غولهای فناوری صرفاً برای استقرار هوش مصنوعی میلیاردها دلار خرج میکنند – دلیل آن این است
اگر اخیراً اخبار هوش مصنوعی را دنبال کرده اید، احتمالاً کلمه “منبع باز” را بسیار بیشتر از حد معمول شنیده اید.
تقریباً هر هفته یک شرکت دیگر یک مدل هوش مصنوعی “باز” را اعلام می کند. Meta دارای Llama است، Mistral شهرت خود را بر روی مدلهای سنگین باز کرده است، شرکت چینی Moonshot AI اخیراً Kimi K3 را منتشر کرده است، و حتی شرکتهایی که زمانی همه چیز را پشت درهای بسته نگه میداشتند، تمایل بیشتری به اشتراکگذاری بخشی از فناوری خود دارند.
اگر تعجب می کنید که “منبع باز” به چه معناست، شما تنها نیستید. در حالی که ممکن است یک کلمه یا عبارت به نظر برسد، اما چیزی بیشتر از این وجود دارد که فناوری بزرگ مدلهای ارزشمند خود را به رایگان ارائه دهد.
اگر آموزش یک مدل هوش مصنوعی صدها میلیون دلار یا حتی میلیاردها دلار هزینه دارد، وقتی مراکز داده عظیم و تراشههای تخصصی مورد نیاز برای تامین انرژی آنها را در نظر بگیرید، چرا شرکتها آنقدر پول صرف میکنند تا کار خود را صرف کنند؟
پاسخ این است که آنها در واقع همه چیز را نمی دهند. در بیشتر موارد، شفافتر کردن مدلها در واقع تجارت خوبی است.
هوش مصنوعی منبع باز دقیقا چیست؟
ابتدا بیایید یک تصور غلط رایج را روشن کنیم. عبارت “هوش مصنوعی منبع باز” زیاد مطرح می شود، اما این همیشه به معنای آن چیزی نیست که مردم فکر می کنند. یک پروژه واقعاً منبع باز معمولاً کد، روشهای آموزشی و مجوزهای خود را برای بازرسی، اصلاح و توزیع مجدد در دسترس هر کسی قرار میدهد.
بسیاری از مدلهای هوش مصنوعی امروزی در واقع به جای متنباز کاملاً باز سنگین هستند. این بدان معناست که توسعه دهندگان می توانند مدل آموزش دیده را دانلود کرده و خودشان اجرا کنند، اما شرکت ممکن است نتواند داده های آموزشی، کد استفاده شده برای ایجاد آن، یا هر جزئیات مربوط به نحوه ساخت آن را منتشر کند.
این یک تمایز ظریف، اما مهم است. اما برای کاربران روزمره، تجربه به طور کلی یکسان است. به عبارت دیگر، افراد بیشتری می توانند این مدل ها را توسعه دهند، آنها را بهبود بخشند و ابزارهای هوش مصنوعی جدیدی را بدون شروع از صفر ایجاد کنند.
مسابقه تسلیحاتی هوش مصنوعی تغییر کرده است
رقابت برای هوش مصنوعی دیگر فقط برای داشتن هوشمندترین چت بات نیست. چند سال پیش، شرکتها عمدتاً بر سر اینکه چه کسی میتواند هوشمندترین مدل هوش مصنوعی را بسازد و چه کسی میتواند ابتدا معیارها را برآورده کند، رقابت میکردند. امروز، این تنها بخشی از معادله است. اکنون آنها در حال رقابت برای تبدیل شدن به پلتفرمی هستند که همه بر روی آن بنا می کنند.
اندروید را در نظر بگیرید. گوگل اندروید را رایگان می دهد زیرا هر گوشی دارای اندروید اکوسیستم گسترده تر گوگل را تقویت می کند. توسعهدهندگان برنامهها را میسازند، تولیدکنندگان سیستمعامل را اتخاذ میکنند، و کاربران احتمال بیشتری برای استفاده از خدمات Google پیدا میکنند.
شرکت های هوش مصنوعی در واقع به همین روش فکر می کنند. اگر هزاران توسعهدهنده برنامههای کاربردی را حول مدل شما بسازند، کسبوکارها آن را در سازمانهای خود توزیع کنند و محققان بر اساس آن بسازند، فناوری شما بسیار ارزشمندتر از زمانی است که پشت یک اشتراک قفل شده باشد.
مدل های باز بسیار سریعتر پخش می شوند
هنگامی که یک مدل به طور گسترده در دسترس است، یک اتفاق جالب رخ می دهد زیرا توسعه دهندگان شروع به تنظیم دقیق آن برای مشاغل خاص می کنند. شاید دانشگاهها از آن برای تحقیق استفاده میکنند یا استارتآپها محصولات کاملاً جدیدی را بر اساس آن توسعه میدهند. علاقهمندان حتی ممکن است کاربردهای خلاقانهای را کشف کنند که سازندگان اصلی هرگز تصور نمیکردند.
و این یک اثر گلوله برفی ایجاد می کند. بهجای اینکه یک شرکت تنها مدل را توسعه دهد، هزاران نفر ایدهها، ابزارها و نوآوریها را پیرامون مدل ارائه میکنند. حتی اگر مدل اصلی بدون تغییر باقی بماند، اکوسیستم اطراف آن به سرعت در حال رشد است.
منبع باز و هوش مصنوعی فشرده باز: تفاوت چیست؟
این دو اصطلاح اغلب به جای یکدیگر استفاده می شوند اما در واقع یک چیز نیستند.
اینجوری بهش فکر کن:
- هوش مصنوعی منبع باز مثل این است که کل دستور غذای مورد علاقه خود را تهیه کنید. شما می توانید هر عنصر را ببینید، بفهمید که چگونه ساخته شده است، آن را به دلخواه تغییر دهید، و حتی نسخه خود را با دیگران به اشتراک بگذارید.
- هوش مصنوعی آسیب پذیر بیشتر شبیه خریدن کیک تمام شده است. می توانید آن را بخورید، تزئین کنید، برای مهمانان سرو کنید و حتی دسرهای جدیدی را با استفاده از آن به عنوان پایه بپزید. اما شما دقیقا نمی دانید نانوای اصلی چگونه این کار را انجام داده است.
شرکت ها هنوز راه های زیادی برای کسب درآمد دارند
راه اندازی یک مدل لزوما به معنای کنار گذاشتن درآمد نیست. بسیاری از شرکتها با ارائه سرویسهای ابری مدیریتشده که اجرای این مدلها را آسانتر، سریعتر یا قابل اعتمادتر میکند، درآمد کسب میکنند. برخی دیگر ویژگیهای امنیتی سازمانی، APIهای کلاس جهانی، خدمات مشاوره یا زیرساختهای اختصاصی را میفروشند.
شرکت های سخت افزاری نیز از این موضوع سود می برند. هر مدل هوش مصنوعی جدید در نهایت برای اجرا به پردازندههای گرافیکی قدرتمند یا شتابدهندههای هوش مصنوعی نیاز دارد. مدلهای بازتر عموماً به معنای تقاضای بیشتر برای سختافزاری است که آنها را نیرو میدهد.
به عبارت دیگر، خود مدل همیشه محصول نیست، بلکه اغلب موتوری است که تجارت بسیار بزرگتری را هدایت می کند.
رقابت صنعت را تغییر داده است
هوش مصنوعی منبع باز همیشه به عنوان یک استراتژی برنده دیده نمی شد. در واقع، برای سالهای متمادی، فرض بر این بود که توانمندترین مدلها از نزدیک محافظت میشوند، زیرا مزیت رقابتی را نشان میدهند.
حالا این فکر تغییر کرده است. از آنجایی که شرکتهای بیشتری مدلهای قدرتمند باز-سنگین را معرفی میکنند، توجیه سیستمهای بسته که صرفاً بر اساس انحصاری بودن، حق بیمه را دریافت میکنند، سختتر شده است. از آنجایی که رقابت دیگر در مورد هوش نیست، عواملی مانند سرعت، پشتیبانی توسعهدهنده، ادغام، ویژگیهای سازمانی، گزینههای حفظ حریم خصوصی و هزینه نیز مهم هستند.
این خبر خوبی برای کاربران است زیرا گزینه های بسیار بیشتری نسبت به دو سال پیش در اختیار آنها قرار می دهد.
این برای کاربر متوسط ChatGPT چه معنایی دارد؟
حتی اگر خودتان هرگز یک مدل هوش مصنوعی را دانلود نکنید، در حال حاضر از این تغییر بهره مند شده اید. مدلهای باز به ایجاد ابزارهای هوش مصنوعی رایگان بهتر کمک میکنند، به توسعهدهندگان کوچکتر دسترسی به آخرین فناوری و افزایش رقابت در صنعت را میدهند.
آنها همچنین امکان اجرای بیشتر هوش مصنوعی را به صورت بومی روی لپ تاپ ها و تلفن های هوشمند فراهم می کنند. این می تواند با حفظ اطلاعات حساس در دستگاه خود به جای ارسال همه چیز به ابر، حریم خصوصی را افزایش دهد.
این لزوماً چیز خوبی نیست، اما رقابت هر شرکت هوش مصنوعی را مجبور میکند سریعتر حرکت کند. در نتیجه، مصرفکنندگان دستیاران هوش مصنوعی توانمندتر، گزینههای بیشتر و ویژگیهای دائمی جدید دارند که با سرعتی که همین چند سال پیش غیرممکن به نظر میرسید، میرسند.
در حالی که به نظر می رسد شرکت های هوش مصنوعی به طور ناگهانی از با ارزش ترین فناوری خود دست می کشند، آنها در واقع روی چیزی بسیار ارزشمندتر سرمایه گذاری می کنند: ساختن بزرگترین اکوسیستم در اطراف مدل های خود. با قضاوت بر اساس تعداد نسخههای اوپن وزنی که امسال دیدهایم، به نظر نمیرسد این استراتژی به این زودیها کند شود.
دنبال کردن راهنمای تام برای Google News و ما را به عنوان منبع ترجیحی اضافه کنید برای مشاهده آخرین اخبار، تحلیل ها و بررسی های ما در فیدهای خود. مشترک شدن در راهنمای تام یوتیوب و ما را دنبال کنید tiktok. در نهایت می توانید از بخش ویژه ما دیدن فرمایید. دفتر مرکزی تیم پس انداز راهنمای تام برای کمک متخصصان برای دریافت بهترین محصولات با قیمت کمتر.