل، آزمایش و ارزیابی در این حوزه اهمیت ویژهای دارد.
اما GAO در بررسی دفتر مدیر آزمایش و ارزیابی عملیاتی وزارت دفاع آمریکا درباره کاهش ظرفیت این نهاد هشدار داده است.
این دفتر در سال ۲۰۲۵ بر ۱۷۳ برنامه تسلیحاتی نظارت داشته و کاهش نیروی انسانی باعث شده کارکنان باقیمانده مسئولیت برنامههای بیشتری را بر عهده بگیرند.
اینجا یک تناقض جدی شکل میگیرد:
پنتاگون میخواهد سامانههای هوش مصنوعی و خودمختار را سریعتر توسعه دهد، اما نهادی که باید عملکرد و ایمنی آنها را ارزیابی کند، با محدودیت ظرفیت روبهرو است.
سرعت بدون آزمون کافی میتواند نتیجه معکوس داشته باشد؛ یعنی آمریکا سریعتر سامانهای را وارد میدان کند که هنوز نقاط ضعف آن بهطور کامل شناخته نشده است.
توافق ترامپ با غولهای فناوری چقدر ضمانت اجرایی دارد؟
واشنگتن در کنار ساختارهای دولتی، تلاش کرده شرکتهای بزرگ فناوری را نیز وارد چارچوب نظارت بر هوش مصنوعی کند.
در ۲۹ سپتامبر، شش شرکت بزرگ فناوری شامل گوگل، آنتروپیک، متا، اوپنایآی، انویدیا و xAI با دولت آمریکا درباره کنترل و ممیزی هوش مصنوعی توافق کردند.
مدل پیشنهادی شامل کنترل داخلی شرکتها، تیمهای نظارتی، ارزیابی توسط ممیز خارجی و نظارت یک کمیته مستقل در سطح هیئتمدیره است.
روی کاغذ، این ساختار چندلایه به نظر میرسد؛ اما مشکل اصلی، ضمانت اجرا است.
اگر شرکتی به تعهدات خود عمل نکند، آیا مجازات مشخص و فوری در انتظار آن خواهد بود؟
گزارشهای منتشرشده درباره متن توافق نشان میدهد سازوکار مشخصی برای مجازات عدم پایبندی در آن تعریف نشده است.
این یعنی دولت آمریکا در یکی از حساسترین حوزههای فناوری، دستکم در مرحله فعلی، بخشی از کنترل خود را بر پایه تعهدات داوطلبانه شرکتها بنا کرده است.
آمریکا با یک مشکل قدیمی روبهروست؛ تعدد مراکز تصمیمگیری
موضوع دیگری که نباید نادیده گرفته شود، پراکندگی ساختارهای مرتبط با سامانههای خودمختار در آمریکا است.
پنتاگون در ماههای گذشته ساختارهای مختلفی برای هماهنگی برنامههای پهپادی و خودمختار ایجاد کرده است. گروه جنگ خودمختار دفاعی، ساختارهای مشترک و فرماندهیهای جدید نیز در بخشهای مختلف در حال شکلگیری هستند.
اکنون «نیروی ابرهوش» نیز در سطح کاخ سفید وارد این معماری شده است.
این ساختارها الزاماً زائد نیستند و ممکن است هرکدام مأموریت مشخصی داشته باشند؛ اما یک سؤال همچنان پابرجاست:
در نهایت چه کسی مسئول تصمیمگیری یکپارچه درباره هوش مصنوعی در امنیت ملی آمریکا است؟
اگر پاسخ به این سؤال میان چندین سازمان تقسیم شود، ممکن است ایجاد ساختارهای جدید به جای کاهش بروکراسی، لایه دیگری به آن اضافه کند.
«نیروی ابرهوش» آزمون واقعی سیاست ترامپ در هوش مصنوعی است
آنچه آمریکا امروز در حوزه هوش مصنوعی میسازد، فقط یک پروژه فناوری نیست؛ بخشی از رقابت بزرگتر بر سر قدرت نظامی، اقتصادی و اطلاعاتی آینده است.
اما چالش اصلی واشنگتن صرفاً دستیابی به مدلهای قدرتمندتر یا خرید تراشههای بیشتر نیست.
آمریکا باید بتواند زنجیرهای کامل ایجاد کند؛ از داده و زیرساخت محاسباتی گرفته تا خرید، آزمایش، استقرار، نظارت و اصلاح خطاها.
در حال حاضر، در بخشهایی از این زنجیره شکافهایی جدی دیده میشود.
واشنگتن برای زیرساخت هوش مصنوعی دهها میلیارد دلار درخواست کرده، اما هنوز در حال بازطراحی معماری محاسباتی خود است. برای خرید سامانههای هوش مصنوعی هزینه میکند، اما تجربه خریدها به شکل نظاممند منتقل نمیشود. توسعه را سریعتر میخواهد، اما ظرفیت ارزیابی برخی برنامهها تحت فشار قرار دارد و برای کنترل شرکتهای فناوری نیز هنوز در همه موارد ضمانت اجرایی محکمی وجود ندارد.
بنابراین، «نیروی ابرهوش» ترامپ بیش از آنکه نشاندهنده تولد یک ابرقدرت جدید هوش مصنوعی باشد، فعلاً یک آزمون بزرگ برای توان مدیریتی و سازمانی آمریکا است.
اگر کاخ سفید بتواند این پراکندگی را به یک معماری منسجم تبدیل کند، سرمایهگذاریهای عظیم آمریکا میتواند به قدرت واقعی تبدیل شود.
اما اگر همان مشکلات قدیمی ــ بروکراسی، تعدد مراکز تصمیمگیری، ضعف انتقال تجربه، کمبود متخصص و فاصله میان بودجه درخواستی و توان عملیاتی ــ ادامه پیدا کند، میلیاردها دلار سرمایهگذاری ممکن است تنها یک نتیجه داشته باشد:
ساختن ماشینی بسیار گرانقیمت که هنوز دقیقاً معلوم نیست چه کسی فرمان آن را در دست دارد.