خطرات سرمایهگذاری در هوش مصنوعی برای تولید و سایر حوزهها کمتر واضح است.
کلیم دلانگو، مدیرعامل Hugging Face، این هفته در یک رویداد Axios سخنرانی کرد.
اخیراً بحثهای زیادی دربارهٔ یک حباب هوش مصنوعی بهویژه در ارتباط با سرمایهگذاری چرخشی شرکتهایی مانند OpenAI و Anthropic مطرح شده است؛ اما کلیم دلانگو، مدیرعامل مرکز منابع یادگیری ماشین Hugging Face، معتقد است که این حباب بهطور خاص به مدلهای زبانی بزرگ تعلق دارد که تنها یکی از کاربردهای هوش مصنوعی است.
«من فکر میکنم ما در یک حباب LLM هستیم و این حباب ممکن است سال آینده بترکد»، او این هفته در یک رویداد Axios، همانطور که در مقالهای از TechCrunch نقل شد، گفت. «اما «LLM» تنها زیرمجموعهای از هوش مصنوعی است وقتی که هوش مصنوعی را در زیستشناسی، شیمی، تصویر، صدا و ویدیو بهکار میبریم. به نظر من ما هنوز در ابتدای این مسیر هستیم و در چند سال آینده چیزهای بسیار بیشتری را خواهیم دید.»
در Ars در روزهای اخیر بهطور مفصل دربارهٔ نگرانیهای مرتبط با سرمایهگذاری در هوش مصنوعی نوشتیم. اما بهنظر دلانگو، تقریباً تمام این مباحث دربارهٔ شرکتهایی است که محصول اصلیشان مدلهای زبانی بزرگ است یا مراکز دادهای که برای پشتیبانی از این مدلها طراحی شدهاند — بطور خاص، آنهایی که بر چتباتهای عمومی که قرار است برای همهچیز کاربرد داشته باشند، تمرکز دارند.
این دقیقاً همان نوع کاربردی است که دلانگو نسبت به آن دید منفی دارد. او میگوید: «بهنظر من تمام توجه، تمرکز و سرمايهگذاریها بر این ایده متمرکز شدهاند که میتوانید یک مدل را با مقدار زیادی محاسبه بسازید و این مدل تمام مشکلات تمام شرکتها و تمام افراد را حل خواهد کرد».
در عوض، او تصور میکند که نتیجه نهایی «تعددی از مدلها باشد که سفارشیسازی شده، تخصصی و قادر به حل مشکلات مختلف هستند».
البته نکته مهم این است که شرکت او بهعنوان مخزنی شبیه گیتهاب برای اینگونه مدلهای تخصصی فعالیت میکند؛ شامل هم مدلهای بزرگ منتشر شده توسط شرکتهای همچون OpenAI و Meta (مانند gpt‑oss و Llama 3.2) و هم نسخههای دقیقتنظیمشدهای که توسعهدهندگان برای نیازهای خاص خود آماده میسازند یا مدلهای کوچکتر توسعهیافته توسط پژوهشگران. این دقیقاً ماهیت Hugging Face است.
بنابراین، طبیعی است که دلانگو این نکته را بگوید. اما او تنها نیست. بهعنوان مثال، شرکت تحقیقاتی Gartner در آوریل پیشبینی کرد که «تنوع وظایف در جریانهای کاری تجاری و نیاز به دقت بالاتر، موجب انتقال به سمت مدلهای تخصصی دقیقتنظیمشده بر پایهٔ عملکردهای خاص یا دادههای حوزهای میشود».
صرفنظر از جهتگیری برنامههای مبتنی بر LLM، سرمایهگذاری در سایر کاربردهای هوش مصنوعی با تعریف فعلی بهتازگی آغاز شده است. اوایل این هفته آشکار شد که جف بزو، رئیسجمهور پیشین آمازون، بهعنوان هم‑رئیس یک استارتاپ جدید هوش مصنوعی که بر کاربردهای یادگیری ماشین در مهندسی و تولید تمرکز دارد، منصوب شده است — و این استارتاپ با بیش از ۶ میلیارد دلار سرمایه تأسیس شده است.
این نیز میتواند یک حباب باشد. اما با اینکه برخی از بیانیههای دلانگو دربارهٔ بحث حباب هوش مصنوعی بهواضحی برای تقویت موقعیت Hugging Face بیان شدهاند، نکتهای مفید در این میان وجود دارد: اصطلاح وسیع «هوش مصنوعی» بسیار فراتر از صرفاً مدلهای زبانی بزرگ است و ما هنوز در ایام ابتدایی بررسی مسیرهایی که این روشها میتوانند ما را به آنها هدایت کنند، هستیم.