چالش‌های شرکت‌های بزرگ هوش مصنوعی با رشد مدل‌ها

شرکت‌های بزرگ هوش مصنوعی مانند OpenAI، گوگل و Anthropic با چالش‌های فزاینده‌ای در ارتقای مدل‌های هوش مصنوعی خود روبه‌رو شده‌اند. این شرکت‌ها، به گفته‌ی کارشناسان، در تلاش‌های پرهزینه‌ی خود برای بهبود عملکرد مدل‌ها، با «بازدهی نزولی» مواجه هستند.

 گزارشی از بلومبرگ نشان می‌دهد که این شرکت‌ها با موانع مختلفی در توسعه‌ی مدل‌های مقیاس بزرگ هوش مصنوعی مواجه‌اند، به‌ویژه در بهبودهای عمده‌ای که انتظار می‌رفت در مقایسه با مدل‌های پیشین دیده شود.

این مشکلات در حالی به وجود آمده‌اند که اپل با رویکردی تدریجی و متمرکز بر حفظ حریم خصوصی، به آرامی در حال اضافه کردن هوش مصنوعی به خدمات خود است.

مدل Orion OpenAI و انتظارات محقق‌نشده

مدل جدید OpenAI با نام داخلی «Orion» نتوانسته به اهداف عملکردی مورد انتظار شرکت دست یابد. این مدل قرار بود پیشرفت‌های چشم‌گیری نسبت به مدل‌های قبلی داشته باشد اما نتوانسته همان سطح از بهبود را که در GPT-4 نسبت به GPT-3 شاهد بودیم، فراهم کند. به همین دلیل، OpenAI به دنبال روش‌های جایگزینی برای بهبود کارایی و تاثیر مدل‌های خود است.

مشکلات مشابهی در گوگل نیز دیده می‌شود، به طوری که مدل جدید این شرکت به نام «Gemini» با موانعی در توسعه روبه‌رو است. Anthropic نیز عرضه‌ی مدل مورد انتظار خود، Claude 3.5 Opus، را به تعویق انداخته است.

هزینه‌های بالای آموزش و استقرار مدل‌های جدید و محدودیت دسترسی به داده‌های آموزشی باکیفیت و انسانی، از جمله عواملی هستند که توسعه‌ی مدل‌های پیشرفته‌ی هوش مصنوعی را با چالش روبه‌رو کرده‌اند.

بازنگری در مسیر رسیدن به هوش عمومی مصنوعی (AGI)

صنعت هوش مصنوعی مدت‌ها بر این باور بود که با مقیاس‌گذاری مدل‌ها، یعنی افزودن داده‌ها، توان محاسباتی و پارامترها، می‌توان به هوش عمومی مصنوعی (AGI) نزدیک شد. اما مشکلات اخیر نشان می‌دهد که این فرض ممکن است بیش از حد ساده‌انگارانه یا حتی نادرست باشد.

 برخی از کارشناسان اکنون به دنبال روش‌های متفاوتی در توسعه‌ی مدل‌ها هستند، روش‌هایی که ممکن است نیازی به مدل‌ها یا داده‌های بزرگ‌تر نداشته باشند. مارگارت میچل، این روند را حبابی می‌داند که ممکن است به زودی فروکش کند.

تمرکز بر عامل‌های هوش مصنوعی تخصصی

به‌دلیل مشکلات توسعه‌ی مدل‌های عمومی و چندمنظوره، شرکت‌ها در حال توسعه‌ی عامل‌های هوش مصنوعی تخصصی برای وظایف خاص مانند رزرو بلیت یا مدیریت ایمیل هستند. این تغییر نشان‌دهنده‌ی بازنگری گسترده‌تری در صنعت هوش مصنوعی است، زیرا شرکت‌ها در پی کاربردهای عملی و متمرکز هوش مصنوعی هستند.

استراتژی هدفمند و مبتنی بر حریم خصوصی اپل

رویکرد اپل در هوش مصنوعی با رویکردهای OpenAI، گوگل و Anthropic تفاوت بسیاری دارد. اپل به جای تمرکز بر یک مدل هوش مصنوعی همه‌کاره، با ادغام قابلیت‌های هوش مصنوعی در خدمات خاص خود، تمرکزی بر حریم خصوصی کاربران دارد.

 این رویکرد که «هوش اپل» نامیده می‌شود، با اجرای قابلیت‌های هوش مصنوعی بر روی دستگاه کاربران و استفاده از سرورهای رمزنگاری‌شده، امنیت داده‌های کاربران را تضمین می‌کند.

آینده‌ توسعه‌ی هوش مصنوعی و چالش‌های پیش‌رو

مشکلات اخیر شرکت‌های OpenAI، گوگل و Anthropic باعث بحث‌های جدیدی در جامعه‌ی فناوری شده است که آیا تمرکز بر کاربردهای خاص هوش مصنوعی رویکرد آینده‌نگرانه‌ای برای پیشرفت خواهد بود یا خیر.

در شرایطی که آینده‌ی هوش مصنوعی همچنان در حال تحول است، شرکت‌ها ممکن است بیشتر بر روش‌های نوین آموزشی و ابزارهای تخصصی تمرکز کنند تا به جای افزایش ابعاد محاسباتی، کارایی و ارتباط بیشتری ایجاد کنند.

منبع: تجارت نیوز