هوش مصنوعی در دستان OpenAI ؛ آینده‌ای پرهزینه اما پیشرفته

جهان صنعت نیوز – مدل جدید OpenAI، که به تازگی معرفی شده است، نوید تغییری اساسی در نحوه عملکرد و هزینه‌های نرم‌افزار را می‌دهد. تا پیش از این، نرم‌افزارها بر اساس مدل هزینه حاشیه‌ای نزدیک به صفر عمل می‌کردند؛ یعنی پس از ساخت، ارائه خدمات به تعداد زیادی از کاربران هزینه چندانی نداشت. اما مدل‌هایی مانند o3، با نیاز به قدرت پردازشی بیشتر در هنگام استنتاج، این معادله را به چالش می‌کشند.

به جای تولید سریع پاسخ‌ها با کمترین هزینه، o3 بر “تفکر عمیق‌تر” و استفاده از توان محاسباتی بیشتر تمرکز دارد که هزینه هر درخواست را به طور قابل توجهی افزایش می‌دهد. این تغییر، هم بر ساختار قیمت‌گذاری خدمات نرم‌افزاری تأثیر خواهد گذاشت و هم زنجیره تأمین و توزیع آن را متحول می‌کند.

شرکت‌هایی که تراشه‌های تخصصی هوش مصنوعی می‌سازند، مانند Nvidia، و ارائه‌دهندگان خدمات ابری مانند آمازون، مایکروسافت و گوگل، از این تغییرات سود خواهند برد. اما برای سازندگان مدل‌هایی مثل OpenAI، فشار از دو جهت وارد خواهد شد: هم تأمین‌کنندگان و هم رقبا.

مدل o3 نشان‌دهنده برتری فنی OpenAI است، اما پرسش اینجاست که آیا این مدل و دیگر محصولات مشابه می‌توانند از نظر اقتصادی پایدار باشند و به اندازه غول‌های فناوری گذشته سودآور شوند؟ به نظر می‌رسد آینده اقتصاد نرم‌افزار به طور قابل توجهی با هوش مصنوعی گره خورده است.

معرفی مدل جدید OpenAI؛ قدرت پردازش بیشتر و تغییرات اقتصادی

وقتی OpenAI چند روز قبل از کریسمس مدل جدید هوش مصنوعی به نام o3 را معرفی کرد، این خبر همزمان شور و شوق و تردیدهایی را برانگیخت. شوق از طرف کسانی که فکر می‌کردند این مدل گامی بزرگ به سمت هوش فراتر از انسان خواهد بود (برخی حتی آن را از معرفی ChatGPT در سال ۲۰۲۲ مهم‌تر می‌دانستند). تردید اما از طرف کسانی بود که معتقد بودند OpenAI این مدل را برای عموم عرضه نکرده و ممکن است در بزرگ‌نمایی نقش خود در دنیای هوش مصنوعی زیاده‌روی کرده باشد، شاید برای جلب توجه دونالد ترامپ، رئیس‌جمهور جدید.

با این حال، از آن زمان تاکنون یک نکته روشن شده است: این مدل، مثل نسخه قبلی‌اش یعنی o1 (نسخه o2 به دلیل تشابه نامش با یک اپراتور موبایل اروپایی کنار گذاشته شد)، وقتی که زمان بیشتری برای «فکر کردن» به آن داده شود، نتایج بهتری تولید می‌کند. اما این «فکر کردن» بیشتر به معنای استفاده از قدرت محاسباتی بیشتر است که هزینه بالاتری هم به همراه دارد. این موضوع تغییری اساسی در اقتصاد دیجیتال به وجود آورده است؛ اقتصادی که تا به حال بر ارائه خدمات ارزان و گسترده با هزینه نزدیک به صفر بنا شده بود، به لطف توزیع رایگان از طریق اینترنت. هرچه مدل‌های جدید گران‌تر شوند، از آن دوران هزینه نزدیک به صفر بیشتر فاصله می‌گیریم.

ارزش‌گذاری OpenAI و چالش‌های پیش‌رو

سرمایه‌گذاران، OpenAI را مثل یک ستاره در حال اوج گرفتن در دنیای فناوری می‌بینند: ارزش این شرکت طبق گزارش‌ها به ۱۵۷ میلیارد دلار رسیده است. آنها امیدوارند که OpenAI به لطف موفقیت محصولاتی مثل ChatGPT، به غول فناوری بعدی با ارزش یک تریلیون دلار تبدیل شود. اما هزینه‌های بالاتر مدل‌های پیشرفته و فشارهای ناشی از رقبا، تأمین‌کنندگان و توزیع‌کنندگان نشان می‌دهد که ساخت مدل‌های هوش مصنوعی شاید نتواند قدرت انحصاری مشابه غول‌های فناوری فعلی را به همراه داشته باشد.

موفقیت مدل o3 در چالش ARC

فرانسوا شوله، یکی از محققان باسابقه هوش مصنوعی، در روز معرفی o3 در شبکه اجتماعی X (توییتر سابق) نوشت: «یک نکته مهم درباره آینده: اقتصاد هوش مصنوعی در حال دگرگونی کامل است.»

این محقق هوش مصنوعی نقش مهمی در ایجاد هیجان پیرامون مدل o3 داشته است. در ماه ژوئن، او یک جایزه یک میلیون دلاری برای مدل‌هایی تعیین کرد که بتوانند چالشی را که او پنج سال پیش طراحی کرده بود، به نام “مجموعه استدلال و تجرید” یا ARC، پشت سر بگذارند. این چالش شامل مجموعه‌ای از معماهای تصویری ساده به نظر می‌رسد که به گفته او “برای انسان‌ها آسان و برای هوش مصنوعی مدرن غیرممکن” طراحی شده بود. (البته آسانی این معماها نسبی است؛ در یک مطالعه در ماه سپتامبر، انسان‌هایی که به‌صورت آنلاین در این آزمون شرکت کردند، تنها ۶۰ تا ۷۰ درصد موفق به حل آن شدند.)

هدف از این جایزه فقط یک چالش سرگرم‌کننده نبود. شوله اعلام کرد که موفقیت در انجام یک وظیفه ARC یک گام “حیاتی” در مسیر ساخت هوش مصنوعی عمومی (AGI) است، یعنی ماشین‌هایی که بتوانند در انجام بسیاری از کارها انسان را شکست دهند.

شش ماه بعد، OpenAI این چالش را به‌طور کامل پشت سر گذاشت. مدل o3 توانست به امتیاز ۹۱.۵ درصد دست یابد. شوله اعلام کرد که موفقیت در این آزمون نشان‌دهنده پیشرفتی چشمگیر در توانایی هوش مصنوعی برای تطبیق با وظایف جدید است. او گفت که این مدل نه‌تنها بهتر است، بلکه با مدل‌های قبلی تفاوت بنیادینی دارد.

رویکرد «محاسبات زمان تست» و هزینه‌های بالا

مشابه مدل o1، مدل o3 نیز از رویکردی به نام “محاسبات زمان تست” استفاده می‌کند. این روش به مدل اجازه می‌دهد نتایج بهتری تولید کند وقتی زمان بیشتری برای نتیجه‌گیری (پاسخ دادن به سوالات با استفاده از مدل آموزش‌دیده) صرف شود. به‌جای اینکه فقط سریع‌ترین پاسخ ممکن را ارائه دهد، o3 طوری طراحی شده که عملاً بیشتر روی پرسش “فکر کند”.

اینجاست که هزینه‌های بالاتر خود را نشان می‌دهند. شوله سقفی معادل ۱۰ هزار دلار برای هزینه محاسباتی تعیین کرد که شرکت‌کنندگان می‌توانند برای پاسخ به ۴۰۰ سؤال چالش او صرف کنند. وقتی OpenAI مدلی ارائه داد که در این محدودیت باقی بماند، توانست با صرف ۶,۶۷۷ دلار (حدود ۱۷ دلار برای هر سؤال) به امتیاز ۸۲.۸ درصد دست یابد. اما امتیاز ۹۱.۵ درصدی که توسط مدل o3 به دست آمد، با عبور از این محدودیت بود. شرکت هزینه دقیق این فرآیند را فاش نکرد، اما اعلام کرد که نسخه پرهزینه این فرآیند ۱۷۲ برابر بیشتر از روش ارزان‌تر محاسبات انجام داده است—که نشان می‌دهد حدود ۳,۰۰۰ دلار برای حل یک سؤال هزینه شده، در حالی که حل همان سؤال برای انسان فقط چند ثانیه طول می‌کشد.

البته، مدل‌های هوش مصنوعی پیشین نیز تا حدی با هنجار هزینه حاشیه‌ای پایین صنعت نرم‌افزار تناقض داشتند، چرا که پاسخ دادن به درخواست‌ها به پردازش بسیار بیشتری نسبت به ابزارهای معادل مثل موتور جست‌وجو نیاز داشت. اما هزینه ساخت مدل‌های زبان بزرگ و اجرای آن‌ها به اندازه‌ای پایین بود که OpenAI همچنان می‌توانست دسترسی رایگان به این مدل‌ها ارائه دهد.

اما با مدل‌های جدید، این شرایط دیگر برقرار نیست. OpenAI استفاده از نسخه “حرفه‌ای” مدل o1 را محدود به کاربرانی کرده که اشتراک ماهانه ۲۰۰ دلاری دارند (و به گفته سم آلتمن، مدیر عامل این شرکت، OpenAI در این سرویس ضرر می‌کند، زیرا مشتریان بیشتر از آنچه که شرکت برای درخواست‌ها بودجه‌بندی کرده بود، از مدل استفاده می‌کنند).

پیر فرراگو، از شرکت تحلیل‌گری New Street Research، بر این باور است که OpenAI ممکن است برای دسترسی کامل به مدل o3 تا ماهانه ۲,۰۰۰ دلار هزینه دریافت کند.

تغییر قوانین مقیاس‌پذیری

قدرت مدل‌های جدید به این دلیل است که نسخه‌ای از «قوانین مقیاس‌پذیری» دنیای فناوری را به کاربران نهایی نزدیک‌تر می‌کنند. تا پیش از این، پیشرفت در هوش مصنوعی بر پایه اجرای آموزش‌های بزرگ‌تر و بهتر استوار بود؛ به این صورت که داده‌های بیشتر و توان پردازشی قوی‌تر باعث ایجاد هوش بیشتر می‌شد. اما زمانی که مدل آموزش می‌دید، استفاده مؤثر از توان پردازشی اضافی دشوار بود. موفقیت مدل o3 در چالش ARC نشان می‌دهد که این وضعیت دیگر تغییر کرده است. به نظر می‌رسد قوانین مقیاس‌پذیری از مرحله آموزش مدل‌ها به مرحله استنتاج (Inference) منتقل شده‌اند.

این تحولات، اقتصاد پیش روی سازندگان مدل‌هایی مثل OpenAI را تغییر می‌دهد. وابستگی مدل‌های جدید به توان پردازشی بیشتر، موقعیت تأمین‌کنندگان آن‌ها مانند شرکت Nvidia، که تراشه‌های تخصصی هوش مصنوعی تولید می‌کند، را تقویت می‌کند. همچنین توزیع‌کنندگان مدل‌های هوش مصنوعی، به‌ویژه ارائه‌دهندگان خدمات ابری مانند آمازون، مایکروسافت و آلفابت (شرکت مادر گوگل)، از این تغییرات سود خواهند برد. این روند می‌تواند سرمایه‌گذاری‌های عظیم این غول‌های فناوری در مراکز داده را توجیه کند، زیرا استنتاج‌های بیشتر به قدرت پردازشی بیشتری نیاز خواهد داشت. این وضعیت باعث می‌شود OpenAI هم از سوی تأمین‌کنندگان و هم توزیع‌کنندگان تحت فشار قرار گیرد.

رقابت شدید در بازار مدل‌های هوش مصنوعی

در کنار این‌ها، مسئله رقابت نیز مطرح است. گوگل مدل استدلالی خود به نام Gemini 2.0 Flash را منتشر کرده و احتمالاً شرکت‌های فناوری دیگر نیز مدل‌های مشابهی ارائه خواهند کرد. پیش‌بینی می‌شود که مدل‌های متن‌باز نیز به این حوزه وارد شوند. مشتریان می‌توانند از مدل‌های مختلفی که توسط ارائه‌دهندگان گوناگون عرضه می‌شوند استفاده کنند. با اینکه مدل‌های هوش مصنوعی مولد ممکن است از طریق تعامل با کاربران کمی بهبود یابند، آن‌ها فاقد اثرات شبکه‌ای واقعی هستند—یعنی وضعیتی که در آن خدمات با افزایش تعداد کاربران به طور چشمگیری بهتر می‌شوند—برخلاف محصولاتی که گوگل و فیس‌بوک در دوران گذشته ارائه می‌دادند.

آینده اقتصاد هوش مصنوعی

هزینه‌های حاشیه‌ای بالا به این معناست که سازندگان مدل‌ها باید ارزشی واقعی و معنادار ایجاد کنند تا بتوانند قیمت‌های بالایی برای خدمات خود مطالبه کنند. به گفته لَن گوان از شرکت مشاوره Accenture، امید این است که مدل‌هایی مانند o3 بتوانند از عامل‌های هوش مصنوعی پشتیبانی کنند که افراد و شرکت‌ها از آن‌ها برای افزایش بهره‌وری خود استفاده کنند. حتی اگر استفاده از یک مدل استدلالی قیمت بالایی داشته باشد، ممکن است در مقایسه با هزینه استخدام، مثلاً یک دکترای ریاضی، به‌صرفه باشد. اما این موضوع کاملاً به میزان کارآمدی و مفید بودن این مدل‌ها بستگی دارد.

موارد استفاده مختلف نیز ممکن است منجر به پراکندگی بیشتر در بازار شوند. به گفته جرمی اشنایدر از شرکت مشاوره McKinsey، ارائه خدمات هوش مصنوعی به مشتریان شرکتی نیازمند مدل‌هایی است که برای نیازهای خاص هر کسب‌وکار طراحی شده باشند، نه مدل‌های عمومی مثل ChatGPT.

به جای اینکه یک شرکت همه‌چیز را در انحصار خود داشته باشد، برخی پیش‌بینی می‌کنند که صنعت ساخت مدل بیشتر شبیه به یک انحصار سنتی خواهد بود؛ صنعتی با موانع ورود بالا اما بدون تسلط کامل یک شرکت یا سودهای انحصاری. در حال حاضر، OpenAI پیشتاز این حوزه است، اما یکی از رقبای اصلی آن، شرکت Anthropic، ظاهراً در حال جذب سرمایه با ارزشی معادل ۶۰ میلیارد دلار است. همچنین شرکت xAI که بیشتر سهام آن متعلق به ایلان ماسک است، ۴۵ میلیارد دلار ارزش‌گذاری شده است. این موضوع نشان می‌دهد که انتظارات بالایی از این شرکت‌ها نیز وجود دارد.

با معرفی مدل o3، OpenAI برتری فنی خود را به نمایش گذاشته است، اما مدل کسب‌وکار آن هنوز به طور کامل مورد آزمایش قرار نگرفته است.

 

اخبار برگزیدهدانش و فناوری