اقتصاد هوش مصنوعی در حال تغییر
وقتی OpenAI چند روز قبل از کریسمس از یک مدل هوش مصنوعی مولد (AI) جدید به نام o3 رونمایی کرد، هم هیجان و هم تردید را برانگیخت. هیجان از جانب کسانی که انتظار داشتند قابلیت‌های استدلالی آن گامی بزرگ به سوی هوش فوق بشری باشد (برخی معتقد بودند که این موضوع مهم‌تر از راه‌اندازی ChatGPT توسط OpenAI در سال 2022 خواهد بود). تردید از این جهت که OpenAI آن را به طور عمومی منتشر نکرد و انگیزه زیادی داشت تا نقش پیشگامانه این شرکت در هوش مصنوعی را برای جلب توجه دونالد ترامپ، رئیس جمهور منتخب، بیش از حد جلوه دهد.
با این حال از آن زمان، یک نقطه اجماع پدید آمده است. این مدل، و همچنین مدل قبلی آن، o1 (از o2 صرف نظر شد زیرا نام یک شبکه تلفن همراه اروپایی است)، هرچه بیشتر در پاسخ به یک درخواست «فکر» کند، نتایج بهتری تولید می‌کند. فکر بیشتر به معنای قدرت محاسباتی بیشتر و هزینه بالاتر در هر پرس و جو است. در نتیجه، تغییر بزرگی در اقتصاد دیجیتال در حال وقوع است، که بر پایه ارائه خدمات ارزان به تعداد زیادی از مردم با هزینه نهایی پایین، به لطف توزیع رایگان در اینترنت، ساخته شده بود. هر بار که مدل‌ها برای پرس و جو گران‌تر می‌شوند، دوران هزینه نهایی صفر بیشتر به عقب رانده می‌شود.
سرمایه‌گذاران، OpenAI را مانند یک عزیز دل فناوری ارزش‌گذاری می‌کنند: با توجه به یک جمع‌آوری سرمایه اخیر، ارزش آن 157 میلیارد دلار است. آنها امیدوارند که به لطف موفقیت محصولاتی مانند ChatGPT، این شرکت به غول بعدی فناوری با ارزش 1 تریلیون دلار تبدیل شود. اما هزینه‌های بالاتر مدل‌های پیشرفته، و همچنین فشارهای دیگر از سوی تامین‌کنندگان، توزیع‌کنندگان و رقبا، نشان می‌دهد که مدل‌سازی ممکن است قدرتی شبیه به انحصار که غول‌های فناوری از آن برخوردارند را به ارمغان نیاورد. فرانسوا شولت، محقق باتجربه هوش مصنوعی، در شبکه اجتماعی X، روزی که o3 به طور عمومی اعلام شد، گفت: «یک نکته بسیار مهم در مورد آینده وجود دارد که باید درک شود: اقتصاد هوش مصنوعی به طور کامل در شرف تغییر است.»
آقای شولت به برانگیختن هیجان در مورد o3 کمک کرده است. او در ماه ژوئن جایزه 1 میلیون دلاری برای مدل‌هایی که می‌توانستند از یک چالش که پنج سال قبل ایجاد کرده بود، به نام "مجموعه انتزاع و استدلال" یا ARC، عبور کنند، راه‌اندازی کرد. این چالش شامل مجموعه‌ای از پازل‌های استدلالی بصری ساده (به تصویر مراجعه کنید) است که هدف آن "آسان برای انسان و غیرممکن برای هوش مصنوعی مدرن" است. (آسان بودن نسبی است - در یک مطالعه در ماه سپتامبر، انسان‌هایی که به صورت آنلاین استخدام شده بودند، در این آزمون 60-70٪ نمره کسب کردند.) این جایزه فقط به خاطر چالش‌برانگیز بودن خود نبود. آقای شولت گفت که غلبه بر یک وظیفه ARC یک گام "حیاتی" به سوی ساخت هوش مصنوعی عمومی، به این معنی است که ماشین‌ها در بسیاری از وظایف انسان‌ها را شکست دهند.
شش ماه بعد، OpenAI در این آزمون موفق شد. مدل o3 آن به نمره موفقیت‌آمیز 91.5 درصد دست یافت. آقای شولت گفت، موفقیت آن در این چالش نشان دهنده تغییر اساسی در توانایی هوش مصنوعی برای انطباق با وظایف جدید است. مدل جدید فقط بهتر نیست؛ بلکه متفاوت است. مانند o1، از رویکرد "محاسبات زمان آزمایش" استفاده می‌کند، که هر چه زمان بیشتری برای استنتاج صرف شود (هنگامی که یک مدل هوش مصنوعی آموزش‌دیده به پرسش‌ها پاسخ می‌دهد)، نتایج بهتری تولید می‌کند. o3 به جای اینکه به سادگی پاسخی را تا حد امکان سریع ارائه دهد، ساخته شده تا در مورد سوال بیشتر فکر کند.
اینجاست که هزینه‌های بالاتر وارد می‌شوند. آقای شولت برای میزان هزینه‌ای که شرکت‌کنندگان می‌توانند برای قدرت محاسباتی برای پاسخ دادن به 400 سوال در چالش خود صرف کنند، محدودیت 10000 دلاری تعیین کرد. هنگامی که OpenAI مدلی را با هزینه‌ای کمتر از این محدودیت ارائه داد، 6677 دلار (حدود 17 دلار برای هر سوال) برای کسب امتیاز 82.8 درصد هزینه کرد. امتیاز 91.5 درصد، که توسط o3 به دست آمد، از بودجه فراتر رفت. این شرکت میزان هزینه را فاش نکرد، اما گفت که نسخه گران قیمت این فرآیند 172 برابر مقدار "محاسبه" بیشتری نسبت به رویکرد ارزان‌تر استفاده کرده است - که نشان می دهد حدود 3000 دلار برای حل یک پرس و جو که ثانیه ها از انسان زمان می برد، صرف شده است.
مطمئناً، مدل‌های هوش مصنوعی گذشته نیز از قبل هنجار هزینه نهایی کم صنعت نرم‌افزار را به چالش کشیدند، زیرا پاسخ دادن به پرسش‌ها به طور قابل توجهی به قدرت پردازش بیشتری نسبت به استفاده از ابزارهای معادل مانند موتور جستجو نیاز داشت. اما هزینه‌های ساخت مدل‌های زبان بزرگ و اجرای آنها به قدری در مقادیر مطلق کم بود که OpenAI همچنان می‌توانست دسترسی را به صورت رایگان ارائه دهد.
با آخرین مدل‌ها، دیگر اینطور نیست. OpenAI نسخه "حرفه ای" مدل o1 را به کاربرانی که در سطح اشتراک 200 دلاری در ماه هستند محدود می‌کند (و به گفته سام آلتمن، رئیس آن، پول از دست می‌دهد، زیرا مشتریان بیشتر از آنچه شرکت بودجه‌بندی کرده بود، برای پرس و جوها هزینه می‌کنند). پیر فراگو از نیو استریت ریسرچ، یک شرکت تحلیلگر، تخمین می زند که OpenAI ممکن است تا 2000 دلار در ماه برای دسترسی کامل به o3 هزینه دریافت کند.
قدرت چنین مدل هایی به این بستگی دارد که آنها نسخه ای از "قوانین مقیاس پذیری" این بخش را به کاربر نهایی نزدیک تر کنند. تا به حال، پیشرفت در هوش مصنوعی به اجراهای آموزشی بزرگتر و بهتر متکی بود، با داده های بیشتر و قدرت کامپیوتری بیشتر که هوش بیشتری ایجاد می کرد. اما پس از آموزش یک مدل، استفاده خوب از قدرت پردازش اضافی دشوار بود. همانطور که موفقیت o3 در چالش ARC نشان می دهد، دیگر اینطور نیست. به نظر می رسد قوانین مقیاس پذیری از آموزش مدل ها به استنتاج منتقل شده است.
چنین تحولاتی اقتصاد پیش روی مدل سازان مانند OpenAI را تغییر می دهد. وابستگی مدل های جدید به قدرت پردازش بیشتر، تامین کنندگان آنها مانند انویدیا، سازنده تراشه های تخصصی هوش مصنوعی را تقویت می کند. همچنین به نفع توزیع کنندگان مدل های هوش مصنوعی، به ویژه ارائه دهندگان خدمات ابری آمازون، مایکروسافت و آلفابت (شرکت مادر گوگل) است. و ممکن است توجیه کننده سرمایه هایی باشد که این غول های فناوری در مراکز داده سرمایه گذاری کرده اند، زیرا استنتاج بیشتر به قدرت محاسباتی بیشتری نیاز دارد. OpenAI از هر دو طرف تحت فشار خواهد بود.
سپس رقابت وجود دارد. گوگل مدل استدلالی خود را با نام جمینی 2.0 فلش منتشر کرده است و دیگر شرکت های فناوری نیز احتمالاً این کار را خواهند کرد. انتظار می رود مدل های متن باز نیز به دنبال آن باشند. مشتریان قادر خواهند بود از چندین مدل از ارائه دهندگان مختلف استفاده کنند. و اگرچه مدل‌های هوش مصنوعی مولد ممکن است از طریق تعامل با مشتریان کمی بهبود یابند، اما بر خلاف محصولاتی که گوگل و فیس‌بوک در دوران گذشته ساخته‌اند، فاقد اثرات شبکه واقعی هستند (جایی که هرچه کاربران بیشتری داشته باشد، خدمات بسیار بهتر می‌شود).
هزینه های نهایی بالا به این معنی است که سازندگان مدل باید برای دریافت قیمت های حق بیمه، ارزش معناداری ایجاد کنند. لان گوان از شرکت مشاوره اکسنچر می گوید، امید این است که مدل هایی مانند o3 از عوامل هوش مصنوعی پشتیبانی کنند که افراد و شرکت ها از آنها برای افزایش بهره وری خود استفاده می کنند. حتی قیمت بالایی برای استفاده از یک مدل استدلال ممکن است در مقایسه با هزینه استخدام، مثلاً یک دکترای ریاضی تمام عیار، ارزش داشته باشد. اما این بستگی به میزان مفید بودن مدل ها دارد.
موارد استفاده مختلف نیز ممکن است منجر به تکه تکه شدن بیشتر شود. جرمی اشنایدر از مک کینزی، یک شرکت مشاوره، می گوید ارائه خدمات هوش مصنوعی به مشتریان شرکتی به مدل هایی نیاز دارد که برای نیازهای هر شرکت تخصصی شده باشند، نه مدل های همه منظوره مانند ChatGPT.
برخی به جای اینکه تحت سلطه یک شرکت باشد، انتظار دارند که مدل‌سازی بیشتر شبیه یک انحصار چندجانبه سنتی باشد، با موانع ورود بالا اما بدون سلطه یا سود انحصاری. در حال حاضر، OpenAI رهبر است، اما یکی از رقبای اصلی آن، آنتروپیک، گزارش شده است که در ارزش گذاری 60 میلیارد دلاری در حال جمع آوری پول است، و xAI که اکثریت آن متعلق به ایلان ماسک است، 45 میلیارد دلار ارزش دارد. این نشان می دهد که امیدهای زیادی به آنها نیز وجود دارد. OpenAI با o3 برتری فنی خود را نشان داده است، اما مدل کسب و کار آن همچنان آزمایش نشده است.■
برای اطلاع از مهمترین اخبار در تجارت و فناوری، در Bottom Line، خبرنامه هفتگی مخصوص مشترکین ما، ثبت نام کنید.