خطرات سرمایهگذاری در حوزه هوش مصنوعی در صنایع تولیدی و سایر حوزهها هنوز روشن نیستند.
کلِم دلنگ، مدیرعامل Hugging Face، این هفته در یک مراسم Axios سخن میگوید. منبع: Axios
اخیراً بحثهای فراوانی دربارهٔ حباب هوش مصنوعی مطرح شده است، بهویژه در مورد تأمین مالی دورانی که شامل شرکتهایی مانند OpenAI و Anthropic میشود؛ اما کلِم دلنگ، مدیرعامل مرکز منابع یادگیری ماشین Hugging Face، استدلال کرده است که این حباب مختص مدلهای زبانی بزرگ است که تنها یک کاربرد از هوش مصنوعی به شمار میرود.
«فکر میکنم ما در حباب LLM هستیم و این حباب ممکن است سال آینده ترکیده شود»، او در یک رویداد Axios این هفته، همانطور که در مقالهای از TechCrunch نقل شده است، گفت. «اما «LLM» تنها یک زیرمجموعهٔ هوش مصنوعی است وقتی که هوش مصنوعی را به زیستشناسی، شیمی، تصویر، صدا و ویدئو اعمال میکنیم. به نظرم هنوز در ابتدای این مسیر هستیم و در چند سال آینده شاهد پیشرفتهای بسیار بیشتری خواهیم بود.»
در Ars، در روزهای اخیر بهطور مفصل دربارهٔ نگرانیهای مربوط به سرمایهگذاری در هوش مصنوعی نوشتهایم. اما به گفتهٔ دلنگ، تقریباً تمام این مباحث دربارهٔ شرکتهایی هستند که محصول اصلی آنها مدلهای زبانی بزرگ است یا دیتاسنترهایی که برای این مدلها ساخته شدهاند؛ بهویژه آنهایی که بر رباتهای گفتگو با کاربرد عمومی متمرکزند و هدفشان پوشش همه نیازهای همه افراد است.
دقیقا همین نوع کاربرد است که دلنگ نسبت به آن نظریهٔ نزولی دارد. «فکر میکنم تمام توجه، تمام تمرکز و تمام سرمایه در این ایده متمرکز شده است که میتوان یک مدل را با استفاده از مقدار زیادی محاسبه ساخت و این مدل تمام مشکلات تمام شرکتها و تمام افراد را حل خواهد کرد»، او گفت.
در عوض، او پیشبینی میکند نتایج نهایی «تعدادی مدل خواهد بود که بیشتر سفارشیسازی و تخصصی هستند و به حل مشکلات مختلف میپردازند».
البته مهم است که اشاره کنیم شرکت او بر این تمرکز دارد تا مانند GitHub، مخزنی برای این نوع مدلهای تخصصی ارائه دهد؛ بهطوری که هم مدلهای بزرگ ارائهشده توسط شرکتهایی چون OpenAI و Meta (مانند gpt‑oss و Llama 3.2) و هم نسخههای تنظیمشدهٔ دقیق که توسعهدهندگان برای نیازهای خاص خود سازگار کردهاند یا مدلهای کوچکتر توسعهیافته توسط پژوهشگران، در این مخزن موجود باشند. این همان هدف اصلی Hugging Face است.
پس بله، طبیعی است که دلنگ اینگونه بگوید. اما او تنها نیست. بهعنوان نمونه، شرکت تحقیقاتی Gartner در آوریل پیشبینی کرد که «تنوع وظایف در جریانهای کاری تجاری و نیاز به دقت بالاتر، باعث تمایل به استفاده از مدلهای تخصصی میشود که بهطور دقیق برای عملکردهای خاص یا دادههای حوزهای تنظیم شدهاند».
صرفنظر از جهتگیری برنامههای مبتنی بر LLM، سرمایهگذاری در سایر کاربردهای هوش مصنوعی بهمطابق تعریف فعلیاش تازه آغاز شده است. اوایل این هفته فاش شد که جف بزوس، مدیرعامل پیشین آمازون، بهعنوان هممدیرعامل یک استارتاپ جدید هوش مصنوعی که بر کاربردهای یادگیری ماشین در مهندسی و تولید تمرکز دارد، مشارکت خواهد کرد؛ و این استارتاپ با بیش از ۶ میلیارد دلار سرمایهگذاری راهاندازی شده است.
این نیز میتواند بهعنوان یک حباب باشد. اما با اینکه برخی از بیانیههای دلنگ دربارهٔ گفتمان حباب هوش مصنوعی بهوضوح برای تقویت موقعیت Hugging Face به کار رفتهاند، یادآوری مفیدی نیز در میان است: اصطلاح گستردهٔ «هوش مصنوعی» بسیار بیش از مدلهای زبانی بزرگ است و ما هنوز در روزهای اولیهٔ مشاهده مسیر پیشرفت این روشها قرار داریم.