بررسی چالش‌های پیش روی هوش مصنوعی

به گزارش مجله خبری نگار/جهان صنعت نیوز،دو سال پس از موفقیت چت جی بی تی، هوش مصنوعی با چالش‌هایی مانند هزینه‌های بالای انرژی و محدودیت‌های منابع مواجه شده است. آموزش مدل‌های بزرگ‌تر بسیار پرهزینه است و بهره‌وری اقتصادی آنها زیر سوال رفته است. با این حال، نوآوری‌های جدید در توسعه تراشه‌های تخصصی و مدل‌های کوچک‌تر و کارآمدتر نشان می‌دهد که این محدودیت‌ها می‌توانند محرک خلاقیت شوند. شرکت‌های بزرگی مانند آلفابت و مایکروسافت در حال طراحی تراشه‌های خود هستند و رقابت بین آنها و شرکت‌هایی مانند انودیا شدت گرفته است. در این میان، سرمایه‌گذاران با عدم قطعیت در بازدهی سرمایه‌گذاری‌های خود روبرو هستند. علاوه بر این، تلاش‌های آمریکا برای محدود کردن دسترسی چین به فناوری‌های پیشرفته نتیجه معکوس داشته و به رشد نوآوری‌های بومی چین کمک کرده است. موفقیت در هوش مصنوعی به استعداد‌ها و نوآوری بستگی دارد، نه صرفاً سرمایه‌گذاری‌های کلان یا محدودیت‌های بین‌المللی.

سرویس اقتصاد کلان به نقل از اکونومیست: دو سال پس از آنکه چت جی‌بی‌تی جهان را شگفت‌زده کرد، به نظر می‌رسد که هوش مصنوعی با چالشی جدی روبرو شده‌است. هزینه‌های انرژی برای ساخت و استفاده از مدل‌های بزرگ‌تر به شدت افزایش یافته است و دستاورد‌های جدید سخت‌تر به دست می‌آیند. پژوهشگران و کارآفرینان در تلاش‌اند تا راه‌حل‌هایی برای دور زدن این محدودیت‌ها بیابند. ابتکار عمل آنها نه تنها هوش مصنوعی را متحول خواهد کرد، بلکه مشخص خواهد کرد کدام شرکت‌ها پیروز خواهند شد، آیا سرمایه‌گذاران موفق می‌شوند و کدام کشور بر این فناوری تسلط خواهد یافت.

مدل‌ها و الگو‌های زبانی بزرگ تشنه برق هستند. انرژی‌ای که برای آموزش مدل جی‌بی‌تی۴ شرکت OpenAI مصرف شد، می‌توانست برق ۵۰ خانه آمریکایی را برای یک قرن تأمین کند.

با بزرگ‌تر شدن مدل‌ها، هزینه‌ها نیز به سرعت افزایش می‌یابند. برآورد‌ها نشان می‌دهند که هزینه آموزش بزرگ‌ترین مدل‌های امروزی به ۱۰۰ میلیون دلار می‌رسد؛ نسل بعدی می‌تواند یک میلیارد دلار هزینه داشته باشد و نسل بعدی حتی تا ۱۰ میلیارد دلار برسد. علاوه بر این، درخواست از یک مدل برای پاسخ دادن به یک پرسش نیز هزینه محاسباتی دارد؛ از ۲،۴۰۰ دلار تا ۲۲۳،۰۰۰ دلار برای خلاصه کردن گزارش‌های مالی ۵۸،۰۰۰ شرکت عمومی جهان.

در نهایت، این هزینه‌های «استنتاج» می‌تواند از هزینه‌های آموزش هم فراتر برود. در چنین شرایطی، سخت است که ببینیم هوش مصنوعی چگونه می‌تواند از نظر اقتصادی مقرون‌به‌صرفه شود.

این مسئله سرمایه‌گذاران را نگران کرده است؛ بسیاری از آنها شرط‌های بزرگی بر روی هوش مصنوعی بسته‌اند. آنها به سوی Nvidia هجوم برده‌اند، شرکتی که تراشه‌هایی طراحی می‌کند که بیشترین استفاده را در مدل‌های هوش مصنوعی دارند. ارزش بازار این شرکت طی دو سال گذشته به میزان ۲.۵ تریلیون دلار افزایش یافته است.

سرمایه‌گذاران خطرپذیر و دیگران از ابتدای سال ۲۰۲۳ نزدیک به ۹۵ میلیارد دلار در استارتاپ‌های هوش مصنوعی سرمایه‌گذاری کرده‌اند. گفته می‌شود که OpenAI، سازنده چت جی‌بی‌تی، به دنبال ارزشیابی ۱۵۰ میلیارد دلاری است که آن را به یکی از بزرگ‌ترین شرکت‌های فناوری خصوصی جهان تبدیل می‌کند.

بسیاری از فناوری‌های دیگر نیز با محدودیت‌هایی مواجه شده‌اند و سپس به لطف ابتکار و نوآوری انسان پیشرفت کرده‌اند. سختی‌های مربوط به فرستادن انسان به فضا منجر به نوآوری‌هایی شد که اکنون بر روی زمین نیز استفاده می‌شوند. شوک قیمت نفت در دهه ۱۹۷۰، بهره‌وری انرژی را تقویت کرد و در برخی کشور‌ها به سمت روش‌های جایگزین تولید، از جمله انرژی هسته‌ای، سوق داد. سه دهه بعد، فناوری شکست هیدرولیکی امکان دستیابی به ذخایر نفت و گازی را فراهم کرد که پیش از آن استخراج آنها اقتصادی نبود. به همین دلیل است که اکنون آمریکا بیش از هر کشور دیگری نفت تولید می‌کند.

در حال حاضر، پیشرفت‌ها در حوزه هوش مصنوعی نشان می‌دهد که محدودیت‌ها می‌توانند خلاقیت را تحریک کنند. شرکت‌ها در حال توسعه تراشه‌های اختصاصی برای عملیات لازم جهت اجرای مدل‌های زبان بزرگ هستند. این تخصص به معنای آن است که این تراشه‌ها می‌توانند کارایی بیشتری نسبت به پردازنده‌های عمومی‌تر مانند پردازنده‌های Nvidia داشته باشند. شرکت‌هایی مانند Alphabet، Amazon، Apple، Meta و Microsoft همگی در حال طراحی تراشه‌های هوش مصنوعی خود هستند. در نیمه اول سال جاری، سرمایه بیشتری به استارتاپ‌های تراشه هوش مصنوعی اختصاص یافته است تا سه سال گذشته.

توسعه‌دهندگان نیز در حال اعمال تغییرات در نرم‌افزار‌های هوش مصنوعی هستند. مدل‌های بزرگ که به قدرت محاسباتی عظیم متکی هستند، جای خود را به سیستم‌های کوچک‌تر و تخصصی‌تر می‌دهند. جدیدترین مدل OpenAI، یعنی o۱، طوری طراحی شده که در استدلال بهتر عمل کند، نه تولید متن.

دیگر سازندگان نیز از محاسبات کمتر سنگین استفاده می‌کنند تا بهره‌وری بیشتری از تراشه‌ها به دست آورند. از طریق روش‌های هوشمندانه، مانند استفاده از ترکیبی از مدل‌ها، هر یک مناسب برای نوع خاصی از مسئله، پژوهشگران به طور قابل توجهی زمان پردازش را کاهش داده‌اند. همه اینها نحوه کارکرد صنعت را تغییر خواهد داد.

سرمایه‌گذاران و دولت‌ها به این ایده عادت کرده‌اند که در میان شرکت‌های فناوری، شرکت‌های فعلی از مزیت‌های طبیعی برخوردارند. اما برای هوش مصنوعی دیگر نمی‌توان این فرض را درست دانست. امروزه Nvidia چهار پنجم تراشه‌های هوش مصنوعی جهان را می‌فروشد، اما رقبا با تخصص بیشتر می‌توانند سهم آن را کاهش دهند. در حال حاضر، پردازنده‌های هوش مصنوعی گوگل سومین پردازنده‌های پرکاربرد در مراکز داده جهان هستند.

OpenAI ممکن است مدل زبان بزرگ پیشگام را ارائه کرده باشد، اما با مواجهه با محدودیت‌های منابع، دیگر سازندگان مدل‌های بزرگ مانند Anthropic، Google و Meta در حال نزدیک شدن هستند. اگرچه هنوز فاصله‌ای بین آنها و مدل‌های سطح دوم مانند Mistral فرانسه وجود دارد، اما ممکن است این فاصله کاهش یابد. اگر روند به سمت مدل‌های کوچک‌تر و تخصصی‌تر ادامه یابد، دنیای هوش مصنوعی می‌تواند شامل مجموعه‌ای از مدل‌ها باشد، به جای تعداد کمی ستاره بزرگ.

این بدان معناست که سرمایه‌گذاران باید آماده یک مسیر پر پیچ و خم باشند. شرط‌بندی‌های آنها بر روی رهبران کنونی، کمتر قطعی به نظر می‌رسد. Nvidia ممکن است زمین را به دیگر سازندگان تراشه واگذار کند؛ OpenAI ممکن است جایگزین شود. شرکت‌های بزرگ فناوری در حال جذب استعداد‌ها هستند و بسیاری از آنها دستگاه‌هایی را تولید می‌کنند که امیدوارند کاربران از طریق آنها به دستیار‌های هوش مصنوعی خود دسترسی پیدا کنند. اما رقابت بین آنها شدید است. هنوز تعداد کمی از شرکت‌ها استراتژی مشخصی برای کسب سود از هوش مصنوعی مولد دارند. حتی اگر این صنعت در نهایت به یک برنده منتهی شود، مشخص نیست که آن برنده چه کسی خواهد بود.

دولت‌ها نیز باید نگرش خود را تغییر دهند. علاقه آنها به سیاست‌های صنعتی بر توزیع یارانه‌ها تمرکز دارد. اما پیشرفت در هوش مصنوعی به اندازه سرمایه‌گذاری و قدرت محاسباتی به داشتن استعداد مناسب و یک اکوسیستم پویا نیز وابسته است. کشور‌های اروپایی و خاورمیانه ممکن است دریابند که تلاش برای تقویت نوآوری به اندازه خرید تراشه‌های کامپیوتری مهم است. در مقابل، آمریکا از تراشه‌ها، استعداد‌ها و کارآفرینی برخوردار است. این کشور بسیاری از بهترین دانشگاه‌های جهان را دارد و در سانفرانسیسکو و سیلیکون ولی، خوشه‌ای از استعداد‌ها را که از دیرباز قابل تحسین بوده است، داراست.

با این حال، تلاش‌های آمریکا برای محدود کردن چین نتیجه معکوس داده است. آمریکا امیدوار بود که با محدود کردن دسترسی چین به تراشه‌های پیشرفته، از پیشی گرفتن یک رقیب استراتژیک جلوگیری کند. اما با این کار، ناخواسته رشد سیستمی از پژوهش را در چین تحریک کرده است که در یافتن راه‌حل‌های جدید برای دور زدن محدودیت‌ها توانمند است.

در شرایطی که ابتکار و نوآوری از قدرت محض مهم‌تر است، راه بهتری برای تضمین برتری آمریکا جذب و حفظ پژوهشگران برتر از سراسر جهان است، برای مثال از طریق قوانین ویزای ساده‌تر. عصر هوش مصنوعی هنوز در مراحل ابتدایی خود است و بسیاری از مسائل همچنان نامشخص‌اند. اما پیشرفت‌های مورد نیاز در هوش مصنوعی از آزاد گذاشتن ایده‌ها و استعداد‌ها در خانه به دست خواهد آمد، نه از تلاش برای خاموش کردن رقبا در خارج.