خطرات سرمایهگذاری در هوش مصنوعی برای صنایع تولیدی و سایر حوزهها کمتر واضح است.
اخیراً بحثهای فراوانی دربارهی حباب هوش مصنوعی مطرح شده است، بهویژه در مورد سرمایهگذاریهای دورانی که شامل شرکتهایی همچون OpenAI و Anthropic میشود — اما کلیم دلانگو، مدیرعامل مرکز منابع یادگیری ماشین Hugging Face، اظهار داشته است که این حباب مختص مدلهای زبانی بزرگ است، که تنها یکی از کاربردهای هوش مصنوعی است.
«به نظرم ما در یک حباب LLM هستیم و فکر میکنم این حباب ممکن است سال آینده بترکد»، او در یک رویداد Axios این هفته گفت که در مقالهای از TechCrunch نقل شد. «اما LLM تنها زیرمجموعهای از هوش مصنوعی است زمانی که به کاربرد هوش مصنوعی در زیستشناسی، شیمی، تصویر، صدا و ویدئو میپردازیم. به نظر من این تنها آغاز است و در چند سال آینده پیشرفتهای بسیار بیشتری خواهیم دید.»
در Ars ما در روزهای اخیر بهصورت گسترده دربارهی ترسها از سرمایهگذاری در هوش مصنوعی نوشتهایم. اما به گفته دلانگو، تقریباً تمام این مباحث حول شرکتهایی میچرخند که محصول اصلی آنها مدلهای زبانی بزرگ است یا مراکز دادهای که برای پشتیبانی از این مدلها طراحی شدهاند — بهویژه آنهایی که بر چتباتهای عمومی تمرکز دارند و هدفشان این است که برای همه همهکار باشد.
درست همان گونهای است که دلانگو نسبت به آن بیبازده است. او گفت: «بهنظر من تمام توجه، تمام تمرکز، تمام سرمایه، بر این ایده متمرکز شدهاند که میتوانید یک مدل را با مقدار زیادی محاسبه بسازید و این مدل تمام مشکلات همه شرکتها و همه افراد را حل خواهد کرد.»
او بهجای آن، نتیجه نهایی را «چندین مدل متنوع که بیشتر سفارشیسازیشده و تخصصیاند و مشکلات مختلف را حل میکنند» میداند.
البته مهم است که یادآور شویم شرکت او بر این تمرکز دارد که بهمانند یک مخزن GitHub برای این نوع مدلهای تخصصی عمل کند؛ هم مدلهای بزرگ منتشرشده توسط شرکتهایی مانند OpenAI و Meta (مانند gpt‑oss و Llama 3.2) و هم نسخههای دقیقتنظیمشده که توسعهدهندگان برای نیازهای خاص خودشان تطبیق دادهاند یا مدلهای کوچکتر ساخته شده توسط پژوهشگران. بهطور کلی همین همان هستهٔ فعالیت Hugging Face است.
پس بله، طبیعی است که دلانگو اینگونه بگوید. اما او تنها نیست. برای مثال، شرکت تحقیقاتی Gartner در آوریل پیشبینی کرد که «تنوع وظایف در جریانهای کاری تجاری و نیاز به دقت بیشتر، باعث انتقال به سمت مدلهای تخصصی دقیقتنظیمشده برای عملکردها یا دادههای حوزهای خاص میشود.»
بدون توجه به مسیر پیشرفت برنامههای مبتنی بر LLM، سرمایهگذاری در سایر کاربردهای هوش مصنوعی بهمفهوم فعلی هنوز در مراحل ابتدایی است. اوایل این هفته اعلام شد که جف بزوس، مدیرعامل پیشین آمازون، بهعنوان هممدیرعامل یک استارتاپ جدید هوش مصنوعی که بر کاربردهای یادگیری ماشین در مهندسی و تولید متمرکز است، فعالیت خواهد کرد — و این استارتاپ با بیش از ۶ میلیارد دلار سرمایهگذاری راهاندازی شده است.
این نیز میتواند یک حباب باشد. اما با وجود اینکه برخی از اظهارات دلانگو دربارهٔ حباب هوش مصنوعی واضحاً برای تقویت موقعیت Hugging Face بیان شدهاند، یادآوری مفیدی نیز در اینجا وجود دارد: واژهٔ گستردهٔ «هوش مصنوعی» خیلی فراتر از تنها مدلهای زبانی بزرگ است و ما هنوز در روزهای اولیهٔ شناخت اینکه این متدولوژیها ما را به کجا میبرند، هستیم.