به گزارش پایگاه خبری تحلیلی افق سناباد به نقل از خبر انلاین در سالهای اخیر، هوش مصنوعی به یکی از جذابترین حوزههای سرمایهگذاری در جهان تبدیل شده است. شرکتهایی مانند OpenAI، Google، Microsoft و Anthropic میلیاردها دلار روی مدلهای زبانی، سختافزارهای محاسباتی و مراکز داده خرج کردهاند. این رشد نهتنها توجه عموم را جلب کرده، بلکه ارزش بازار شرکتهای کلیدی را به تریلیونها دلار رسانده است.
پرسش کلیدی در این میان این است که آیا این رشد مبتنی بر پایهای علمی و اقتصادی استوار است، یا در حقیقت بخشی از یک حباب شبیه به حباب اینترنت در دهه ۱۹۹۰ است؟
مدلهای بزرگتر
بر اساس گزارش «sciencefocus»،ریشه اصلی این رشد بر یک فرض ساده اما کلیدی استوار است. اگر مدلهای هوش مصنوعی را بزرگتر کنیم، داده بیشتری بدهیم و قدرت محاسباتی بیشتری به آنها اختصاص دهیم، عملکردشان بهتر خواهد شد. این دیدگاه بهعنوان «قانون مقیاس» شناخته شد و محرک اصلی صنعت هوش مصنوعی است.
برای مثال، مدل GPT-3 در سال ۲۰۲۰ حدود ۱۷۵ میلیارد پارامتر داشت، و نسخه بعدی آن یعنی GPT-4 بیش از ۱۰ برابر بزرگتر بود. نتیجه؟ پیشرفتهای قابلتوجه در آزمونها و قابلیتها که سرمایهگذاران را به وجد آورد.
در این میان متخصصانی مانند گری مارکوس میگویند که این رشد دیگر پایدار نیست، چرا که سه محدودیت اساسی فرارسیده است.
توهم (Hallucinations)
هوش مصنوعی حتی در پیشرفتهترین مدلها هنوز هم معمولاً اطلاعات غلط، ساختگی یا غیرواقعی تولید میکند. این نشان میدهد که این سیستمها «درک واقعی» ندارند، بلکه فقط الگوهای آماری را تقلید میکنند.
مشکل موارد پرت (Outlier Problem)
وقتی هوش مصنوعی با چیزی مواجه میشود که در دادههایش نبوده، ممکن است عملکردش بهطور فاجعهباری اشتباه شود مثل خودروی خودران که شیء جدیدی را نمیشناسد.
کمبود دادههای جدید
شرکتها اکنون تقریباً از تمام دادههای قابلدسترس اینترنت برای آموزش مدلها استفاده کردهاند، و دیگر منبع بزرگ قابلتوسعهای باقی نمانده است.
این سه عامل باعث شده که افزایش ابعاد مدلها دیگر نتایج متناسب با هزینههای سرسامآورش ندهد.
واقعیت یا حباب؟
در عالم هوش مصنوعی رفتار سرمایهگذاران بزرگی مانند پیتر تیل و مایکل بری نشانهای از تردید بازار نسبت به ادامه رشد معنی میشود. از سوی دیگر، برخی مؤسسات مالی مثل Goldman Sachs هنوز معتقدند که ما هنوز در حباب نیستیم، چون شرکتهای عظیم فناوری سودآور باقی میمانند.
آینده AI احتمالاً دو مسیر دارد. یک مسیر که در آن فناوریهای نوین و ترکیبی (مثلاً «هوش مصنوعی نوروسیمبولیک») بتوانند محدودیتهای فعلی را پشت سر بگذارند، و مسیر دیگر که در آن بحران سرمایهگذاری و کاهش بازده اقتصادی باعث سقوط ارزش شرکتهای کمپشتوانه شود.
البته حتی اگر حباب ترکیده شود، این لزوماً به معنای پایان هوش مصنوعی نیست، بلکه میتواند به معنای بازگشت به مدلهای اقتصادی و فناورانه واقعیتر و کمهزینهتر باشد.
