ریسکهای سرمایهگذاری در هوش مصنوعی در صنایع تولید و سایر حوزهها کمتر واضح است.
نوشتهٔ ساموئل آکسون
اخیراً دربارهٔ حباب هوش مصنوعی بحثهای فراوانی مطرح شده است، بهویژه در خصوص تأمین مالی دایرهوار شرکتهایی مانند OpenAI و Anthropic — اما کلیم دلانگو، مدیرعامل مرکز منابع یادگیری ماشین Hugging Face، استدلال کرده که این حباب مختص مدلهای زبانی بزرگ است که تنها یک کاربرد هوش مصنوعی محسوب میشود.
«فکر میکنم ما در یک حباب LLM هستیم و احتمالاً این حباب LLM در سال آینده ممکن است بشکند»، او در یک رویداد Axios این هفته گفت، همانطور که در مقالهای از TechCrunch نقل شد. «اما «LLM» فقط زیرمجموعهای از هوش مصنوعی است وقتی که هوش مصنوعی را در حوزههای زیستشناسی، شیمی، تصویر، صوت و ویدئو به کار میبریم. فکر میکنم ما در آغاز این مسیر هستیم و در چند سال آینده شاهد پیشرفتهای بیشتری خواهیم بود.»
در Ars، ما در روزهای اخیر بهطور مفصل دربارهٔ نگرانیهای مرتبط با سرمایهگذاری در هوش مصنوعی نوشتیم. اما به گفته دلانگو، تقریباً تمام این بحثها به شرکتهایی مربوط میشود که محصول اصلیشان مدلهای زبانی بزرگ است یا مراکز دادهای که برای پشتیبانی از آنها ایجاد شدهاند — بهویژه شرکتهایی که بر چتباتهای عمومی هدفمند برای همه کاربرد دارند.
دقیقاً همین نوع کاربردی است که دلانگو نسبت به آن نگرش منفی دارد. «فکر میکنم تمام توجه، تمام تمرکز و تمام سرمایهگذاریها در این ایده متمرکز شدهاند که میتوان یک مدل را با محاسبات فراوان ساخت و این مدل تمام مشکلات تمام شرکتها و افراد را حل خواهد کرد»، او گفت.
او بهجای آن، تصور میکند نتیجهٔ نهایی «مجموعهای از مدلهای متنوع باشد که بیشتر سفارشیسازیشده، تخصصیسازیشده و قادر به حل مشکلات مختلف هستند».
البته قابل ذکر است که شرکت او متمرکز بر ایجاد مخزنی شبیه GitHub برای اینگونه مدلهای تخصصی است؛ این مخزن شامل هر دو مدل بزرگ منتشرشده توسط شرکتهایی مانند OpenAI و Meta (بهعنوان مثال gpt‑oss و Llama 3.2) و نسخههای تنظیمدقتشدهای است که توسعهدهندگان برای نیازهای خاص خود بهکار گرفتهاند، یا مدلهای کوچکتر که توسط پژوهشگران توسعه یافتهاند. بهطور خلاصه، این همان هدف Hugging Face است.
بنابراین بله، طبیعی است که دلانگو چنین بگوید. اما او تنها نیست. برای مثال، شرکت پژوهشی Gartner در آوریل پیشبینی کرد که «تنوع وظایف در جریانهای کاری تجاری و نیاز به دقت بالاتر، باعث حرکت به سمت مدلهای تخصصی میشود که برای عملکردهای خاص یا دادههای حوزهای تنظیمدقت شدهاند».
صرفنظر از اینکه برنامههای مبتنی بر LLM به کدام سمت پیش میروند، سرمایهگذاری در سایر کاربردهای هوش مصنوعی، همانطور که امروزه تعریف میشود، هنوز تازهکار است. اوایل این هفته اعلام شد که جف بیزوس، مدیرعامل پیشین آمازون، بهعنوان هم‑مدیرعامل یک استارتاپ جدید هوش مصنوعی که بر کاربردهای یادگیری ماشین در مهندسی و تولید تمرکز دارد، حضور خواهد یافت — و این استارتاپ با جذب بیش از ۶ میلیارد دلار سرمایه تأسیس شده است.
همچنین این میتواند یک حباب باشد. با اینحال، با وجود اینکه برخی از اظهارات دلانگو دربارهٔ حباب هوش مصنوعی بهوضوح برای تقویت موقعیت Hugging Face به کار رفتهاند، یادآوری مفیدی در آن وجود دارد: اصطلاح گستردهٔ «هوش مصنوعی» بسیار فراتر از مدلهای زبانی بزرگ است و ما هنوز در روزهای ابتدایی هستیم تا ببینیم این روشها ما را به کجا میبرند.