انفجار هوش مصنوعی مولد جهان را طوفانی کرده است، اما یک سوال به ندرت پیش می آید: چه کسی می تواند آن را بپردازد؟
طبق گزارش رسانههای صنعتی The Information، OpenAI در سال گذشته با توسعه ChatGPT حدود 540 میلیون دلار کاهش داد و میگوید برای برآورده کردن جاهطلبیهای خود به 100 میلیارد دلار نیاز دارد.
سام آلتمن، بنیانگذار OpenAI اخیراً در یک پانل گفت: «ما سرمایهبرترین استارتآپ در تاریخ سیلیکون ولی خواهیم بود.
و هنگامی که از مایکروسافت که میلیاردها دلار سرمایه گذاری روی OpenAI سرمایه گذاری کرده است، در مورد هزینه ماجراجویی هوش مصنوعی آن سوال می شود، این شرکت با اطمینان پاسخ می دهد که به نتیجه نهایی خود توجه می کند.
ساختن چیزی حتی نزدیک به آن چیزی که OpenAI، مایکروسافت یا گوگل ارائه میکنند، نیازمند سرمایهگذاری چشمگیر بر روی تراشههای پیشرفته و جذب محققان برنده جایزه است.
جک گلد، تحلیلگر مستقل، گفت: “مردم متوجه نیستند که انجام مقدار قابل توجهی از کارهای هوش مصنوعی مانند ChatGPT به قدرت پردازش زیادی نیاز دارد. و آموزش این مدل ها می تواند ده ها میلیون دلار هزینه داشته باشد.”
واقعاً چند شرکت می توانند 10000 سیستم Nvidia H100 را که قیمت هر قطعه ده ها هزار دلار است، بخرند؟ طلا پرسید.
پاسخ تقریباً هیچ کس نیست و در فناوری، اگر نتوانید زیرساخت را بسازید، آن را اجاره می کنید و این همان کاری است که شرکت ها در حال حاضر با برون سپاری نیازهای محاسباتی خود به مایکروسافت، گوگل و AWS آمازون انجام می دهند.
کارشناسان هشدار دادند که با ظهور هوش مصنوعی مولد، این وابستگی به رایانش ابری و غولهای فناوری عمیقتر میشود و همان بازیکنان روی صندلی راننده باقی میمانند.
“به شدت دست کم گرفته شده”
Stefan Sigg، مدیر ارشد محصول Software AG که نرمافزاری را برای مشاغل توسعه میدهد، گفت: هزینههای غیرقابل پیشبینی رایانش ابری برای بسیاری از شرکتها مشکلی است که به شدت دست کم گرفته شده است.
سیگ هزینههای ابری را با قبضهای برق مقایسه میکند و میگوید شرکتهایی که بهتر نمیدانند، اگر به مهندسان خود اجازه بدهند در عجلههای دیوانهوار برای ساخت فناوری، از جمله هوش مصنوعی، قبضهای خود را بپردازند، با یک شگفتی بزرگ مواجه خواهند شد.
پیشنهاد ابر امضای مایکروسافت Azure است و برخی ناظران معتقدند که شرط بندی همه جانبه این غول روی هوش مصنوعی واقعاً برای محافظت از موفقیت Azure و تضمین آینده گاو نقدی است.
Azure سالهاست که نانآور غولپیکر بیسکسی بوده و سود زیادی بهدست آورده است، اما بدون جلب تیتر یک آیفون یا رسانههای اجتماعی که مستقیماً به سمت مصرفکننده میرود.
برای مایکروسافت، دن ایوز از Wedbush Securities میگوید: برای مایکروسافت، “غاز طلایی در حال کسب درآمد از ابر با Azure است، زیرا ما در مورد فرصتی 20، 30، و 40 میلیارد دلاری در سال در صورت موفقیت آمیز بودن شرطبندی هوش مصنوعی صحبت میکنیم.”
ساتیا نادلا، مدیر عامل مایکروسافت، اصرار دارد که هوش مصنوعی مولد “به سرعت در مسیر درست حرکت می کند.”
ایوز پیش بینی کرد که نادلا که در وال استریت به شدت مورد احترام است، شش یا نه ماه مهلت خواهد داشت تا نشان دهد شرطش برنده است.
امی هود، مدیر مالی این ماه به تحلیلگران گفت: مایکروسافت این خطر را تصدیق می کند، اما اصرار دارد که در زمینه هوش مصنوعی، باید این موج را رهبری کند.
او گفت: «ما برای آن قابلیتهای هوش مصنوعی هزینه میگیریم و در نهایت، سود عملیاتی را ارائه خواهیم کرد.
“له شده”
انباشتن سود در شرکتی که بیل گیتس آن را تأسیس کرده است تنها می تواند به معنای انتقال هزینه های هوش مصنوعی به مشتریان باشد.
از خیابان اصلی تا Fortune 500، وابستگی به تقویتکننده هوش مصنوعی گران خواهد بود و شرکتها و سرمایهگذاران در حال بررسی گزینههای جایگزین برای حداقل کاهش این صورت حساب هستند.
تنری فو، مدیرعامل Spectro Cloud گفت: آموزش هوش مصنوعی، آموزش GPT به یک سرویس ابری بسیار مهم در آینده تبدیل خواهد شد.
شرکت او، مانند بسیاری دیگر در این بخش، به شرکت ها کمک می کند تا فناوری ابری را برای کاهش هزینه ها بهینه کنند.
او افزود: «اما پس از آموزش، یک شرکت میتواند مدل خود را برای کاربرد واقعی هوش مصنوعی بازگرداند» و امیدواریم وابستگی به غولهای ابری کاهش یابد.
رگولاتورها امیدوارند که بتوانند به همین روند ادامه دهند و غولها را مسئول نگذارند و شرایط خود را بر شرکتهای کوچکتر تحمیل کنند.
لینا خان، رئیس FTC به CNBC گفت: «مجریهای قانون (باید) اطمینان حاصل کنند که فرصتها و فرصتها برای رقابت… توسط مقامات فعلی از بین نمیرود.
اما ممکن است خیلی دیر باشد، حداقل زمانی که صحبت از این شود که کدام شرکت ها ابزاری برای ارائه زمینه های هوش مصنوعی مولد دارند.
آلتمن از OpenAI روز سهشنبه در جلسه سنای ایالات متحده گفت: «این کاملاً درست است که تعداد شرکتهایی که میتوانند مدلهای مرزی واقعی را آموزش دهند، فقط به دلیل منابع مورد نیاز کم خواهد بود.
او افزود: «و بنابراین فکر میکنم باید بررسیهای باورنکردنی روی ما و رقبایمان انجام شود.»