هوش مصنوعی

قمار میلیارد دلاری زاکربرگ: آیا «ابرهوش متا» پیروز خواهد شد؟

“ابرهوش متا” صرفاً عنوانی پرطمطراق نیست؛ نامِ برنامه‌ای است که با سرمایه‌گذاری‌های چندمیلیاردی و جذب هدفمند نخبگان بنا دارد جایگاه متا را در کورس هوش مصنوعی بازتعریف کند و تمرکز را از پیش‌بینی صرفِ کلمه، به استدلال گام‌به‌گام در مدل‌ها منتقل سازد. این حرکت با ایجاد آزمایشگاه‌های ابرهوش و بازآرایی ساختار داخلی همراه شده، تا با شتاب‌دادن به توسعه، عقب‌ماندگی ناشی از عملکرد نه‌چندان موفق “Llama” در برابر رقبایی چون شرکت OpenAI و مدل‌های کلاود شرکت Anthropic جبران شود.

این مقاله به‌دنبال پاسخ به سه پرسش اساسی است: چرا متا این سطح از ریسک و هزینه را پذیرفته است، چگونه تمرکز بر “reasoning” می‌تواند مرزهای AGI را جابه‌جا کند، و چه پیامدهایی برای بازار کار، رقابت و توزیع قدرت در صنعت رقم می‌زند. با مرور روایت شکل‌گیری تیم، منطق اقتصادی پیشنهادهای کلان و مقایسه با بازیگران پیشتاز، تصویری روشن از فرصت‌ها و مخاطرات پیشِ‌رو ترسیم می‌کنیم.

با هامیا ژورنال همراه باشید.

پس از ناکامی پروژه متاورس، آیا “ابرهوش” سرنوشت دیگری خواهد داشت؟

شرکت‌های پیشگام در عرصه رقابت هوش مصنوعی، اکنون افق جدیدی را هدف گرفته‌اند: دستیابی به “ابرهوش”؛ مدلی از هوش مصنوعی که قادر است از توانایی‌های ذهنی انسان فراتر رود.

درک این اصطلاحات ممکن است قدری چالش‌برانگیز باشد. شرکت‌های تراز اول حوزه هوش مصنوعی، پیش از این نیز در پی ساخت پدیده‌ای بوده‌اند که از دیرباز “هوش مصنوعی عمومی (AGI)” خوانده می‌شد؛ نوعی از هوش مصنوعی که مدعیان آن، هوشمندی‌اش را هم‌تراز با انسان می‌دانند. در این میان، “ابرهوش” را، بسته به دیدگاه تحلیلگران، می‌توان یا یک عبارت تبلیغاتی جذاب برای جذب سرمایه‌گذاری‌های کلان دانست، یا گام منطقی بعدی در تکامل مدل‌های هوش مصنوعی؛ مدل‌هایی که به باور برخی، هم‌اکنون نیز به سطح هوش انسانی دست یافته‌اند.

در این میان، شرکت متا با تأسیس “آزمایشگاه‌های ابرهوش”، به طور مشخص هدف خود را دستیابی به این فناوری اعلام کرده است. طی ماه‌های اخیر، مارک زاکربرگ رقابت برای جذب نخبگان این حوزه را شدت بخشیده و بر اساس گزارش‌ها، پیشنهادهای مالی هنگفتی برای به خدمت گرفتن برجسته‌ترین مهندسان هوش مصنوعی سیلیکون‌ولی ارائه کرده است.

شان رامسوارام، از مجریان پادکست Today, Explained، به تازگی در گفتگویی با رایلی گریفین، خبرنگار حوزه فناوری در بلومبرگ، به این موضوع پرداخته است که چرا متا با چنین شدتی در پی جذب استعدادهای برتر هوش مصنوعی است و این شرکت چه اهدافی را از گرد هم آوردن این متخصصان برجسته دنبال می‌کند.

آنچه در ادامه می‌آید، گزیده‌ای ویرایش‌شده از این گفتگو است که به جهت ایجاز و شفافیت تنظیم شده است. برای شنیدن نسخه کامل این مصاحبه، می‌توانید به پادکست Today, Explained در تمامی بسترهای ارائه‌دهنده پادکست، از جمله Apple Podcasts، Pandora و Spotify مراجعه فرمایید.

گزیده‌ای ویرایش‌شده از گفتگو

آزمایشگاه ابرهوش متا تا چه اندازه نوپاست، ماهیت آن چیست و این شرکت چه اهدافی را از طریق آن دنبال می‌کند؟

آزمایشگاه ابرهوش پروژه‌ای بسیار جدید است و سرگذشت شکل‌گیری آن، در بطن خود، روایتی از یک رقابت تنگاتنگ است.

مارک زاکربرگ، به عنوان مدیری عملگرا و به شدت رقابت‌جو، در بهار گذشته و بر اساس گزارش‌ها، عمیقاً دریافته بود که شرکت متا در دوران رقابت نفس‌گیر هوش مصنوعی، از دیگران عقب مانده است. متا در آن زمان به تازگی از آخرین نسخه مدل زبان بزرگ خود، موسوم به “لاما (Llama)“، رونمایی کرده بود؛ سیستمی که برای رقابت با مدل‌هایی چون ChatGPT از شرکت OpenAI یا Claude از شرکت Anthropic طراحی شده بود. با این حال، این مدل پس از عرضه، نه در بازار و نه بر اساس گفته منابع داخلی، در درون شرکت با استقبال مواجه نشد و این واقعیت آشکار گردید که متا جایگاهی در میان شرکت‌های پیشتاز این عرصه ندارد.

مخاطبان، متا را بیشتر به عنوان شرکت مادرِ برنامه‌های محبوبی چون فیس‌بوک، اینستاگرام و واتساپ می‌شناسند که میلیاردها کاربر در سراسر جهان دارند. اما متا به طور فزاینده‌ای خود را یک شرکت فعال در حوزه هوش مصنوعی نیز می‌داند و در این میدان، از پیشگامان نبود. از این رو، زاکربرگ با درک این عقب‌ماندگی، بی‌درنگ دست به کار شد. او شخصاً از اقامتگاه‌های خود در تاهو و سیلیکون‌ولی، فرآیند جذب نیرو را آغاز کرد و در سکوت خبری، هسته اولیه تیمی را بنیان نهاد که امروز از آن با عنوان “آزمایشگاه‌های ابرهوش متا” یاد می‌شود.

پرسش اینجاست که این تیم سری چه مأموریتی بر عهده دارد؟ تصور عمومی بر این بود که تمام تمرکز متا بر پروژه “متاورسمعطوف است و تغییر نام شرکت نیز در همین راستا صورت گرفته بود. با این حال، تحولات اخیر این گمانه را تقویت می‌کند که شاید تغییر نام به هوش مصنوعی” انتخاب مناسب‌تری بود.

این نکته‌ای بسیار بجاست. در گفتگو با فعالان وال‌استریت، پروژه متاورس همواره به عنوان نقطه ضعف اصلی این شرکت مطرح می‌شود؛ پروژه‌ای که همچنان زیان‌ده است، منبع درآمد قابل توجهی محسوب نمی‌شود و چشم‌اندازی که مارک زاکربرگ زمانی از آن ترسیم می‌کرد، تا به امروز محقق نشده است.

جاه‌طلبی‌های متا در عرصه هوش مصنوعی اما، داستان متفاوتی دارد. این شرکت در دورانی که هنوز با نام فیس‌بوک شناخته می‌شد نیز در حوزه هوش مصنوعی فعال بود و شخصیتی برجسته به نام یان لِ کان (Yann LeCun)، از متفکران بزرگ و برنده جوایز معتبر در این زمینه را به خدمت گرفت. در آن مقطع، بسیاری از ناظران بر این باور بودند که متا از موقعیت بسیار مناسبی برای بدل شدن به رهبر بلامنازع هوش مصنوعی برخوردار است.

اما زمانی که شرکت OpenAI از ChatGPT رونمایی کرد، همگان، از جمله محققان هوش مصنوعی متا که با آن‌ها گفتگو کرده‌ام، غافلگیر شدند. اگرچه تیم‌های داخلی متا در حال ساخت مدل‌های زبانی بزرگ خود بودند، اما رویکرد آن‌ها همچنان عمدتاً آکادمیک و پژوهش‌محور بود و محصول نهایی، برخلاف موفقیت تجاری ChatGPT، در قالب یک محصول قابل عرضه به مصرف‌کننده نهایی ارائه نشده بود. بنابراین، می‌توان گفت که رقابت از همان زمان آغاز شد، اما شکست پروژه لاما در آوریل امسال، که از سوی بسیاری در داخل متا یک ناکامی بزرگ تلقی شد، آتش این رقابت را شعله‌ورتر ساخت.

با این حال، پرسش اصلی این است که اقدامات متا در این حوزه تا به امروز چه نتایج ملموسی به همراه داشته است؟ آیا فراتر از اعلام برنامه‌ها، دستاورد قابل‌توجهی نیز وجود دارد؟

در مقطع کنونی، شاهد رقابتی شدید بر سر جذب نخبگان هستیم و متا در همین راستا، در حال ایجاد ساختار سازمانی جدیدی برای متخصصان هوش مصنوعی خود است. این تلاشی است که مستلزم سرمایه‌گذاری میلیارد دلاری است و متا از توانایی مالی لازم برای چنین سرمایه‌گذاری هنگفتی برخوردار است.

رویکرد مدیران ارشد شرکت، سرمایه‌گذاری کلان بر روی گروه کوچکی از نخبگان و پر کردن شکاف استعدادهاست. باور آن‌ها بر این است که تنها عده معدودی از متخصصان تراز اول قادرند از این سرمایه‌گذاری عظیم به بهترین شکل بهره‌برداری کرده و مدل‌های هوش مصنوعی رقابتی را توسعه دهند. تمرکز اصلی این متخصصان بر قابلیت “استدلال (reasoning)” در مدل‌ها است؛ به این معنا که آن‌ها بر خلاف رویکردهای احتمالی که صرفاً به پیش‌بینی کلمه بعدی در یک جمله بسنده می‌کنند، در پی ساخت مدل‌هایی هستند که بتوانند به صورت گام به گام و منطقی “تفکر” کنند.

بسیاری از چت‌بات‌های امروزی، هنگامی که پرسشی را مطرح می‌کنید، ظاهراً مفهوم کلام شما را درک می‌کنند، اما در واقعیت صرفاً در حال پیش‌بینی هستند. این سیستم‌ها با پردازش حجم عظیمی از داده‌ها، قادر به حدس زدن کلمه بعدی در یک توالی می‌شوند. آنچه متا و OpenAI به دنبال آن هستند، اعطای ظرفیت تفکر و استدلال مستقل به این مدل‌هاست. از این منظر، منطقی که از درون شرکت به گوش می‌رسد این است: زمانی که صدها میلیارد دلار برای پیروزی در رقابت هوش مصنوعی هزینه می‌شود، صرف چند میلیارد دلار برای جذب نخبگانی که سکان‌دار این حرکت هستند، امری قابل توجیه و ضروری است.

البته این رویکرد با مخالفت‌هایی نیز روبروست. یکی از انتقاداتی که از زبان برخی کارکنان سابق متا شنیده می‌شود، این است که برای یک پژوهشگر دارای مدرک دکترا که بر روی مسائل بسیار پیچیده‌ای چون استدلال در هوش مصنوعی و ابرهوش متمرکز است، اعلام خبر ساخت چت‌بات‌هایی با صدای افراد مشهور، چندان الهام‌بخش نبوده است. این امر، تردیدهایی را در مورد رهبری مارک زاکربرگ به وجود آورده است؛ فردی که هدف اصلی خود را در دسترس قرار دادن هوش مصنوعی برای عموم مردم اعلام می‌کند.

قضاوت در مورد میزان موفقیت نهایی این استراتژی هنوز زود است. آنچه تا به امروز مسلم است، توفیق مارک زاکربرگ در جلب توجه برخی از برجسته‌ترین چهره‌های این صنعت است. متا در حال جذب استعدادهای کلیدی از شرکت‌های رقیب است. با این حال، گزارش‌ها حاکی از آن است که برخی از نخبگان نیز پیشنهادهای مالی بسیار هنگفت زاکربرگ را، که با قراردادهای بازیکنان تراز اول تیم‌های ورزشی مقایسه می‌شود، رد کرده‌اند.

باید خاطرنشان کرد که این انتقادات از سوی وال‌استریت شنیده نمی‌شود. ارزش سهام متا از ابتدای سال جاری میلادی نزدیک به ۳۰ درصد افزایش یافته است که این امر به وضوح نشان‌دهنده اشتیاق و خوش‌بینی جامعه سرمایه‌گذاران نسبت به این رویکرد است.

بدین ترتیب، به نظر می‌رسد متا در حال بازآرایی ساختار درونی خود برای رقابت بلندمدت در عرصه ابرهوش است. این وضعیت در قیاس با دیگر فعالان این صنعت چگونه ارزیابی می‌شود؟

تمامی شرکت‌های این حوزه ناگزیر به واکنش در برابر رویکرد تهاجمی مارک زاکربرگ در جذب نیرو شده‌اند. اقدامات او معیار جدیدی برای سطح دستمزدها در کل این صنعت تعریف کرده است، تا جایی که شرکت‌های رقیب، نظیر OpenAI، نیز برای حفظ کارکنان خود مجبور به ارائه پیشنهادهای مالی به مراتب بالاتر شده‌اند.

این تحول حتی در ادبیات و مواضع عمومی مدیران عامل نیز مشهود است. شرکت OpenAI اعلام کرده که تریلیون‌ها دلار در رقابت هوش مصنوعی هزینه خواهد کرد و دیگر شرکت‌ها نیز آشکارا از مبالغ هنگفتی که قصد سرمایه‌گذاری آن را دارند، سخن می‌گویند. البته باید توجه داشت که این رقابت عمدتاً میان بازیگران اصلی این عرصه در جریان است؛ شرکت‌های بزرگی چون متا، گوگل و حتی OpenAI که برخلاف استارتاپ‌های نوپا و فاقد درآمد، از منابع مالی عظیمی برای سرمایه‌گذاری‌های کلان و پرریسک برخوردارند.

سخن پایانی

پیمودن مسیرِ ابرهوش متا نمایانگر تلاقیِ سه عاملِ تعیین‌کننده است: سرمایه‌گذاری چندمیلیاردی، جذب متمرکز نخبگان و تمرکزِ فنی بر ارتقا ظرفیت‌های استدلال در مدل‌ها. این ترکیب می‌تواند موجبات شتاب نوآوری و خلقِ فرصت‌های اقتصادی جدید را فراهم آورد.

پرسش‌های متداول

1) ابرهوش متا دقیقاً به چه چیزی اشاره دارد؟

«ابرهوش متا» اشاره‌ای کلی به تلاش‌های بلندپروازانه متا برای رسیدن به سیستم‌های هوش مصنوعی پیشرفته و فراتر از مدل‌های کنونی است؛ شامل تشکیل واحدهای تخصصی «Superintelligence Labs»، سرمایه‌گذاری در زیرساخت محاسباتی و ارتقای مدل‌های پایه مانند LLaMA.

2) آیا متا واقعاً دنبال ساخت AGI (هوش مصنوعی عمومی) است یا صرفاً بازاریابی است؟

شواهد رسمی و گزارش‌ها نشان می‌دهد متا موضعی عملی اتخاذ کرده: بازسازی ساختارهای داخلی برای «superintelligence»، سرمایه‌گذاری‌های بزرگ و برنامه‌های جذب استعداد که همگی دلالت بر تلاش جدی برای پیشروی در مرزهای AI دارد؛ اگرچه زمان‌بندی و نتیجهٔ نهایی هنوز نامشخص است.

3) LLaMA چیست و چه نقشی در این پروژه دارد؟

LLaMA خانواده‌ای از مدل‌های زبانی است که متا منتشر کرده و به‌عنوان پایه‌ای برای توسعه و آزمایش به‌کار گرفته شده است (نسخه‌های متعدد از جمله LLaMA 2/3/4). این مدل‌ها هم به‌عنوان ابزار تحقیقاتی و هم به‌عنوان بخشی از اکوسیستم نرم‌افزاری متا نقش دارند و نشان‌دهنده مسیر فنی شرکت به‌سوی مدل‌های توانا‌تر هستند.

4) آیا متا نسبت به OpenAI و گوگل شانس بیشتری برای رهبری در «ابرهوش» دارد؟

رقابت پیچیده و چند‌بعدی است؛ هر بازیگر نقاط قوت و ضعف متفاوتی دارد (منابع داده، فرهنگ سازمانی، مدل کسب‌وکار، سرمایه، شهرت در اکوسیستم تحقیق). متا با منابع مالی و تجربه در انتشار مدل‌های LLaMA شانس دارد، اما موفقیت نهایی بستگی به کارایی فنی، حفظ و جذب استعداد، و مدیریت ریسک و ایمنی دارد. هیچ مرجع معتبری تا امروز برندهٔ قطعی را اعلام نکرده‌ است.

5) آیا مدل‌های متا (مثل LLaMA) همچنان «باز» و در دسترس پژوهشگران خواهند ماند؟

متا تاکنون چند نسخهٔ LLaMA را منتشر کرده و سیاست‌های دسترسی آن در گذر زمان تغییر داشته است؛ برخی نسخه‌ها و ابزارها باز توزیع شده‌اند و برخی نسخه‌ها با محدودیت‌هایی عرضه شده‌اند. آیندهٔ سیاست‌های دسترسی در گرو تصمیمات داخلی شرکت و ملاحظات امنیتی/تجاری خواهد بود.

امتیاز دهید!
1 / 5

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا