Andrej Karpathy، از بنیان‌گذاران OpenAI و از متخصصان برجسته در حوزه یادگیری عمیق، در گفت‌وگویی جدید گفت که «عامل‌های هوش مصنوعی هنوز کارا نیستند».
او تأکید کرد برای ساخت سیستم‌هایی که بتوانند مانند انسان یاد بگیرند و تصمیم بگیرند، دست‌کم ده سال زمان لازم است.

Karpathy این سخنان را زمانی مطرح کرد که بسیاری از شرکت‌ها سال ۲۰۲۵ را «سال عامل‌های هوش مصنوعی» می‌دانند. موج تبلیغاتی پیرامون Agentic AI باعث شد بسیاری از مردم باور کنند به‌زودی عامل‌هایی خواهیم داشت که می‌توانند پروژه‌ها را مستقل انجام دهند، داده‌ها را تحلیل کنند و با انسان‌ها طبیعی‌تر تعامل داشته باشند.

🔹 دیدگاه Karpathy درباره وضعیت فعلی

Karpathy معتقد است این انتظارات بیش از حد خوش‌بینانه‌اند.
او توضیح می‌دهد مدل‌های زبانی بزرگ مانند GPT-4 و Claude 3 در درک زبان و تولید متن پیشرفت زیادی داشته‌اند، اما هنوز در زمینه‌هایی مثل یادگیری پایدار، درک هدف، برنامه‌ریزی چندمرحله‌ای و تعامل ایمن با محیط واقعی ضعف دارند.

به گفته‌ی او، این مدل‌ها ابزارهای قدرتمند کمکی‌اند و هنوز نمی‌توانند رفتار کاملاً خودمختار نشان دهند.

🔹 چرا عامل‌های هوشمند هنوز کارا نیستند

Karpathy تأکید می‌کند برای توسعه‌ی عامل‌های واقعاً هوشمند باید زیرساخت‌های جدید ایجاد شود.
او به چند عامل کلیدی اشاره می‌کند:

1. محیط‌های شبیه‌سازی‌شده‌ی پیچیده برای آموزش واقع‌گرایانه،

2. روش‌های خودارزیابی و بازخورد پایدار برای یادگیری تدریجی،

3. و الگوریتم‌هایی که بتوانند از تجربه‌های واقعی درس بگیرند.

او این مسیر را به گذار از «بادبادک» به «هواپیمای جت» تشبیه می‌کند و توضیح می‌دهد که اگرچه اصول مشابه‌اند، اما اجرای آن‌ها تنها با فناوری و کنترل متفاوت ممکن است.

🔹 اهمیت و پیام اصلی

تجربه و جایگاه علمی Karpathy اهمیت ویژه‌ای به سخنان او می‌بخشد.
او در پروژه‌هایی مانند Tesla Autopilot و مدل‌های GPT نقش کلیدی داشته است.
Karpathy با این جمله نه‌تنها هشدار می‌دهد، بلکه پژوهشگران را به واقع‌گرایی علمی و صبر فناورانه دعوت می‌کند.

🔹 جمع‌بندی

Karpathy باور دارد آینده‌ی عامل‌های هوشمند روشن است، اما رسیدن به آن به زمان، داده و نوآوری بیشتری نیاز دارد.
او تأکید می‌کند مسیر پیشِ رو نه یک جهش ناگهانی، بلکه سفری تدریجی و پیچیده است — سفری که دهه‌ی آینده نقش تعیین‌کننده‌ای در آن خواهد داشت.