سرانجام دوران هوش مصنوعی رایگان؛ چرا غول های فناوری جیب ما را هدف گرفته اند؟
به گزارش تور ارمنستان ارزان، دوست دارید وقتی گوگل می کنید، در نتایج جستجوی خودتون، مطالب خبرنگاران را بیشتر ببینید؟!
ساده است! روی دکمه روبرو کلیک کن و تیک کنار سایت خبرنگاران را بزن. بعدش هیچ کار دیگری لازم نیست و صفحه را ببند.
همینجاکلیک کن!
پیش از این هم برایتان نوشته بودم که دوران طلایی دسترسی بی دردسر و رایگان به فناوری های نوین ابدی نیست؛ اما حالا معین شده که فاکتورهای سنگین صادر شده اند و شرکت های بزرگ فناوری دیگر نمی خواهند به اصطلاح خیریه اداره نمایند. در این پست با هم می بینیم که چطور دوران خوش خدمات رایگان یا بسیار مقرون به صرفه هوش مصنوعی به انتها خود نزدیک می گردد و چطور افزایش قیمت ها، تبلیغات اعصاب خردکن، محدودیت های دسترسی و کاهش سهمیه ابزارهای رایگان، زندگی دیجیتال ما را تحت تاثیر قرار خواهند داد. آیا واقعا ما در حال ورود به عصر انحصار و سهمیه بندی ابزارهای هوشمند هستیم؟ بیایید این پرونده مجذوب کننده را ورق بزنیم.
???? لیست بخش های این نوشته
(کلیک کنید)
- وقتی شیرهای رایگان هوش مصنوعی بسته می شوند
- تکرار تاریخ سواری های مقرون به صرفه در دنیای فناوری
- ریاضیات ترسناک توکن ها و جنون دیتاسنترها
- پشت صحنه پرهزینه مدل های استدلالی
- چاره اندیشی توسعه دهندگان و پناه بردن به مدل های متن باز
- پارادوکس استگوزاروس و خطر فروپاشی حباب فناوری
- فرار بزرگ از انحصار؛ چالش بقای کسب وکارهای کوچک
وقتی شیرهای رایگان هوش مصنوعی بسته می شوند
ماجرا از جایی جدی شد که میلیون ها کاربر ابزار محبوب اوپن کلاو (OpenClaw) با یک شوک ناگهانی بیدار شدند. این ابزار که به عنوان یک ایجنت هوشمند (AI Agent) ویروسی در سراسر جامعه توسعه دهندگان سروصدا به پا نموده بود، ناگهان به وسیله شرکت Anthropic به شدت محدود شد. این غول هوش مصنوعی تحت فشار شدیدی قرار گرفته است تا هم فشار روی سیستم های پردازشی خود را کاهش دهد و هم بالاخره به یک سودآوری واقعی برسد. بنابراین، اگر کاربران می خواستند از مدل قدرتمند Claude برای راهنمایی ابزارهای خود استفاده نمایند، دیگر چاره ای جز پرداخت هزینه های سنگین نداشتند.
مدیران ارشد بخش کدهای کلود به صراحت در شبکه های اجتماعی اعلام کردند که اشتراک های معمولی آن ها برای الگوهای مصرفی عجیب و غریب این ابزارهای جانبی طراحی نشده بود. آن ها مدعی هستند که برای پایداری بلندمدت خدمات خود باید این رشد بی رویه را کنترل نمایند. این تصمیم نشانه ای واضح از تغییر دوران است. سرمایه گذاران صدها میلیارد دلار به جیب شرکت هایی مانند OpenAI و Anthropic سرازیر نموده اند تا دیتاسنترهای غول پیکر بسازند، اما حالا وقت حساب وکتاب است. دوران خوش آزمایش های رایگان به سر آمده و فاکتور نهایی روی میز کاربران گذاشته شده است.
تکرار تاریخ سواری های مقرون به صرفه در دنیای فناوری
این داستان برای کسانی که تحولات دنیای فناوری را در دو دهه اخیر دنبال نموده اند کاملاً آشناست. ما پیش از این هم شاهد بودیم که چطور سرمایه گذاران خطرپذیر با یارانه های دولتی و خصوصی، هزینه سواری های مقرون به صرفه قیمت تاکسی های اینترنتی یا تحویل رایگان غذا را پرداخت می کردند تا شرکت ها به انحصار و سهم بازار دست یابند. به محض اینکه این شرکت ها جای پای خود را محکم کردند، قیمت ها بالا رفت، تبلیغات اضافه شد و کیفیت خدمات کاهش یافت تا سرمایه گذاران به سود خود برسند.
تفاوت بزرگ اینجاست که هوش مصنوعی با سرعتی باورنکردنی و در مقیاسی بسیار بزرگ تر از استارتاپ های قدیمی، سرمایه ها را می بلعد. ساخت دیتاسنترهای بزرگ و تامین برق مورد احتیاج آن ها میلیاردها دلار هزینه روی دست شرکت ها می گذارد. تحلیلگران مالی بر این باورند که وقتی تریلیون ها دلار به درون دیتاسنترها سرازیر می گردد، انتظار برای بازگشت سرمایه نیز به همان مقدار وحشتناک و بی رحمانه خواهد بود. دوره ای که هر سرویس اینترنتی یک بخش رایگان کارآمد داشت، احتمالاً به تاریخ پیوسته است.
ریاضیات ترسناک توکن ها و جنون دیتاسنترها
برای درک بهتر ابعاد این بحران مالی، باید به آمارهای موسسات تحلیل مالی نگاه کنیم. برآوردها نشان می دهد که سرمایه گذاری روی دیتاسنترهای هوش مصنوعی تا چند سال آینده به رقم نجومی چندین تریلیون دلار خواهد رسید. برای اینکه این سرمایه گذاری ها به یک فاجعه بزرگ مالی و افت ارزش سهام تبدیل نشوند، غول های فناوری باید به عایدی سالانه تریلیون دلاری برسند؛ رقمی که در حال حاضر حتی به آن نزدیک هم نشده اند.
سیستم عایدیی این شرکت ها بر اساس فروش توکن (Token) است؛ یعنی کوچک ترین واحد متنی یا داده ای که یک مدل پردازش می نماید. برای رسیدن به اهداف مالی سرمایه گذاران، حجم مصرف توکن ها در سراسر دنیا باید ده ها هزار برابر افزایش یابد. در حال حاضر حتی زیرساخت های فعلی برق و تراشه ها کشش چنین حجم بزرگی از پردازش را ندارند. شرکت ها برای هر توکنی که در مدل های پیشرفته مصرف می گردد، با توجه به هزینه های غیرقابل باور آموزش مدل های نسل بعد، در واقع متحمل ضرر مالی می شوند.
پشت صحنه پرهزینه مدل های استدلالی
یکی از دلایل اصلی بالا رفتن هزینه ها، تغییر ماهیت ابزارهای هوش مصنوعی است. در ابتدا بیشتر هزینه ها مربوط به مرحله آموزش اولیه مدل ها بود و پاسخ دهی به سوالات یا همان استنتاج (Inference) هزینه کمتری داشت. اما اکنون مدل های تازه که بر پایه استدلال منطقی کار می نمایند، تشنه پردازش هستند. این ابزارها برای حل یک مسئله ساده، بارها با خود خلوت می نمایند، مسیرهای مختلف را می سنجند و هزاران توکن پشت صحنه مصرف می نمایند که کاربر هرگز آن ها را نمی بیند.
این فرآیند شبیه به این است که شما یک سوال یک خطی بپرسید و سیستم برای پاسخ به آن، یک کتابچه کامل بنویسد و پاک کند تا به برترین نتیجه برسد. وقتی میلیون ها نفر به طور همزمان از این دستیارهای کدنویسی یا برنامه ریزی استفاده می نمایند، پهنای باند و قدرت پردازشی سرورها به زانو درمی آید. به همین علت غول های فناوری مجبور شده اند دسترسی ابزارهای شخص ثالث را که به صورت مداوم در پس زمینه سیستم ها در حال پردازش هستند، محدود یا منوط به پرداخت هزینه های گزاف نمایند.
چاره اندیشی توسعه دهندگان و پناه بردن به مدل های متن باز
با افزایش قیمت خدمات ابری شرکت های انحصارطلب، بسیاری از توسعه دهندگان و شرکت های نوپا به فکر تغییر استراتژی افتاده اند. کوچ بزرگ به سمت مدل های متن باز (Open-Source) شروع شده است. شرکت ها ترجیح می دهند مدل های خود را روی سرورهای شخصی یا سرویس های ابری اختصاصی تر میزبانی نمایند تا کنترل کاملی روی هزینه ها و امنیت داده های خود داشته باشند.
کسب وکارهای میانه اکنون به جای استفاده از گران ترین مدل ها برای تمام وظایف، فرآیندهای خود را تقسیم بندی می نمایند. آن ها کارهای ساده و روتین را به مدل های کوچک تر و مقرون به صرفه تر می سپارند و فقط برای کارهای بسیار حیاتی و پیچیده از مدل های تراز اول استفاده می نمایند. رقابت شدیدی که در این حوزه شکل گرفته، شرکت های بزرگ را مجبور نموده تا قیمت مدل های ضعیف تر خود را به شدت کاهش دهند، چرا که می دانند در غیر این صورت مشتریان خود را به طور کامل به دنیای متن باز واگذار خواهند کرد.
پارادوکس استگوزاروس و خطر فروپاشی حباب فناوری
تحلیلگران مالی این شرایط پیچیده را به پارادوکس استگوزاروس تشبیه می نمایند. زمانی که دانشمندان برای نخستین بار فسیل این دایناسور گیاه خوار بزرگ را کشف کردند، برایشان عجیب بود که چطور چنین بدن بزرگی با یک سر بسیار کوچک و دهانی مینیاتوری تغذیه می شده است. فرضیه آن ها این بود که این موجود باید در تمام طول شبانه روز در حال خوردن غذاهای بسیار مقوی می بوده تا زنده بماند.
هوش مصنوعی امروزی دقیقاً همین شرایط را دارد. این بدنه بزرگ پردازشی و دیتاسنترهای تریلیون دلاری برای بقا احتیاج به حجم بزرگی از جریان پول نقد دارند که باید از سراسر اقتصاد دنیا، و نه فقط بخش فناوری، تامین گردد. اگر این دهان کوچک نتواند غذای کافی به بدنه غول پیکر برساند، حباب ارزش گذاری ها خواهد ترکید و شاهد سقوط آزاد سهام شرکت های این حوزه خواهیم بود. به همین علت است که اکنون غول های هوش مصنوعی کوشش می نمایند تا خدمات خود را به هر شکل ممکن در تمام تراکنش های روزمره، از کیوسک های فروشگاهی گرفته تا بیلبوردهای خیابانی تزریق نمایند تا از هر تراکنش سهم کوچکی بردارند.
فرار بزرگ از انحصار؛ چالش بقای کسب وکارهای کوچک
یکی از سوالاتی که فکر فعالان تکنولوژی را درگیر نموده این است که آیا کسب وکارهای کوچک می توانند بدون باج دادن به غول هایی مثل OpenAI زنده بمانند؟ واقعیت این است که در حوزه کارهای پیچیده مانند کدنویسی تخصصی، مدل های متن باز هنوز فرسنگ ها با رقبای تجاری خود فاصله دارند. این یعنی شرکت های نوپا برای حفظ کیفیت ناچارند هزینه های سنگین اشتراک ها را بپذیرند.
با این حال، راه چاره کلیدی در شخصی سازی مدل ها نهفته است. کسب وکارهای هوشمند به جای تکیه بر مدل های عمومی بزرگ، در حال بهینه سازی مدل های کوچک روی داده های اختصاصی خود هستند. این روش نه تنها هزینه های مصرف توکن را به شدت کاهش می دهد، بلکه وابستگی آن ها را به تصمیمات ناگهانی و تغییر سیاست های قیمت گذاری شرکت های بزرگ از بین می برد. در این بازی تازه، برنده کسی نیست که بزرگ ترین مدل را دارد، بلکه کسی است که بهینه ترین استفاده را از منابع محدود خود می برد.
جمع بندی نهایی:
رویای هوش مصنوعی کاملاً رایگان و نامحدود در حال رنگ باختن است. غول های فناوری پس از جذب میلیاردها کاربر، اکنون تحت فشار شدید سرمایه گذاران برای سودآوری قرار گرفته اند. افزایش قیمت ها، سهمیه بندی توکن ها و ورود تبلیغات به چت بات ها، واقعیت های تازه این زیست بوم هستند. با این حال، این فشار مالی لزوماً انتها کار نیست؛ بلکه شروعگر دوران تازهی از بهینه سازی، ارتقای مدل های متن باز و استفاده هوشمندانه تر از ابزارهای پردازشی است که در نهایت بازار را به سمت تعادلی پایدارتر راهنمایی خواهد نمود.
منبع
منبع: یک پزشک