تناقض عجیب شغل مهندسان AI؛ باید چیزی بسازیم که روزی خودمان را بیکار کند

یک مهندس در شرکت‌های AI می‌داند کاری که امروز انجام می‌دهد، می‌تواند به سریع‌تر و قدرتمندتر شدن مدل‌های هوش مصنوعی کمک کند؛ اما دقیقاً به همین دلیل ممکن است چند ماه دیگر همان کار را AI بهتر از خودش انجام دهد. این داستان مهندسی از شرکت DeepSeek است که با نگارش مقاله‌ای شخصی، تناقض شغلی خود را مطرح کرده و می‌گوید که اگر قرار است انقلاب AI شغلش را تغییر دهد، ترجیح می‌دهد خودش کسی باشد که این دگرگونی را رقم می‌زند.

بدون شک شما نیز بارها و بارها در رسانه‌های مختلف از نگرانی افراد صاحب‌نظر برای جایگزینی انسان و ماشین شنیده‌اید؛ این مورد به خصوص طی چند سال گذشته با گسترش هر چه بیشتر ابزارهای وابسته به هوش مصنوعی، گسترش پیدا می‌کند. اما حالا تصور کنید که یک مهندس یا فردی که به نوعی در توسعه هر چه بیشتر این ابزارها کار می‌کند، چه حسی دارد؟ او با دست خود در حال خلق محصولی است که شاید روزی علیه‌ خودش و شغلی که دارد، به سلاحی برای کنار زدنش تبدیل شود.

چاقویی که شاید روزی دسته خود را ببُرد

بحثی که در این مطلب قصد صحبت در مورد آن را داریم، نقل قولی از یک مهندس چینی است که برای اولین بار از زبان مهندسان فعال در شرکت‌‌های توسعه هوش مصنوعی در مورد تناقض شغلی خود صحبت کرده است.

بنابر گزارش BI، شنگ‌یوی لیو (Shengyu Liu)، مهندسی که در تیم توسعه DeepSeek روی طراحی و بهینه‌سازی Kernelهای باکارایی بالا برای پردازنده‌های گرافیکی کار می‌کند، در یادداشتی شخصی با عنوان «چاره‌ای ندارم جز اینکه استعدادم را در گذشته دفن کنم» از یکی از عجیب‌ترین تناقض‌های شغلی در عصر هوش مصنوعی نوشته است. این یادداشت پس از انتشار DeepSeek V4.1 منتشر شده و لیو در گفت‌وگو با Business Insider نیز تأیید کرده که نویسنده آن است.

ماجرا برای لیو کاملاً شخصی است. او در توسعه Main Attention Kernel (هسته محاسباتی اصلی مکانیزم Attention) مدل DeepSeek V4.1 نقش داشته و موفقیت مدل را تا حدی تأیید کیفیت کار خودش می‌داند. اما هم‌زمان معتقد است AI با سرعتی در حال یادگیری همان مهارت‌هاست که احتمالاً ظرف شش ماه تا یک سال، Kernelهایی تولید خواهد کرد که از نظر کیفیت با کار او برابری می‌کنند یا حتی بهتر هستند.

اهمیت کار لیو را می‌توان از مشارکت او در پروژه‌های DeepSeek نیز دید. در مخزن رسمی FlashMLA نام Shengyu Liu به‌عنوان یکی از نویسندگان پروژه آمده و DeepSeek در ۱۰ سپتامبر نیز Kernelهای Attention مربوط به V4.1 را منتشر کرده است.

هوش مصنوعی در یک سال از دستیار به متخصص Kernel رسید

لیو برای توضیح اینکه چرا چنین پیش‌بینی‌ای دارد، به تغییرات تنها یک سال گذشته اشاره می‌کند. به گفته او، AI در حوزه کاری‌اش ابتدا چیزی شبیه یک دستیار بود که می‌توانست مستندات را جست‌وجو کند، کد را بخواند و باگ‌ها را پیدا کند؛ اما حالا می‌تواند به‌صورت مستقل کدهای CUDA، PTX و SASS را بخواند، با ابزارهای تخصصی زمان توقف هر دستور را بررسی کند و خودش Kernelها را بهینه کند.

روزی می‌رسد که AI، کرنل‌هایی بسیار بهتر از انسان خلق کند!

او معتقد است مرحله بعدی نیز چندان دور نیست و در آن AI می‌تواند خودش روش‌های مختلف زمان‌بندی Kernel را طراحی کند، عملکرد آنها را ارزیابی کند، بهترین روش را پیاده‌سازی و سپس دوباره بهینه کند.

این موضوع از نظر فنی اهمیت زیادی دارد، چون Kernelها یکی از لایه‌های بسیار پایین و تخصصی اجرای مدل‌های هوش مصنوعی هستند. توسعه‌دهنده در این سطح باید رفتار GPU، سلسله‌مراتب حافظه و حتی کدهای سطح پایین را بررسی کند تا از سخت‌افزار موجود بیشترین کارایی را بگیرد.

او دقیقاً می‌داند که دارد خودش را جایگزین می‌کند

شاید عجیب‌ترین بخش یادداشت زمانی باشد که لیو مستقیماً این تناقض را توضیح می‌دهد. او می‌نویسد:

هرچه Kernelهای بهتری بسازیم، مدل‌های جدید DeepSeek سریع‌تر آموزش داده می‌شوند و سریع‌تر استنتاج می‌کنند؛ هرچه مدل‌ها سریع‌تر پیشرفت کنند، قابلیت‌های AI زودتر افزایش پیدا می‌کند و در نتیجه خود من زودتر جایگزین می‌شوم.

لیو برای مقایسه، می‌گوید AI می‌تواند در هر ثانیه حدود ۳۰۰ توکن استدلال کند، در نیم ثانیه یک دستور وارد کند و در حدود ۲۰ ثانیه یک قطعه کد بنویسد؛ در حالی که توانایی انسان در افزایش عمق استدلال، تعداد تعامل با ابزارها و میزان پردازش موازی محدود است. این اعداد، اگرچه بسیار به واقعیت نزدیکند، اما توصیف شخصی او از ابزارهای AI مورد استفاده‌اش هستند و نباید آنها را معیار عمومی عملکرد تمام مدل‌های AI دانست.

اما سؤال اصلی اینجاست:

اگر می‌دانی بهتر کار کردن تو باعث می‌شود زودتر جایگزین شوی، چرا همچنان تلاش می‌کنی بهترین Kernel ممکن را بسازی؟

پاسخ لیو به این سوال دو بخش دارد. بخش اول کاملاً شخصی است. او می‌گوید نوشتن Kernel برایش شبیه بازی کردن است؛ ابداع یک تکنیک جدید یا دیدن افزایش سرعت Kernel خودش، هیجانی شبیه شکستن رکورد برای یک بازیکن دوی سرعت دارد. وقتی Kernel او به شکل محسوسی از نسخه رسمی تولیدشده توسط سازنده سخت‌افزار سریع‌تر عمل می‌کند، احساس غرور می‌کند.

مسابقه تسلیحاتی ولی از نوع نرم‌افزار

اما دلیل مهم‌تر ادامه کار برای مهندسان، منطق رقابت است؛ لیو می‌گوید حتی اگر تصمیم بگیرد کنار بکشد یا عمداً روند آموزش مدل‌ها را کُند کند، شرکت‌های رقیب همچنان به توسعه مدل‌های خود ادامه خواهند داد و در نهایت AI باز هم او را کنار خواهد زد. بنابراین، اگر قرار است این انقلاب رخ دهد، او ترجیح می‌دهد «خودش کسی باشد که خودش را متحول می‌کند.»

او در ادامه این وضعیت را نوعی مسابقه تسلیحاتی می‌داند که وقتی همه برای ساخت AI بهتر تلاش می‌کنند، کنار کشیدن یک نفر چیزی را تغییر نمی‌دهد.

مهندس AI بیکار نمی‌شود؛ قرار است شغلش عوض شود

این بخش از دل‌نوشته لیو شاید از دیگر بخش‌ها مهم‌تر باشد. لیو پیش‌بینی نمی‌کند که روزی ناگهان بیکار شود. برعکس، می‌گوید احتمالاً نوع شغلش عوض می‌شود.

نان سفره مهندسان برقرار می‌ماند، اما کاری که دوست دارند انجام دهند از بین می‌رود.

از نگاه لیو، سه چیز تا امروز در موج توسعه AI تقریباً در یک نقطه قرار داشته‌اند: کاری که دوست داشته، کاری که در آن مهارت داشته و کاری که صنعت به آن نیاز داشته است. اما AI این تعادل را به هم زده است. چیزی که او در آن تخصص پیدا کرده، حالا توسط AI نیز با سرعت بیشتری انجام می‌شود و نیاز صنعت از «کسی که بتواند Kernel پرسرعت بنویسد» به «کسی که بتواند با کمک AI سریع‌تر Kernel پرسرعت تولید کند» تغییر می‌کند.

به همین دلیل، لیو از نقش آینده خودش با تعبیر جالب «خلبان مِکا برای Agentهای AI» (کسی که یک ربات غول‌پیکر (mech) را معمولاً در جنگ‌ها یا محیط‌های خطرناک هدایت می‌کند) یاد می‌کند؛ یعنی به جای اینکه خودش مستقیماً Kernel را طراحی و بهینه کند، Agentها را هدایت خواهد کرد تا این کار را انجام دهند.

از نظر اقتصادی شاید تفاوت چندانی دو شغلی که صحبت آن شد وجود نداشته باشد؛ او همچنان می‌تواند درآمد داشته باشد. اما از نظر شخصی، تفاوت بسیار بزرگی وجود دارد. لیو می‌نویسد:

آرامش نشستن پشت کامپیوتر و کار کردن روی Kernelها در یک بعدازظهر کامل، شاید به‌زودی به آخرین روزهای خود برسد.

او حتی عنوان یادداشتش را از همین حس گرفته است:

چاره‌ای ندارم جز اینکه استعدادم را در گذشته دفن کنم.

داستان یک بافنده که ماشین کارش را می‌گیرد

لیو برای توضیح این حس، یک مثال ساده و انسانی می‌زند. تصور کنید بافنده‌ای هستید که سال‌ها برای بافتن لباس‌های پیچیده مهارت کسب کرده‌اید. مشتریان زیادی دارید و از خودِ بافتن لباس نیز لذت می‌برید. بعد ماشینی ساخته می‌شود که با دریافت نخ و الگو، لباسی با همان کیفیت را بسیار سریع‌تر تولید می‌کند.

شما هنوز می‌توانید با تکیه بر تجربه ۲۰ ساله خود از بسیاری از افراد دیگر بهتر کار کنید، اما دیگر نمی‌توانید به شیوه سابق کار کنید؛ چون اگر دیگران از ماشین استفاده کنند و شما نکنید، از رقابت عقب می‌مانید. بنابراین خودتان هم مجبور می‌شوید از همان ماشین استفاده کنید.

مشکل اینجاست که ماشین فقط بخشی از کار شما را نگرفته؛ لذت انجام دادن آن کار را هم تغییر داده است.

لیو می‌گوید لذت نشستن کنار پنجره، نوشیدن چای، شنیدن صدای باران و آرام‌آرام بافتن، در نهایت زیر صدای ماشین از بین می‌رود. او همین وضعیت را برای آینده خودش تصور می‌کند: ممکن است شغلش را حفظ کند، اما کاری را که عاشقش بوده از دست بدهد.

او حتی می‌گوید هنگام ترک خانه‌ای که تنها یک سال در آن زندگی کرده بود، به دلیل خاطراتش گریه کرده و خداحافظی با دوره‌ای که Kernelها با دست انسان نوشته و با ذهن انسان بهینه می‌شدند، برایش دردناک‌تر است.

این نگرانی فقط درباره مهندسان نیست

لیو در ادامه یادداشت، نگاهش را از خودش به نسل بعدی مهندسان می‌برد. او می‌پرسد اگر یک دانشجو برای انجام یک آزمایش یا پروژه دانشگاهی با دو گزینه روبه‌رو باشد؛ یکی صرف هشت ساعت زمان برای حل مسئله و احتمالاً گرفتن نمره ناقص، و دیگری پرداخت چند سنت و استفاده از AI برای تولید کد در چند دقیقه، چند نفر گزینه اول را انتخاب خواهند کرد؟

از نظر او، این مسئله می‌تواند به تضعیف مهارت‌های مهندسی منجر شود؛ مهارت‌هایی مثل سازمان‌دهی کد، ساخت سیستم، پیش‌بینی نیازهای آینده و طراحی درست انتزاع‌ها.

سؤال مهم‌تر این است که آیا مهارت‌های (قدیمی) در آینده همچنان ضروری خواهند بود یا نه.

لیو این وضعیت را با مهارت‌هایی مانند تسلط کامل بر زبان Assembly قدیمی x86 مقایسه می‌کند؛ مهارتی که زمانی ارزشمند بود اما با تغییر فناوری اهمیت آن برای بسیاری از توسعه‌دهندگان کاهش یافت. در مقابل، شاید درک کل زنجیره محاسبات، از نرم‌افزار و سیستم‌عامل تا سخت‌افزار، همچنان ارزش خود را حفظ کند.

او حتی درباره پیامد دیگری هشدار می‌دهد: اگر فردی قضاوت مهندسی ضعیفی داشته باشد اما به AI دسترسی پیدا کند، ممکن است بتواند کدهای بسیار بیشتری تولید کند و در نتیجه مشکلات بیشتری را نیز با سرعت بالاتری وارد سیستم‌ها کند.

و در نهایت دنیایی که شبیه Cyberpunk 2077 می‌شود

نگرانی لیو در پایان از آینده شغلی خودش فراتر می‌رود.او دو مسیر افراطی برای جامعه آینده ترسیم می‌کند. در یکی، AI باعث آزاد شدن گسترده ظرفیت تولید می‌شود و سطح زندگی مردم افزایش پیدا می‌کند. در دیگری، تعداد محدودی از شرکت‌های فناوری بخش بزرگی از منابع جامعه را کنترل می‌کنند و تنها اقلیتی به پیشرفته‌ترین AI و فناوری‌ها دسترسی دارند.

در سناریوی دوم، دسترسی به قدرتمندترین AI خودش به ابزاری برای بالا رفتن از طبقات اجتماعی تبدیل می‌شود؛ یعنی برای پیشرفت به بهترین AI نیاز دارید، اما برای دسترسی به بهترین AI باید از قبل قدرت و منابع بیشتری داشته باشید. به این ترتیب، یک چرخه خودتقویت‌شونده شکل می‌گیرد.

لیو این سناریو را با دنیای Cyberpunk 2077 مقایسه می‌کند؛ جایی که شرکت‌های فناوری کنترل بخش بزرگی از منابع را در اختیار دارند و فاصله میان کسانی که به فناوری پیشرفته دسترسی دارند و دیگران بسیار زیاد است. او در همین بخش به‌صراحت می‌نویسد:

باور دارم که هوش مصنوعی پیشرفته باید «به شکلی باز و ارزان در اختیار همه قرار گیرد.

لیو همچنین نسبت به اینکه شرکت‌هایی مانند Anthropic یا OpenAI کنترل پیشرفته‌ترین AI یا AGI را در اختیار بگیرند ابراز بی‌اعتمادی می‌کند. او برای تأکید بر شدت نگرانی خود نیز از یک تشبیه تاریخی بسیار تند استفاده کرده است.

لیو می‌گوید که از نگاه او، یکی از دلایل ماندنش در DeepSeek همین است که این شرکت، روی AI قدرتمند، سریع و در دسترس و همچنین توسعه متن‌باز آن کار می‌کند و قرار نیست چیزی انحصار عجیب و غریبی داشته باشد.

نه؛ از AI نمی‌ترسیم ولی ...

داستان لیو در نهایت درباره مهندسی نیست که از AI می‌ترسد و می‌خواهد جلوی آن را بگیرد. اتفاقاً برعکس است. او می‌خواهد AI را بهتر کند، حتی وقتی می‌داند هر پیشرفت در این مسیر می‌تواند زمان جایگزین شدن خودش را جلو بیندازد. دلیل این روحیه نیز به نظر ساده اما تلخ است:

اگر لیو این کار (توسعه AI) را نکند، احتمالاً مهندسان شرکت‌های دیگر انجامش خواهند داد.

بنابراین تناقض واقعی شاید این نباشد که AI قرار است انسان‌ها را بیکار کند. تناقض این است که ممکن است موفق‌ترین مهندسان AI کسانی باشند که با ساختن سیستم‌های بهتر، زودتر از دیگران کاری را که خودشان انجام می‌دهند به ماشین واگذار می‌کنند.

شاید به همین دلیل است که نوشته لیو بیش از یک هشدار درباره آینده شغلی مهندسان اهمیت پیدا کرده است. او از آینده‌ای حرف می‌زند که در آن ممکن است انسان همچنان شغل داشته باشد، درآمد داشته باشد و حتی در رأس یک پروژه فناوری قرار بگیرد؛ اما دیگر نتواند همان کاری را انجام دهد که زمانی به خاطر علاقه به آن وارد این حرفه شده بود.

در این سناریو، AI الزاماً شغل انسان را نمی‌گیرد؛ ممکن است اول، خودِ شغل را از چیزی که انسان دوست دارد انجام دهد، به چیزی که فقط باید مدیریت کند تبدیل کند.