به گزارش خبرآنلاین، در سالهای اخیر هوش مصنوعی به یکی از مهمترین و جذابترین زمینههای سرمایهگذاری در سطح جهانی تبدیل شده است. شرکتهای نامداری همچون OpenAI، Google، Microsoft و Anthropic میلیاردها دلار را به توسعه مدلهای زبانی، تجهیزات محاسباتی و مراکز داده اختصاص دادهاند. این روند نه فقط موجب جلب توجه عمومی شده، بلکه ارزش بازار این شرکتها را به تریلیونها دلار افزایش داده است.
سوالی کلیدی در این بین شکل میگیرد: آیا این رشد بر پایهای منطقی و علمی استوار است یا تنها نشانهای از حبابی مشابه حباب اینترنت در دهه ۹۰ میلادی است؟
### مدلهای بزرگتر
طبق گزارشی از «sciencefocus»، اساس این رونق بر یک فرضیه بنیادی قرار دارد: با افزایش اندازه مدلهای هوش مصنوعی، فراهمآوری دادههای بیشتر و بالا بردن توان محاسباتی، عملکرد آنها بهبود مییابد. این نظریه به عنوان «قانون مقیاس» شناخته میشود و به عنوان محرک اصلی صنعت هوش مصنوعی عمل کرده است.
به عنوان نمونه، مدل GPT-3 در سال ۲۰۲۰ دارای ۱۷۵ میلیارد پارامتر بود، در حالی که نسخه جدید آن، GPT-4، بیش از ۱۰ برابر این رقم را داراست. نتیجه این افزایش، رشد قابل توجهی در تواناییهای این مدلها و جلب توجه سرمایهگذاران بوده است.
با این حال، کارشناسانی چون گری مارکوس هشدار میدهند که این رشد ممکن است پایدار نباشد چرا که با سه محدودیت کلیدی روبرو هستیم.
**توهم(Hallucinations):** حتی پیشرفتهترین مدلها هنوز هم گاهی اوقات اطلاعات نادرست، ساختگی یا غیرواقعی تولید میکنند، که نشاندهنده عدم وجود درک واقعی در این سیستمهاست و فقط الگوهای آماری را تقلید میکنند.
**مشکل موارد پرت(Outlier Problem):** مدلهای هوش مصنوعی ممکن است در مواجهه با مواردی که در دادههای آموزشی آنها وجود نداشته، به طور فاجعهباری دچار خطا شوند، مانند خودروی خودران که قادر به شناسایی یک شیء جدید نیست.
**کمبود دادههای جدید:** شرکتها بهطور تقریبی از تمامی دادههای موجود در اینترنت برای آموزش مدلها استفاده کردهاند و دیگر منابع بزرگ قابل توسعهای برای ادامه این روند باقی نمانده است.
این محدودیتها باعث شدهاند که رشد ابعاد مدلها دیگر نتایج موجهی با توجه به هزینههای بالای آنها نداشته باشد.
### واقعیت یا حباب؟
در دنیای هوش مصنوعی، رفتار سرمایهگذاران معروفی مانند پیتر تیل و مایکل بری نشاندهنده تردیدهایی در بازار نسبت به تداوم این رشد است. در مقابل، برخی موسسات مالی نظیر Goldman Sachs مطرح میکنند که ما هنوز در حباب نیستیم زیرا شرکتهای بزرگ فناوری همچنان به سوددهی ادامه میدهند.
آینده هوش مصنوعی ممکن است به دو مسیر دچار شود: یکی مسیر نوآوری که به فناوریهای نوین و ترکیبی، نظیر «هوش مصنوعی نوروسیمبولیک»، امکان عبور از محدودیتهای کنونی را میدهد و دیگری مسیری که در آن بحران سرمایهگذاری و کاهش بازده اقتصادی را به دنبال داشته باشد و موجب افول ارزش شرکتهای کمپشتوانه شود.
حتی اگر حباب مورد نظر ترکیده شود، این به معنای پایان هوش مصنوعی نخواهد بود، بلکه احتمالاً به بازگشت به مدلهای اقتصادی و فناوری واقعیتر و مقرون به صرفهتر خواهد انجامید.
