وحشت هوش مصنوعی برای اقتصاد جهانی

شرکت‌های فناوری نه تنها در حال خرید زیرساخت هستند، بلکه در چند سال گذشته با سرازیر کردن سرمایه خطرپذیر (VC) به OpenAI، Anthropic و سایر سازندگان مدل‌های بنیادی به این رقابت دیوانه‌وار پیوسته‌اند. شرکت‌های سرمایه‌گذاری خطرپذیر سنتی از این موضوع شکایت دارند که از زمان رونق دات‌کام چنین دخالت گسترده شرکتی را ندیده‌اند. غول‌های فناوری پول نقد فراوانی در اختیار دارند و می‌توانند به راحتی هزینه کنند. اما اگر گذشته راهنمای خوبی باشد، رکود اقتصادی در راه است و این شرکت‌ها آنقدر در بازار سهام وزن دارند که اگر هیجان بیش از حد آنها به ظرفیت مازاد منجر شود، عواقب آن بسیار زیاد خواهد بود.

تاریخ پندآموز است. در روزهای اولیه گسترش راه آهن، ریل‌ها برای لوکوموتیوهایی ساخته می‌شدند که خیلی زود با نمونه‌های قدرتمندتر جایگزین شدند. با سنگین‌تر شدن واگن‌ها، خطوط آهن باید با مواد محکم‌تری جایگزین می‌شدند.

به عنوان یک نمونه دیگر، شرکت‌های مخابراتی در دهه ۱۹۹۰ سرمایه‌گذاری خود را ۳.۵ برابر افزایش دادند و ۶۰۰ میلیون کیلومتر کابل را با این باور که مردم حاضرند برای آنلاین شدن هزینه‌های بالایی بپردازند، کار گذاشتند. اما کاربران فکر می‌کردند اینترنت باید رایگان باشد.

حالا شرکت‌ها، مراکز داده‌ ای را که ممکن است برای مقابله با واحدهای پردازش گرافیکی (GPU) که هر روز قدرتمندتر می‌شوند، مجهز نباشند، با خطوط آهن قدیمی مقایسه می‌کند. GPU تراشه‌هایی هستند که برای آموزش و اجرای هوش مصنوعی استفاده می‌شوند. شاید تصورات غول‌های فناوری درباره‌ تمایل مردم به پرداخت هزینه برای چت‌بات‌ها و سایر ابزار هوش مصنوعی پر زرق و برق، به همان اندازه اشتباه باشد.

علائم زیادی حاکی از آن است که غول‌های تکنولوژی دچار خوش‌بینی افراطی شده‌اند. یکی از ریسک‌های پیش رو، ولخرجی‌های افسارگسیخته است.

وال استریت هم‌اکنون در حال برآورد هزینه‌کرد سرمایه‌ای این چهار شرکت طی پنج سال آینده است که رقم خیره‌کننده‌ یک تریلیون دلار را نشان می‌دهد (البته اپل رویکرد محتاطانه‌تری در پیش گرفته است). در حالی که درآمدها ممکن است در نتیجه‌ی این سرمایه‌گذاری‌ها افزایش یابد، هزینه‌ها نیز به همین ترتیب بالا خواهند رفت. این هزینه‌ها شامل حقوق‌های نجومی مهندسان ماهر و قبض‌های برق هنگفت مراکز داده‌ای است که باید بتوانند تقاضای بالای هوش مصنوعی را مدیریت کنند. حتی در حال حاضر، سرمایه‌گذاران نسبت به چنین ریسک‌پذیری‌هایی بی‌میل هستند. در هفته‌های اخیر، آن‌ها طرح‌های هزینه‌کرد سرمایه‌ای گوگل را تحسین کرده‌اند اما بر روی برنامه‌های متا (فیسبوک سابق) آب سرد ریخته‌اند. با توجه به سابقه‌ی آقای زاکربرگ و دیگران در هدر دادن پول برای پروژه‌های عظیم و غیرمنطقی، نگرانی سرمایه‌گذاران قابل درک است.

ریسک دیگر این است که هوش مصنوعی در حال تبدیل شدن به کالا هستند. «ابررایانه‌های مقیاس‌پذیر»، یعنی آلفابت، آمازون و مایکروسافت، مدل‌های اختصاصی هوش مصنوعی بزرگ را ساخته و در آن‌ها سرمایه‌گذاری کرده‌اند که پیشرفته‌ترین مدل‌ها به شمار می‌روند. آن‌ها همچنین جایگزین‌های متن‌باز کوچک‌تری را اجرا می‌کنند که شامل موارد ساخته‌شده توسط متا می‌شود که در حال بهتر و ارزان‌تر شدن هستند. هاگینگ فیس، قطب علاقه‌مندان به هوش مصنوعی، بیش از ۶۵۰ هزار مدل را فهرست می‌کند. هرچه سهم بیشتری از بازار را از مدل‌های اختصاصی بزرگ بگیرند، بازگشت احتمالی سرمایه‌گذاری پایین‌تر می‌آید.

ریسک نهایی این است که با افزایش مقیاس، بازده‌ها کاهش می‌یابد. با افزایش قدرت محاسباتی و داده‌ها، مدل‌های غول‌های فناوری بزرگ‌تر می‌شوند. اما هیچکس نباید تصور کند که با ریختن پول بیشتر روی آن‌ها، این مدل‌ها به طور متناسبی بهتر خواهند شد.

OpenAI در سیزدهم ماه می نسخه جدیدی از مدل gpt-4 خود را با نام gpt-4o راه‌اندازی کرد. این مدل سریع‌تر است و مهارت‌های زبانی آن به این معنی است که شما گفتگوی بیشتری را برای gpt خود دریافت می‌کنید. اما این مدل، gpt-5 کاملاً جدیدی نبود که برخی از کارشناسان فناوری به آن امیدوار بودند.

آیا مدل‌های همیشه بزرگ‌تر، آزمون بهینه بودن هزینه را پشت سر خواهند گذاشت؟

در رقابت‌های تسلیحاتی، همان‌طور که برای حمله هزینه می‌شود، برای دفاع هم هزینه می‌شود. هیچ‌کدام از این چهار بازیگر نمی‌خواهند عقب بیفتند، چون در غیر این صورت ممکن است قربانیِ برهم‌خوردگی اوضاع شوند. خوشبختانه، به نظر می‌رسد آسیب به کل جامعه محدود خواهد بود. همان‌طور که در مورد خطوط راه‌آهن و کابل‌های مخابراتی، ظرفیت اضافی باعث ارزان‌تر شدن خدمات می‌شود. در بسیاری از رونق‌های زیرساختی، منافع بیشتر به کاربران نهایی می‌رسد تا کسانی که زیرساخت‌ها را بنا می‌گذارند. پس اگر اتفاق دوباره بیفتد، تعجب نکنید.