غول‌های فناوری و تله سرمایه‌گذاری در هوش مصنوعی
اکونومیست در گزارش نوشت: سرمایه‌گذاری‌های عظیم چهار غول فناوری—آلفابت، آمازون، متا و مایکروسافت—در زیرساخت‌های هوش مصنوعی مولد، یادآور سرمایه‌گذاری‌های بیش از حد در دوران راه‌آهن قرن ۱۹ و رونق مخابرات دهه ۱۹۹۰ است.
این شرکت‌ها امسال نزدیک به ۲۰۰ میلیارد دلار هزینه خواهند کرد، اما نگرانی‌هایی درباره بازدهی این سرمایه‌گذاری‌ها، افزایش هزینه‌های عملیاتی، و رقابت مدل‌های کوچک‌تر و متن‌باز وجود دارد. تاریخ نشان می‌دهد که خوش‌بینی غیرمنطقی و هزینه‌های افسارگسیخته می‌تواند به مازاد ظرفیت و کاهش بازده منجر شود، اما این رقابت تسلیحاتی با انگیزه‌های تدافعی ادامه دارد و ممکن است در نهایت، منافع بیشتری نصیب کاربران شود تا سرمایه‌گذاران.
سرمایه‌گذاری‌های عظیم در هوش مصنوعی: تکرار تاریخ یا مسیر جدید؟
از جنون راه‌آهن در قرن ۱۹ تا رونق مخابرات در آغاز عصر اینترنت، داستان‌های هشداردهنده‌ای درباره سرمایه‌گذاری بیش از حد در زیرساخت‌ها، ناشی از هیجان پیرامون فناوری‌های جدید، وجود دارد. با ظهور هوش مصنوعی مولد، تاریخ در حال تکرار است. در هفته‌های اخیر، چهار غول فناوری—آلفابت، آمازون، متا و مایکروسافت—متعهد شده‌اند که امسال نزدیک به ۲۰۰ میلیارد دلار، عمدتاً برای مراکز داده، تراشه‌ها و سایر تجهیزات لازم برای ساخت، آموزش و استقرار مدل‌های هوش مصنوعی مولد هزینه کنند. این رقم ۴۵ درصد بیشتر از هزینه‌های سال گذشته است. رهبران فناوری مانند مارک زاکربرگ از متا اعتراف می‌کنند که ممکن است سال‌ها طول بکشد تا این سرمایه‌گذاری‌ها به سوددهی برسد. این یک رقابت تسلیحاتی در عرصه هوش مصنوعی است.
رقابت تسلیحاتی در سرمایه‌گذاری خطرپذیر
این شرکت‌های فناوری فقط در حال خرید زیرساخت نیستند. در سال‌های اخیر، آن‌ها در رقابت برای سرمایه‌گذاری خطرپذیر در شرکت‌هایی مانند OpenAI، Anthropic و سایر سازندگان مدل‌های پایه‌ای نیز شرکت کرده‌اند. شرکت‌های سنتی سرمایه‌گذاری خطرپذیر (VC) شکایت دارند که از زمان رونق دات‌کام چنین سلطه‌ای از سوی شرکت‌های بزرگ ندیده‌اند. غول‌های فناوری سرشار از نقدینگی هستند و می‌توانند به راحتی ولخرجی کنند. اما اگر تاریخ راهنمای ما باشد، رکودی در راه است و با توجه به وزن سنگین این شرکت‌ها در بازار سهام، اگر هیجان بیش از حد آن‌ها به مازاد ظرفیت منجر شود، پیامدهای آن عظیم خواهد بود.
درس‌هایی از تاریخ: از راه‌آهن تا اینترنت
تاریخ درس‌های زیادی دارد. در روزهای اولیه راه‌آهن، خطوط ریلی برای لوکوموتیوهایی ساخته شد که به زودی توسط انواع قدرتمندتر جایگزین شدند. با سنگین‌تر شدن واگن‌ها، خطوط باید با مواد مقاوم‌تر جایگزین می‌شدند. در دهه ۱۹۹۰، شرکت‌های مخابراتی سرمایه‌گذاری‌های خود را سه و نیم برابر کردند و ۶۰۰ میلیون کیلومتر کابل کشیدند، با این باور که مردم حاضرند هزینه‌های بالایی برای اتصال به اینترنت بپردازند. اما کاربران اینترنت را رایگان می‌خواستند. بانک مورگان استنلی شباهتی بین این وضعیت و مراکز داده امروزی می‌بیند که ممکن است برای پردازنده‌های گرافیکی قدرتمندتر—تراشه‌هایی که برای آموزش و اجرای هوش مصنوعی مولد استفاده می‌شوند—مناسب نباشند. فرضیات شرکت‌های فناوری درباره تمایل مردم به پرداخت هزینه برای چت‌بات‌ها و سایر ابزارهای پیشرفته هوش مصنوعی مولد ممکن است به همان اندازه نادرست باشد.
خوش‌بینی غیرمنطقی یا آینده‌نگری؟
همه نشانه‌ها حاکی از آن است که شرکت‌های بزرگ فناوری دچار خوش‌بینی غیرمنطقی شده‌اند. یکی از ریسک‌ها، هزینه‌های افسارگسیخته است. وال‌استریت پیش‌بینی می‌کند که هزینه‌های سرمایه‌ای این چهار شرکت طی پنج سال آینده به رقم خیره‌کننده ۱ تریلیون دلار برسد (اپل رویکرد محتاطانه‌تری دارد). ممکن است درآمدها افزایش یابد، اما هزینه‌ها نیز همین‌طور. این هزینه‌ها شامل حقوق‌های بالا برای مهندسان نابغه و قبوض سرسام‌آور برق برای مراکز داده است که می‌توانند نیازهای سنگین هوش مصنوعی مولد را مدیریت کنند. حتی در حال حاضر، سرمایه‌گذاران نسبت به چنین قمارهایی بی‌میل هستند. در هفته‌های اخیر، آن‌ها از برنامه‌های سرمایه‌گذاری گوگل استقبال کرده‌اند، اما برنامه‌های متا را سرد و بی‌روح ارزیابی کرده‌اند. با توجه به اینکه زاکربرگ و دیگران قبلاً پول زیادی را برای پروژه‌های عظیم تلف کرده‌اند، دلیل خوبی برای نگرانی وجود دارد.
آیا مدل‌های هوش مصنوعی به کالایی ارزان تبدیل می‌شوند؟
یک ریسک دیگر این است که مدل‌های هوش مصنوعی ممکن است کالایی شوند. شرکت‌های بزرگ رایانش ابری، مانند آلفابت، آمازون و مایکروسافت، مدل‌های بزرگ و اختصاصی ساخته و روی آن‌ها سرمایه‌گذاری کرده‌اند که به‌عنوان مدل‌های پیشرفته شناخته می‌شوند. آن‌ها همچنین مدل‌های کوچک‌تر و متن‌باز، از جمله مدل‌های ساخته‌شده توسط متا، را اجرا می‌کنند که هر روز بهتر و ارزان‌تر می‌شوند. وب‌سایت Hugging Face، که محل اجتماع علاقه‌مندان به هوش مصنوعی است، بیش از ۶۵۰ هزار مدل را فهرست کرده است. هرچه این مدل‌های کوچک‌تر سهم بیشتری از بازار را از مدل‌های بزرگ اختصاصی بگیرند، بازده سرمایه‌گذاری کمتری برای شرکت‌های بزرگ محتمل خواهد بود.
بازدهی کاهشی در مقیاس‌های بزرگ‌تر
آخرین ریسک این است که مقیاس بزرگ‌تر ممکن است بازدهی کاهشی به همراه داشته باشد. با افزایش قدرت محاسباتی و داده‌ها، مدل‌های غول‌های فناوری بزرگ‌تر می‌شوند. اما هیچ‌کس نباید فرض کند که با صرف پول بیشتر، این مدل‌ها به همان نسبت بهتر می‌شوند. در ۱۳ مه، OpenAI نسخه جدیدی از مدل GPT-4 خود، به نام GPT-4o را عرضه کرد. این نسخه سریع‌تر است و مهارت‌های زبانی آن به این معناست که کاربران می‌توانند مکالمات بیشتری داشته باشند. اما این همان GPT-5 جدیدی نبود که برخی کارشناسان امیدوار بودند. آیا مدل‌های هرچه بزرگ‌تر، همچنان ارزش هزینه‌های هنگفت را خواهند داشت؟
انگیزه‌های تدافعی در رقابت هوش مصنوعی
مانند هر رقابت تسلیحاتی، نیروی محرک اصلی این هزینه‌ها، انگیزه‌های تدافعی به اندازه انگیزه‌های تهاجمی است. هیچ‌یک از این چهار شرکت نمی‌خواهد عقب بماند و قربانی تغییرات شود. خوشبختانه، آسیب به جامعه احتمالاً محدود خواهد بود. همان‌طور که ظرفیت مازاد خطوط راه‌آهن و کابل‌های مخابراتی، خدمات ارزان‌تری برای کاربران به ارمغان آورد، در بسیاری از رونق‌های زیرساختی، منافع بیشتر نصیب کاربران شده تا کسانی که زیرساخت‌ها را بنا کرده‌اند. تعجب نکنید اگر این اتفاق دوباره رخ دهد.
منبع اکونومیست/جهان صنعت