پرش به محتوای اصلی
اخبار هوش مصنوعی

اختلاف زاکربرگ و آلتمن بر سر کندسازی AI چیست؟ توضیح ساده شکاف صنعت

دو مسیر متقابل صنعت هوش مصنوعی؛ کندسازی هماهنگ در برابر مدیریت جداگانه ایمنی

اگر این روزها شنیده‌اید بعضی مدیران آزمایشگاه‌های بزرگ هوش مصنوعی می‌گویند «باید با هم آهسته‌تر برویم»، و بعضی دیگر می‌گویند «هر شرکت خودش ایمنی را مدیریت کند»، ولی هنوز دقیق نمی‌دانید دعوا بر سر چیست، جای درستی آمده‌اید. در این مطلب اول با زبان ساده زمینه را می‌گوییم؛ بعد سراغ خبر حدود ۱۵ تا ۱۷ سپتامبر ۲۰۲۶ (حدود ۲۴ تا ۲۶ شهریور ۱۴۰۵) می‌رویم و موضع زاکربرگ و هوانگ را در برابر آلتمن، آمودی و هاسابیس مرور می‌کنیم.

اول کمی زمینه؛ تا خبر قاطی نشود

«کندسازی» یا pacing یعنی چه؟ وقتی از کندسازی هماهنگ (coordinated slowdown / pacing the frontier) حرف می‌زنیم، منظور توقف کامل تحقیق نیست. منظور این است که شرکت‌های پیشرو (frontier labs) وقتی قابلیت مدل‌ها سریع‌تر از کار ایمنی جلو می‌رود، با هم — و گاهی با کمک دولت‌ها — سرعت افزایش توان مدل را تنظیم کنند تا زمان کافی برای تست، نظارت و کنترل باقی بماند.

چرا این بحث داغ شده؟ مدل‌های بزرگ زبانی و عامل‌های AI هر سال توانمندتر می‌شوند. بعضی پژوهشگران و مدیران هشدار می‌دهند فهم و کنترل سیستم‌ها ممکن است از سرعت پیشرفت عقب بماند. در مقابل، بعضی مدیران می‌گویند بازار، مسئولیت حقوقی و رقابت خودش شرکت‌ها را مجبور می‌کند ایمن بسازند؛ و کندسازی جمعی ممکن است نوآوری یا رقابت را کم کند.

این مقاله با چه خبرهایی فرق دارد؟ این مطلب دربارهٔ شکاف عمومی صنعت است: چه کسی pacing هماهنگ می‌خواهد و چه کسی می‌گوید هر آزمایشگاه جداگانه تصمیم بگیرد. این با پیشنهاد جداگانهٔ Pace the Frontier آمودی، گفت‌وگوهای ایمنی OpenAI/Anthropic/Google، یا بحث آگاهی مصنوعی فرق دارد — اینجا تمرکز روی دو اردوگاه علنی است.

خبر چیست؟ صنعت AI دو اردوگاه شده است

در میانهٔ سپتامبر ۲۰۲۶، گزارش‌هایی از Reuters، ABC/AP، CNBC و رسانه‌هایی مثل India Today نشان داد مدیران اصلی AI به‌طور علنی دو مسیر را پیش می‌کشند. اردوگاه pacing / هماهنگی: داریو آمودی (Anthropic)، سم آلتمن (OpenAI)، دمیس هاسابیس (Google DeepMind) و چند صدای دیگر، جهت کلی «آهسته‌تر و هماهنگ‌تر» را درست می‌دانند — هرچند جزئیاتشان یکی نیست. اردوگاه مدیریت مستقل: مارک زاکربرگ (Meta) و جنسن هوانگ (Nvidia) می‌گویند شرکت‌ها می‌توانند بدون کندسازی جمعی، ایمنی را خودشان مدیریت کنند؛ انگیزهٔ بازار و مسئولیت حقوقی کافی است.

خلاصهٔ عملی خبر: ۱) آمودی در جستار We Must Pace the Frontier خواستار تنظیم سرعت توسعه frontier و دسترسی مداوم ارزیاب‌های مستقل (شبیه دسترسی کارمند) به سیستم‌ها و رویه‌های ایمنی شد؛ همچنین از هماهنگی بین‌آزمایشگاهی و نقش دولت‌ها گفت ۲) آلتمن از pacing و پایش حمایت کرد و تأکید کرد pacing به‌معنی توقف کامل نیست؛ OpenAI هم برای الزامات ایمنی ملی و استانداردهای مشترک لابی کرده است ۳) هاسابیس گفت جهت کلی درست است و جزئیات باید کار شود؛ او ایدهٔ یک نهاد استاندارد frontier AI را مطرح کرده بود ۴) زاکربرگ صریحاً از کندسازی هماهنگ فاصله گرفت: هر آزمایشگاه مسئولیت و انگیزه دارد با سرعت لازم برای آموزش ایمن مدل‌هایش جلو برود ۵) او گفت Meta انتشار Muse را ماه‌ها به‌دلیل ایمنی و امنیت به تأخیر انداخت — بدون اینکه از بقیه بخواهد اول همین کار را بکنند ۶) زاکربرگ گفت Meta Superintelligence Labs از ارزیاب‌ها و مشاوران مستقل استفاده می‌کند و بخش عمدهٔ compute شرکت صرف محصولات کاربرمحور می‌شود نه خودبهبودی بازگشتی ۷) هوانگ هم گفت نیروهای بازار کافی‌اند و لزوماً به قوانین تازه نیاز نیست؛ ایمنی یک مسئلهٔ مهندسی است و می‌توان هم سریع بود و هم ایمن

جزئیات مهم: دو نگاه به یک خطر

اردوگاه pacing چه می‌گوید؟ منطق این سمت این است که رقابت تجاری و ژئوپلیتیک ممکن است شرکت‌ها را به عجله وادارد. اگر همه با هم توافق نکنند، هیچ‌کس نمی‌خواهد اول آهسته شود. بنابراین به ارزیاب مستقل، استاندارد مشترک، و گاهی هماهنگی با دولت نیاز است تا «مسابقه» جایگزین ایمنی نشود. آلتمن در Dreamforce گفت خوب است صنعت بیاید با هم هماهنگ شود تا زمان کافی برای کار ایمن داشته باشد؛ و وقتی فشار تجاری یا رقابتی این تردید را ایجاد کند که کسی کار درست را نمی‌کند، مردم می‌ترسند.

اردوگاه Meta / Nvidia چه می‌گوید؟ منطق این سمت این است که کاربر محصول غیرقابل‌اعتماد را ترک می‌کند و آزمایشگاه‌ها در صورت آسیب با مسئولیت حقوقی سنگین روبه‌رو می‌شوند. زاکربرگ نوشت اعتماد و alignment در حال تبدیل‌شدن به مهم‌ترین قابلیت تمایزدهنده‌اند و هر آزمایشگاهی که روی alignment تمرکز نکند عقب می‌ماند. مثال Muse برای او یعنی شرکت می‌تواند خودش محصول را نگه دارد، بدون فراخوان جمعی. هوانگ هم تأکید کرد نوآوری و ایمنی انتخاب غلط نیست و شرکت‌ها باید مسئولیت محصول خودشان را بپذیرند.

نکتهٔ ظریف اختلاف کمتر بر سر «آیا ایمنی مهم است؟» است و بیشتر بر سر چگونه ایمنی را اجبار کنیم: تعهدات مشترک و pacing هماهنگ، یا تصمیم‌گیری و مکث مستقل هر شرکت. حتی داخل اردوگاه pacing هم جزئیات فرق دارد — مثلاً آمودی طرح سه‌مرحله‌ای‌تری دارد و آلتمن pacing را «آهسته‌تر از آنچه ممکن بود» توصیف می‌کند، نه توقف.

چرا این خبر مهم است؟ ۱) سیگنال سیاست‌گذاری: وقتی مدیران علناً دو مسیر را انتخاب می‌کنند، قانون‌گذاران هم دو روایت می‌شنوند — یکی برای استاندارد مشترک و کندسازی هماهنگ، یکی برای اتکا به بازار و مسئولیت شرکت ۲) رقابت و اعتماد کاربر: هر دو سمت می‌گویند ایمنی مهم است؛ ولی کاربر و سازمان باید بفهمد وعدهٔ «ایمن» پشت چه مدلی از حکمرانی نشسته است ۳) تفاوت نقش‌ها: Meta و Nvidia بیشتر از زاویهٔ محصول/زیرساخت و انگیزهٔ بازار حرف می‌زنند؛ Anthropic، OpenAI و DeepMind بیشتر از زاویهٔ frontier labs و هماهنگی بین‌آزمایشگاهی ۴) برای خوانندهٔ فارسی‌زبان: حتی اگر امروز کاربر مستقیم این سیاست‌ها نباشید، سرعت و شکل انتشار مدل‌های بعدی روی ابزارهایی که استفاده می‌کنید اثر می‌گذارد

جمع‌بندی کوتاه در حدود ۱۵ تا ۱۷ سپتامبر ۲۰۲۶ شکاف علنی صنعت AI بر سر کندسازی هماهنگ روشن‌تر شد: آمودی، آلتمن و هاسابیس (با تفاوت در جزئیات) از pacing، پایش و هماهنگی حمایت می‌کنند؛ زاکربرگ و هوانگ می‌گویند هر شرکت می‌تواند با انگیزهٔ بازار، مسئولیت حقوقی و مکث مستقل، ایمنی را مدیریت کند — و Meta با تأخیر Muse و استفاده از ارزیاب مستقل مثال می‌آورد. این اختلاف بر سر «ایمنی یا نه» نیست؛ بر سر هماهنگی جمعی در برابر خودمدیریتی آزمایشگاه‌ها است.

اگر فقط یک جمله به‌خاطر بسپارید: این خبر یعنی صنعت frontier AI دیگر فقط دربارهٔ مدل قوی‌تر حرف نمی‌زند — علناً دو نقشهٔ راه برای «چقدر سریع و با چه قواعد مشترکی جلو برویم» روی میز گذاشته است.

در فناوری‌کده خبرهای داغ هوش مصنوعی را با همین زبان ساده و خواندنی دنبال می‌کنیم.

منابع 1. Reuters — https://www.reuters.com/business/metas-zuckerberg-says-ai-labs-have-enough-incentive-build-safely-2026-09-16/ 2. ABC News / AP — https://abcnews.com/Technology/wireStory/zuckerberg-distances-meta-calls-coordinated-approach-ai-slowdown-136494047 3. CNBC — https://www.cnbc.com/2026/09/15/meta-mark-zuckerberg-with-nvidia-huang-ai-safety-slowdown.html 4. India Today — https://www.indiatoday.in/world/story/ai-safety-debate-divides-altman-amodei-and-zuckerberg-on-slowing-development-ptag-2996400-2026-09-17

برچسب‌ها:هوش مصنوعیکلوداوپن‌ای‌آیگوگلهوش مصنوعی مولدمدل زبانی بزرگ
بازگشت به اخبار

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما با شخص ثالثی به اشتراک گذاشته نمی‌شود.