از فراهم قطعات تا زیرساخت؛ چرا هوش مصنوعی یک فناوری گران است؟ _آفتاب وطن

زمان‌ها از وجود ChatGPT می‌گذرد؛ چت‌باتی که رنگ‌و‌بوی جدیدی به دنیای هوش مصنوعی بخشید و نگاه عموم کاربران و همین‌طور اندوخته‌گذاران را بیش‌از قبل به این حوزه جلب کرد. درحقیقت این چت‌بات ثابت کرد که هوش مصنوعی پتانسیل درآمدزایی بالایی برای تعداد بسیاری از غول‌های حوزه فناوری دارد. اما چرا هوش مصنوعی یک فناوری گران محسوب می‌شود؟

تازه ترین گزارش سه‌ماهه گوگل و مایکروسافت از افزایش دیدنی درآمد ابری این دو شرکت خبر می‌دهد که علت مهم آن، دقت زیاد تر مشتریان به خدمات هوش مصنوعی است. در تاثییر این چنین استقبالی، انتظار می‌رود که اندوخته‌گذاران بیشتری پا به حوزه هوش مصنوعی بگذارند و شرکت‌ها نیز خدمات بیشتری را در این عرصه به کاربران اراعه دهند. بااین‌حال افزایش هزینه‌های تحقیقات و خدمات مبتنی بر AI، برخی اندوخته‌گذاران را دلواپس کرده است. برای مثال، قیمت سهام متا به‌علت افت برخلاف‌ انتظار درآمدهای ناشی از هوش مصنوعی، کم شدن اشکار کرده و گمان تکرار سناریو شبیه برای دیگر شرکت‌ها نیز وجود دارد.

در ۲۵ آوریل ۲۰۲۴ (۶ اردیبهشت ۱۴۰۳)، مایکروسافت از اندوخته‌گذاری ۱۴ میلیارد دلاری خود درزمینه AI طی سه‌ماهه اول سال خبر داد که نسبت به زمان زمان شبیه سال قبل، ۷۹ درصد افزایش داشته و این مبلغ به گمان زیادً به‌صورت تدریجی افزایش خواهد یافت. این چنین شرکت متا نیز اندوخته‌گذاری خود را نسبت به سال قبل نزدیک به ۴۲ درصد افزایش داده و با تعلق بودجه ۳۵ الی ۴۰ میلیارد دلاری، تحقیقات بیشتری را درزمینه هوش مصنوعی جستوجو می‌کند.

انتظار می‌رفت که ناظر افزایش هزینه‌ گسترش AI باشیم؛ چون با گذشت زمان، پیچیدگی‌ها و الگوریتم‌های هوش مصنوعی دست‌خوش تغییرات بیشتری خواهد شد و هم‌زمان با این نوشته، تقاضا و نیاز عمومی به این فناوری روزبه‌روز درحال افزایش است. درنتیجه، جواب‌گویی به نیاز مشتریان، زیرساخت‌های زیاد تر و یقیناً تجهیز‌تری را می‌طلبد. در این نوشته به بازدید عوامل مؤثر در افزایش هزینه‌های گسترش هوش مصنوعی می‌پردازیم؛ به این علت تا انتها همراه دیجیاتو باشید.

گسترش مدل‌های زبانی هوش مصنوعی

ابزارهای هوش مصنوعی همانند ChatGPT از مدل‌های زبانی بزرگی منفعت گیری می‌کنند که مجموعه‌ وسیعی از داده‌ها همانند کُتب، مقالات و نظرات را برای اراعه بهینه‌ترین جواب‌ها به سوال‌های کاربران در اختیار دارند. این چنین تعداد بسیاری از شرکت‌های پیشرو در این عرصه باور دارند که با پیشرفت روز‌افزون هوش مصنوعی، نیاز این فناوری به مدل‌های زبانی بزرگ‌تر و کامل‌تر برجسته‌تر می‌شود. 

گسترش این مدل‌ها به تهیه داده‌های کامل‌تر، تحکیم قوت محاسباتی و آموزش زیاد تر سیستم‌ها وابسته است؛ بااین‌حال انجام این چنین فرایندی، به بودجه بسیاری نیاز دارد. برای مثال «داریو آمودئی»، مدیرعامل آنتروپیک، طی مصاحبه‌ای خبرداد که آموزش مدل‌های هوش مصنوعی در شرایط جاری،‌ چیزی نزدیک به ۱۰۰ میلیون دلار هزینه می‌برد. وی این چنین از پیش‌بینی خود مبنی بر افزایش ۵ الی ۱۰ میلیارد دلاری هزینه آموزش مدل‌های آینده (در سال‌های ۲۰۲۵ و ۲۰۲۶) او گفت. 

هزینه قطعات  هوش مصنوعی

شرکت‌های گسترش‌دهنده AI از پردازشگرهای گرافیکی (GPU)، به‌اختصاصی قطعات انویدیا به‌منظور پردازش حجم عظیم داده‌ها با شدت بالا منفعت گیری می‌کنند. بااین‌حال این قطعات، کمیاب و یقیناً گران‌ می باشند و برخی از آن‌ها همانند H100 انویدیا، با قیمت ۳۰ هزار دلار یا حتی زیاد تر به فروش می‌رسند. برخی شرکت‌ها نیز به اجاره قطعات موردنظرشان روی آورده‌اند، اما این کار هم هزینه بسیاری برای کمپانی‌ها به‌همراه دارد؛ برای مثال اجاره تعدادی از قطعات H100 انویدیا تقریباً ۱۰۰ دلار در ساعت برای تیم گسترش‌دهنده آب می‌خورد. 

اخیراً شرکت انویدیا معماری جدیدی از پردازشگرهای خود را با نام بلک‌ول (Blackwell) معارفه کرده که نقش به‌سزایی در پردازش داده‌های هوش مصنوعی ایفا می‌کند. متخصصان انویدیا تخمین زده‌اند که برای آموزش یک مدل AI با ۱.۸ تریلیون پارامتر، همانند GPT-4، به نزدیک به ۲۰۰۰ پردازشگر بلک‌ول نیاز است و این تعداد درصورت منفعت گیری از قطعات Hopper، به ۸۰۰۰ پردازشگر می‌رسد. درنتیجه هزینه‌ بالای منفعت گیری از این قطعات می‌تواند شدت پیشرفت و گسترش هوش مصنوعی و چت‌بات‌‌های مبتنی بر آن را افت دهد.

دیتاسنترها

شرکت‌ها سپس از خرید پردازشگرهای گرافیکی، به مکان مناسبی برای نگهداری و منفعت گیری از آن‌ها نیازمندند. به‌همین منظور متا، آمازون، مایکروسافت، گوگل و دیگر شرکت‌های گسترش‌دهنده، احداث دیتاسنترهای تازه را درنظر دارند؛ مراکزی که سفارشی برای این کمپانی‌ها ساخته خواهد شد و از قفسه‌های محکم، سیستم‌های خنک‌کننده و انواع تجهیزات الکتریکی همانند ژنراتورهای حمایتمنفعت‌مندند. 

گروه تحقیقاتی Dell’Oro تخمین زده است که در سال جاری میلادی، شرکت‌ها نزدیک به ۲۹۴ میلیارد دلار را به ساخت و تجهیز دیتاسنترهای خود تعلق خواهند داد. این درحالی است که در سال ۲۰۲۰، نزدیک به ۱۹۳ میلیارد دلار در این عرصه هزینه شده می بود که نشان از گسترش خدمات دیجیتالی همانند استریم‌های ویدیویی، گسترش داده‌ها و پلتفرم‌‌های اجتماعی دارد. یقیناً بخشی از این هزینه‌ها برای خرید قطعات گران‌قیمت انویدیا و دیگر سخت‌افزارهای تخصصی ملزوم به‌منظور رشد خدمات مبتنی بر AI خرج می‌شود.

حقوق ناشران

با این که عمده هزینه‌ها صرف خرید پردازشگرها و دیتاسنترها می‌شود، برخی شرکت‌ها میلیون‌ها دلار برای خرید حق نشر مطالب از ناشران هزینه می‌کنند. به‌گفتن مثال، شرکت OpenAI به توافقاتی با چند ناشر اروپایی برای منفعت گیری از محتوا و مطالب آن‌ها در ChatGPT دست یافته و مطابق گزارش بلومبرگ، ۱۰ میلیون یورو به شرکت Axel Springer SE به‌منظور وجود محتوای خبری آن‌ها در این چت‌بات پرداخت می‌کند. سران OpenAI این چنین با دیگر خبرگزاری‌ها همانند CNN ،Time و فاکس‌نیوز حوالی این نوشته او مباحثه کرده‌اند. 

دیگر شرکت‌ها نیز بی‌کار نمانده‌اند و به‌جستوجو راه‌هایی برای فراهم داده‌های زبانی مورد نیاز به‌منظور ساخت ابزارهای دلنشین AI می باشند. مطابق گزارش رویترز، گوگل خرید وفروش‌ای ۶۰ میلیون دلاری برای خرید حق نشر محتوا از ردیت داشته و بر پایه خبر نیویورک‌تایمز، تیم متا درحال بازدید قیمت خرید حق نشر کتاب Simon & Schuster است. یقیناً که رقابت غول‌‌های حوزه فناوری به خرید حق نشر محدود نشده و آن‌ها در استخدام نیروهای مستعد و گسترش‌دهندگان ماهر بایکدیگر چالش دارند.

جانشین‌های ارزان‌تر

علی‌رغم این که مایکروسافت مدام نقش به‌سزایی در اراعه مدل‌های زبانی بزرگ داشته، اما اخیراً اظهار کرده که رویکردی متفاوت را در پیش می‌گیرد. درنتیجه این شرکت سه مدل زبانی کوچک‌تر معارفه کرد که به قوت محاسباتی کمتری در قیاس با مدل‌های بزرگ‌تر نیاز دارند. علاوه بر مایکروسافت، برخی دیگر از شرکت‌ها همانند Sakana AI بر گسترش مدل‌های زبانی کوچک‌تر تمرکز دارند. 

مطابق حرف های مایکروسافت، مدل‌های زبانی بزرگ هم چنان مهم‌ترین ابزار در گسترش، تحلیل و فهمیدن داده‌های پیچیده آن‌ها می باشند؛ بااین‌حال مدل‌‌‌های کوچک‌تر برای برخی فعالیت‌ها می‌توانند کاربردی باشند و نیاز به وجود مدل‌های بزرگ‌تر را افت دهند. یقیناً برخی باور دارند که وجود مدل‌های زبانی بزرگ تحت هر شرایطی به سود کاربران است، حتی اگر هزینه بیشتری به ارمغان بیاورد.