پسری از شهر بمب اتم که ابرهوش متا را می‌سازد؛ با الکساندر وانگ بیشتر آشنا شوید

۲۳ سپتامبر ۲۰۲۶، نور چراغ‌های سالن کنفرانس Connect در منلو پارک کم شد و جوانی ۲۹ساله روی صحنه آمد؛ با تی‌شرت چریکی دست‌دوم، کفش کراکس و موهایی بلندتر از عرف مدیران سیلیکون‌ولی.ظاهر الکساندر وانگبیشتر به دانشجویی شباهت داشت که از کافه‌ی کنار دانشگاه به سالن رویداد می‌آمد نه مدیر ارشد هوش مصنوعی متا.

کمتر از ۱۵ ماه پیش، وانگ شخصیت محوری مذاکرات ۱۴٫۳ میلیارددلاری متا با Scale AI بود و حالا روی صحنه از آینده‌ی Muse حرف می‌زد؛ ایجنتی که می‌تواند ایمیل‌های کاربران را بخواند، کارهایشان را در وب کار انجام دهد و به‌زودی از داخل عینک هوشمند هم مالکش را همراهی می‌کند.

وانگ با همین ترکیب نامتعارف اکنون مسئولیت توسعه‌ی ابرهوش شخصی متا را به عهده دارد، مدیر و کارآفرینی که در ۲۴سالگی جوان‌ترین میلیاردر خودساخته‌ی جهان لقب گرفت، نخستین ایده‌اش ۱۰سال پیش شکست خورد و داستانش از جایی شروع می‌شود که کمتر کسی حدسش را می‌زند؛ از شهری که بمب اتم را ساخت.

الکساندر وانگ سال ۱۹۹۷ در لس‌آلاموس نیومکزیکو، در خانواده‌ای از مهاجران چینی به دنیا آمد. پدر و مادرش هر دو فیزیک‌دان بودند و وانگ سال‌ها بعد درسخنرانی TEDآن‌ها را دانشمندانی درخشان خواند. او درگفت‌وگویی دیگرنیز توضیح داد که فضای علمی خانواده چگونه بر نگاهش به فناوری اثر گذاشت.

حالا لس‌آلاموس به‌لطف فیلم اوپنهایمر شهرتی جهانی دارد، ولی وانگ زادگاهش را چندان رمانتیک نمی‌داند. او درStartup School سال ۲۰۲۶با خنده گفت: «واقعاً وسط ناکجاآباد بود.» دوران نوجوانی‌اش میان مسابقات ریاضی و برنامه‌نویسی گذشت. می‌دانست می‌خواهد کاری بزرگ انجام دهد؛ اما هنوز مسیرش را پیدا نکرده بود.

به‌روایت خود وانگ، فاصله‌ی ۱۷ تا ۱۹سالگی برایش دوره‌ی تغییر مداوم بود؛ هر روز از آدم‌های اطرافش چیز تازه‌ای یاد می‌گرفت و هدف‌هایش هم عوض می‌شد. سال‌ها بعد نیز به نوجوانان توصیه کرد مدتی در یک شرکت واقعی کار کنند، چون از بیرون نمی‌توان فهمید ساخت محصول و تصمیم‌گیری گروهی چه شکلی دارد.

وانگ پس از Quora وارد دانشگاه MIT شد تا یادگیری ماشین و علوم کامپیوتر بخواند. گوگل تازه تنسورفلو را منتشر کرده بود و او نخستین مدل‌هایش را با همین ابزار آموزش داد؛ مدل‌هایی که امروز، به گفته‌ی خودش، بیشتر شبیه اسباب‌بازی به‌نظر می‌رسند.

اواخر سال اول دانشگاه، چند مسیر وسوسه‌کننده پیش روی وانگ قرار داشت. دسامبر ۲۰۱۵ برای فرصت‌های مهندسی و یادگیری ماشین در شرکت‌هایی مثل استرایپ، XNET‌چت ریسرچ و دیپ‌مایند مصاحبه می‌کرد و دست‌کم از بعضی از آن‌ها پیشنهاد گرفته بود.

اریک وو، مدیرعامل Opendoor، تلاش کرد او را قانع کند که به شرکتش بپیوندد و در خلال همان گفت‌وگو از مزیت ریسک‌کردن در جوانی گفت؛ استدلالی که نتیجه‌ای خلاف انتظار داشت. وانگ به این فکر افتاد که اگر واقعاً زمان ریسک‌کردن همین حالاست، چرا باید برای شرکت دیگری کار کند؟

وانگ و هم‌بنیان‌گذارش، لوسی گوو می‌خواستند ایجنتی بسازند که به مردم برای دریافت خدمات درمانی کمک کند و به‌جای کاربر مراحل لازم را پیش ببرد. یکی دو ماه روی طرح کار کردند تا وقتی جرد فریدمن، از شرکای YC، صادقانه به آن‌ها گفت بعید می‌داند پروژه‌شان به جایی برسد؛ چون فناوری روز هنوز توان اجرای چنین ایده‌ای را نداشت.

وانگ طرح ایجنت شخصی را کنار گذاشت؛ اما ۱۰سال بعد با منابع متا سراغ ایده‌ی مشابهی رفت.

شکست ایده‌ی اول، وانگ و گوو را به مانعی بنیادی‌تر رساند. مدل‌های هوش مصنوعی برای آموزش به داده نیاز داشتند؛ اما تهیه‌ی داده‌ی مناسب به‌آسانی اجاره‌ی توان پردازشی یا دریافت کد نبود. آن‌ها سال ۲۰۱۶ استارتاپ Scale AI را راه‌اندازی کردند تا داده‌های آموزشی را آماده کند؛ از تصاویر خیابان برای خودروهای خودران تا مجموعه‌داده‌های پیچیده‌تر برای نسل بعدی مدل‌ها.

سال‌های اول به‌نظر می‌رسید «داده» جذابیت زیادی برای سیلیکون‌ولی ندارد و باوجود درآمد خوب استارتاپ، سرمایه‌گذاران به دوام کسب‌وکارشان شک داشتند. وانگ بعدها با کنایه گفت هیچ‌کدام از آن سرمایه‌گذارها هیچ‌وقت مدلی آموزش نداده بودند و حالا همان‌ها درباره‌ی اهمیت حیاتی داده مقاله می‌نویسند.

ولی تب طلا روی تاریکی هم داشت. استارتاپ اسکیل برای برچسب‌زدن حجم عظیم داده‌ها، از طریق زیرمجموعه‌ای به نام Remotasks حدود ۲۴۰هزار نیروی برون‌سپاری‌شده را به کار گرفت؛ کارگرانی که انتقادهایی جدی درباره‌ی دستمزد و شرایط کارشان مطرح شد. به‌همین دلیل وزارت کار آمریکا تحقیقاتی را درباره‌ی Scale آغاز کرد و در ماه می ۲۰۲۵ نیزپرونده را بست.

وانگ در این سال‌ها از اهمیت شبکه‌سازی هم غافل نماند. در واشنگتن روابط گسترده‌ای ساخت، جلوی کمیته‌های کنگره درباره‌ی هوش مصنوعی و امنیت ملی شهادت داد و حلقه‌ی دوستانش در صنعت هوش مصنوعی به جایی رسید که سم آلتمن، هم‌خانه‌ی سابقشیک‌بار به شوخی از او خواستکمی از شبکه‌سازی دست بکشد.

آوریل ۲۰۲۵، متا مدل Llama 4 را منتشر کرد؛ مدلی که عملکرد ناامیدکننده‌اش انتقاد کارشناسان را در پی داشت و باعث شد این شرکت در مورد برنامه‌های هوش مصنوعی‌اش بازنگری کند. زاکربرگ با چند چهره‌ی مشهور صنعت برای ساختاردهی مجدد هوش مصنوعی متا مشورت کرد.

وانگ وسط جلسه‌ای در اسکیل بود که پیام واتساپ زاکربرگ را دید: «برای تماس وقت داری؟» و بعد تماس کوتاهشان به هفته‌ها گفت‌وگو منجر شد. زاکربرگ از سال‌ها قبل وانگ را می‌شناخت و وضوح نگاه راهبردی‌اش را تحسین می‌کرد. پس از گفت‌وگو با گزینه‌های متعارف‌تر، به این نتیجه رسید که مدیر اسکیل می‌تواند تیم تازه‌ای گردهم بیاورد.

متا سرانجام۱۴٫۳ میلیارد دلاربرای ۴۹ درصد سهام Scale پرداخت و ارزش شرکت را به حدود ۲۹ میلیارد دلار رساند. قرار شد استارتاپ اسکیل مستقل بماند؛ اما وانگ و تعدادی از همکارانش به متا رفتند. او عنوان مدیر ارشد هوش مصنوعی را گرفت و آزمایشگاه ابرهوش متا یا MSL در ۳۰ ژوئن ۲۰۲۵ معرفی شد.

وانگ درپیام خداحافظی به کارکنان اسکیلتلخی این جدایی را پنهان نکرد: «فرصت‌هایی در این ابعاد معمولاً بهایی دارند.»

وانگ درگفت‌وگو با دیوید سنرابه‌راحتی از محدودیت‌های خود حرف زد؛ مثلاً گفت پژوهشگر یا طراح محصول نیست و نقش خود را یافتن متخصصان واقعی و کارآمد، تعیین جهت و فراهم‌کردن امکانات لازم برای کار آن‌ها می‌داند.

وانگ در شرکت متا هسته‌ی پژوهشی جدیدی به اسم TBD Lab راه‌انداخت و حدود ۲۰۰ پژوهشگر نخبه را با بسته‌های حقوقی ۹رقمی، در فاصله‌ای چندقدمی از دفتر زاکربرگ مستقر کرد. خودش بعدها گفت که مهم‌ترین شرط‌بندی‌اش «تراکم استعداد» بود؛ چیزی که مثل سود مرکب رشد می‌کند، چون نیروهای مستعد، افراد بااستعدادتری را جذب می‌کنند.

نوامبر ۲۰۲۵، یان لِکان، دانشمند ارشد متا و یکی از پدران یادگیری عمیق اعلام کرد تا پایان سال، شرکت را ترک می‌کند تا استارتاپ خودش را راه بیندازد. زاکربرگ هم در مارس ۲۰۲۶واحد مهندسی کاربردی جداگانه‌ایبه رهبری ماهر صبا و زیر نظر اندرو باسورث تشکیل داد تا کنار آزمایشگاه وانگ روی توسعه‌ی مدل‌ها کار کند؛ حرکتی که برخی آن را بیمه‌ای برای روز مبادا تفسیر می‌کنند.

الکساندر وانگ تفاوت کار در اسکیل و متا را بادو تصویر توضیح می‌دهدو می‌گوید کسب‌وکار داده در اسکیل شبیه ساخت آسمان‌خراش بود؛ فرایندی عملیاتی که با بهبود هر مرحله پیش می‌رفت. پژوهش مدل در متا بیشتر به جست‌وجوی الماس شباهت دارد. بیشتر مسیرها بی‌نتیجه می‌مانند، اما یک کشف خوب می‌تواند هزینه‌ی همه‌ی تلاش‌ها را جبران کند.

وانگ در شرکت اسکیل باید تلاش می‌کرد روی هر بخش کار تأثیر مثبتی بگذارد؛ ولی در متا بیشتر نقش مربی متخصصانی را ایفا می‌کند که برای آزمودن ایده‌هایشان به آزادی نیاز دارند.

۸ آوریل ۲۰۲۶، بعد از ۹ ماه کار بی‌سروصدا، اولین محصول آزمایشگاه وانگ با نام Muse Spark و اسم رمز داخلی آووکادو از راه رسید؛ اولین مدل از خانواده‌ی جدید مدل‌های متا که ادامه‌ی Llama محسوب نمی‌شد. شرکت متا میوز اسپارک را مدلی کوچک، سریع و نخستین گام از برنامه‌ای بزرگ‌تر معرفی کرد.

وانگ برای توصیف سرعت پیشرفت هوش مصنوعی، یادآوری کرد که مدل‌های ۱۰سال پیش، گربه‌ها را در ویدئوهای یوتیوب تشخیص می‌دادند و حالا «داریم با یک خدای دیجیتال حرف می‌زنیم». اغراق این جمله از اعتمادبه‌نفس او خبر می‌داد؛ ولی آزمایشگاه هنوز باید از ساخت یک مدل امیدوارکننده عبور می‌کرد و به محصولی می‌رسید که مردم حاضر باشند بخشی از زندگی‌شان را به آن بسپارند.

وانگ در ۱۹سالگی نتوانسته بود ایجنتی برای پیگیری خدمات درمانی بسازد؛ ولی اوایل سال ۲۰۲۶، همان تصور در ابعادی بزرگ‌تر دوباره مقابلش قرار گرفت.

در آن زمان اغلب توسعه‌دهندگان هوش مصنوعی روی ایجنت‌های برنامه‌نویسی متمرکز بودند و وانگ و نت فریدمن، مدیر بخش محصولات هوش مصنوعی متا، تصمیم گرفتند ایجنتی برای کارهای شخصی همه‌ی مردم توسعه دهند. جرقه‌ی اولیه‌ی ایجنت Muse، زمانی در ذهنشان زده شد که ابزار متن‌باز OpenClaw را آزمایش می‌کردند.

فریدمن به OpenClaw اجازه داد به اطلاعات زندگی روزمره‌اش دسترسی داشته باشد و بعد وانگ هم سراغش رفت. ظاهراً این ابزار با استفاده از ایمیل‌ها، عکس‌ها و اطلاعات دیگر، او را وارد گفت‌وگویی بسیار شخصی کرده بود؛ تجربه‌ای که خودش آن را به چند سال روان‌درمانی فشرده در یک‌لحظه تشبیه می‌کند.

ظرف یکی دو هفته، تیمی کوچک نمونه‌ی اولیه‌ی ایجنت متا را ساخت. بسیاری از اجزای محصول نهایی، از شخصیت Jolly تا نسخه‌ی ابتدایی دستگاه Muse Charm، در همان نمونه حضور داشتند. وانگ درباره‌ی دلیل انتخاب این مسیر می‌گوید

بخشی از وعده‌ی هوش مصنوعی این بود که وقت کمتری صرف کارهایی کنیم که مجبوریم انجام بدهیم و وقت بیشتری برای کارهایی داشته باشیم که می‌خواهیم انجام دهیم. برای من، محصولات متا نماینده‌ی همان کارهایی هستند که می‌خواهیم انجام دهیم.

محصولات متا مزیتی داشتند که می‌توانست به توسعه‌ی ایجنت شخصی این شرکت کمک زیادی کند. مردم بسیاری از روابط و علایق خودشان را در اینستاگرام و فیسبوک پیگیری می‌کردند و وانگ به اهمیت این سابقه واقف بود، ضمن اینکه باور داشت Muse باید از یک نگاه واحد پیروی کند، نه اینکه حاصل‌جمع سلیقه‌ی ده‌ها تیم باشد؛ درست مثل اپل و استیو جابز.

۸ سپتامبر ۲۰۲۶اپلیکیشن Muse منتشر شدو استقبال بالای کاربران حتی کارشناسان خوش‌بین را هم غافلگیر کرد. طبق گزارش‌ها Muse طی ۱۲ روز ۲٫۸ میلیون بار دانلود شد و نرخ دانلود نسخه‌ی آی‌اواس آن در آمریکا و کانادا به ۱٫۸ میلیون رسید، درحالی‌که ChatGPT در بازه‌ی مشابه ۱٫۳ میلیون دانلود داشت. Muse به صدر اپ‌استور آمریکا رسید و تا ۲۲ سپتامبر، سهام متا نیز بیش از ۲۰ درصد رشد کرد.

Muse می‌توانست با اجازه‌ی کاربر ایمیل‌هایش را مدیریت کند، کارهای آنلاینش را انجام می‌داد و وظایفش را در پس‌زمینه پیش ببرد. وانگ آن را«ذهن دومی» برای هر انسانتوصیف کرد؛ یک پیشکار تمام‌وقت که می‌فهمد شما چه می‌خواهید و ترتیبش را می‌دهد.

دستیارهای هوشمندی مانند Muse هر چه شناخت و اختیار بیشتری به دست آورند، کارها را بهتر انجام می‌دهند. در مقابل کاربر باید به شرکت ارائه‌دهنده یا خود دستیار آن‌قدر اعتماد داشته باشد که دسترسی‌های لازم را به او بدهد، همان تناقضی که وانگ در نخستین آزمایش OpenClaw لمس کرده بود.

عرضه‌ی Muse چهره‌ی دیگری از وانگ را به دنیا نشان داد. مدیران آزمایشگاه‌های بزرگ هوش مصنوعی اغلب با مقاله‌های بلند، سخنرانی‌های فلسفی یا لحن دانشگاهی‌شان شناخته می‌شوند.

سم آلتمن جستارهای فلسفی درباره‌ی آینده می‌نویسد. داریو آمودی مقاله‌های چند هزارکلمه‌ای درباره‌ی ریسک و امید منتشر می‌کند. دمیس هاسابیس مدیر سابق دیپ‌مایند و برنده‌ی نوبل، با آرامش یک دانشمند حرف می‌زند؛ اما الکساندر وانگ ژانر مخصوص به خودش را دارد و در هیچ صفی آرام نمی‌گیرد.

تحلیل‌های سال ۲۰۲۵ وانگ را مدیری سیاست‌محور معرفی می‌کردند که بیشتر درباره‌ی سیاست‌گذاری هوش مصنوعی و رقابت ژئوپلیتیک حرف می‌زد و چندان اهل بحث و گفت‌وگو با کاربران نبود؛ ولی با انتشار Muse همه‌چیز عوض شد.

وانگ بعد از انتشار Museبیش از ۳۰۰ پستدر X منتشر کرد؛ بیش از ۱۰۰ پست فقط در یک بازه‌ی پنج‌روزه. با Jolly، شخصیت کوچک و بامزه‌ی Muse، میم ساخت و به رقبا متلک انداخت، مثلاً نام Instinct را عمداً به Insect تغییر داد و نوشت: «Muse حسابی Insect را له می‌کند.» او تأکید می‌کند همه‌ی پست‌ها را خودش می‌نویسد و این سیل محتوا را «توپخانه‌ی توییت» می‌نامد.

سبک رفتار وانگ کاملاً حساب‌شده بود، همان‌طور که خودش می‌گوید اینترنت به محتوای جسورانه و صیقل‌نخورده پاداش می‌دهد. او می‌خواست متا دوباره برای نسل جوان جذاب شود؛ نسلی که فیسبوک را پلتفرم پدر و مادرهایشان می‌داند؛ البته اعتراف می‌کند که نمی‌توان به‌راحتی اثر دقیق میم‌ها روی رشد محصول را سنجید.

پس از موفقیت اولیه‌ی Museوال‌استریت ژورنالوانگ را اولین مدیر ارشد نسل زد در متا نامید و مایک ولپی، عضو هیئت‌مدیره‌ی اسکیل هم درباره‌ی سبک رفتار او پیش‌بینی صریحی داشت: «قرار است چندنفری را حسابی دلخور کند.» او حتی وقتی صحبت به ادعاهای اغراق‌آمیز هوش مصنوعی در لینکدین رسید، توصیه کرد لینکدین را نادیده بگیرید، هرچند جای خوبی برای پیداکردن مشتری است.

۲۳ سپتامبر ۲۰۲۶، دو هفته پس از انتشار اپلیکیشن، وانگ در کنار زاکربرگ درکنفرانس سالانه Connectحاضر شد تا نشان دهد پروژه‌ای که هدایتش را بر عهده داشت، قرار نیست در قالب یک دستیار چت باقی بماند.

وانگ می‌خواست هوش مصنوعی متا از گوشی فراتر برود، وارد محیط کار و زندگی روزمره شود و به‌جای اینکه فقط به سؤال‌های کاربران پاسخ دهد، خودش کارهای مردم را در دستگاه‌ها و سرویس‌های مختلف پیش ببرد. او روی صحنه از قابلیت‌هایی رونمایی کرد که نشان می‌دادند این برنامه چگونه عملی خواهد شد.

نسخه‌ی مک Muse هم می‌توانست با اجازه‌ی کاربر برنامه‌ها را باز کند، میان آن‌ها جابه‌جا شود و کارهایی را انجام دهد که پیش‌تر به دخالت مستقیم انسان نیاز داشتند. وانگ کاربردش را با مثالی ساده توضیح داد: «می‌توانی از او بخواهی در اداره‌ی کسب‌وکار کوچکت کمکت کند یا فقط کارت را انجام دهد.»

متا از اتصال Muse به فروشگاه‌هایی مانند والمارت و بست‌بای و سرویس‌هایی مانند اکسپدیا خبر داد تا دستیار بتواند در خرید کالا و برنامه‌ریزی سفر نیز نقش داشته باشد. قرار شد Muse در ماه‌های آینده به عینک‌های هوشمند متا هم راه پیدا کند؛ جایی که می‌توانست آنچه کاربر می‌بیند تشخیص دهد و درباره‌اش گفت‌وگو کند.

در چشم‌اندازی که وانگ و زاکربرگ ترسیم می‌کردند، کاربر به‌جای مراجعه‌ی جداگانه به چندین اپلیکیشن، خواسته‌اش را با دستیار در میان می‌گذاشت و ادامه‌ی کار را به او می‌سپرد.

در پایان مراسم هم دستگاه کوچکی به نام Muse Charm رونمایی شد؛ وسیله‌ای تقریباً هم‌اندازه‌ی جعبه‌ی ایرپاد، با نمایشگر لمسی دو اینچی، حسگر اثر انگشت و اتصال مستقل 5G. روی صفحه‌ی دستگاه، شخصیت مجازی Muse ظاهر می‌شد و کاربر می‌توانست بدون بیرون‌آوردن گوشی، به‌طور مستقیم با آن گفت‌وگو کند.

الکساندر وانگ و شرکت متا هنوز باید نشان دهند وعده‌های دستیار هوش مصنوعی‌شان در استفاده‌ی واقعی چگونه محقق می‌شوند؛ اما مشخصا قرار نیست Muse در حد محصولی ساده کنار فیسبوک، اینستاگرام و واتساپ باقی بماند.

۱۲ اکتبر، متا مدل‌های Muse Wonder و Wonder Full را معرفی کرد و مدعی شد در برخی کارها با بهترین مدل‌های روز رقابت می‌کنند. قابلیت حافظه‌ی فعال، اطلاعات مرتبط را از گفت‌وگوهای قبلی بازیابی می‌کند تا ایجنت بتواند وظیفه‌ای را در گذر زمان دنبال کند.

۱۵ اکتبر نیز وزن‌های Muse Spark Open منتشر شدند؛ مدلی که ظاهراً می‌خواهد با غول‌های متن‌باز چینی رقابت کند؛ اما مدل قدرتمند Wonder همچنان بسته می‌ماند و حالا شرکت متا دو مسیر را هم‌زمان پیش می‌برد.

میلیاردرِ میم‌باز؛ داستان مردی که با یک اپلیکیشن، متا را به صدر جدول هوش مصنوعی بازگرداند

وانگ هدف نهایی‌اش را رسیدن به «ابرهوش شخصی» می‌داند؛ دنیایی که در آن میلیاردها نفر، هرکدام دستیاری متناسب با زندگی خود دارند. چنین دستیاری زمینه‌ی زندگی کاربر را می‌شناسد و دامنه‌ی کارهایی را که از دست او برمی‌آید گسترش می‌دهد. وانگ باور دارد اگر هوش و توان اجرا فراوان شوند، رؤیا و جاه‌طلبی به منابع کمیاب آینده تبدیل خواهند شد. او می‌گوید

Muse می‌تواند به همه همان بزرگسالی‌ای را بدهد که در کودکی رؤیایش را داشتند.

بااین‌حال محقق‌شدن هدف وانگ به اعتماد کاربران بستگی دارد؛ زیرا دستیاری که ایمیل می‌خواند، قرار تنظیم می‌کند و کارهای آنلاین کاربر را انجام می‌دهد، دسترسی بالایی می‌خواهد و شرکت متا در زمینه‌ی حریم خصوصی، به‌عنوان یکی از پرحاشیه‌ترین شرکت‌های فناوری شناخته می‌شود.

لس‌آلاموس، همان شهر کوچک وسط ناکجاآباد، زمانی فناوری تعیین‌کننده‌ی قرن بیستم را ساخت و حالا پسر همان شهر، رؤیای فناوری برتر قرن بیست‌ویکم را در سر دارد، هرچند این بار محصول قرار نیست در آزمایشگاهی دورافتاده پنهان بماند؛ وانگ می‌خواهد آن را به زندگی میلیاردها نفر راه دهد.