از تامین قطعات تا زیرساخت؛ چرا هوش مصنوعی یک فناوری گران قیمت است؟

ChatGPT مدت زیادی است که وجود داشته است. چت باتی که رنگ جدیدی به دنیای هوش مصنوعی بخشید و بیش از پیش مورد توجه عموم کاربران و همچنین سرمایه گذاران این حوزه قرار گرفت. در واقع، این چت بات ثابت کرده است که هوش مصنوعی پتانسیل درآمد بالایی برای بسیاری از غول های فناوری دارد. اما چرا هوش مصنوعی یک فناوری گران قیمت است؟

آخرین گزارش فصلی گوگل و مایکروسافت از افزایش چشمگیر درآمد ابری این دو شرکت خبر می دهد که دلیل اصلی آن توجه بیشتر مشتریان به خدمات هوش مصنوعی است. در نتیجه چنین استقبالی انتظار می رود سرمایه گذاران بیشتری وارد حوزه هوش مصنوعی شوند و شرکت ها نیز خدمات بیشتری در این زمینه به کاربران ارائه دهند. با این حال، افزایش هزینه تحقیقات و خدمات مبتنی بر هوش مصنوعی، برخی سرمایه گذاران را نگران می کند. به عنوان مثال ارزش سهام متا به دلیل کاهش غیرمنتظره درآمد هوش مصنوعی کاهش یافت و این احتمال وجود دارد که همین سناریو برای سایر شرکت ها نیز تکرار شود.

مایکروسافت در 25 آوریل 2024 (6 می 1403) سرمایه گذاری 14 میلیارد دلاری خود را در زمینه هوش مصنوعی در سه ماهه اول سال اعلام کرد که در مقایسه با مدت مشابه سال گذشته 79 درصد افزایش یافته است و این میزان احتمالاً به تدریج افزایش یافت. متا نیز نسبت به سال گذشته ۴۲ درصد سرمایه گذاری خود را افزایش داده و با بودجه ۳۵ تا ۴۰ میلیارد دلاری تحقیقات بیشتری را در زمینه هوش مصنوعی دنبال می کند.

افزایش در هزینه های توسعه هوش مصنوعی انتظار می رفت. زیرا با گذشت زمان پیچیدگی ها و الگوریتم های هوش مصنوعی دستخوش تغییرات بیشتری می شود و در عین حال تقاضا و نیاز عمومی به این فناوری روز به روز در حال افزایش است. در نتیجه، رفع نیازهای مشتری به زیرساخت های بیشتر و البته مجهزتر نیاز دارد. در این مقاله به عوامل موثر در افزایش هزینه توسعه هوش مصنوعی می پردازیم. پس تا آخر با دیجیاتو باشید.

توسعه مدل های زبانی هوش مصنوعی

ابزارهای هوش مصنوعی مانند ChatGPT از مدل‌های زبان بزرگی استفاده می‌کنند که مجموعه‌ای از داده‌ها مانند کتاب‌ها، مقاله‌ها و بررسی‌ها را در اختیار دارند تا بهینه‌ترین پاسخ‌ها را به پرسش‌های کاربر ارائه دهند. همچنین بسیاری از شرکت های پیشرو در این زمینه بر این باورند که با پیشرفت روزافزون هوش مصنوعی، نیاز به این فناوری برای مدل های زبانی بزرگتر و کاملتر بیش از پیش برجسته خواهد شد.

توسعه این مدل ها به ارائه داده های کامل تر، تقویت قدرت محاسباتی و آموزش سیستم های بیشتر بستگی دارد. با این حال، انجام چنین فرآیندی به بودجه زیادی نیاز دارد. به عنوان مثال، داریو آمودی، مدیرعامل Entropic در مصاحبه ای اعلام کرد که آموزش مدل های هوش مصنوعی در شرایط فعلی حدود 100 میلیون دلار هزینه دارد. او همچنین به پیش بینی خود از افزایش 5 تا 10 میلیارد دلاری هزینه های آموزشی برای مدل های آینده (در سال های 2025 و 2026) اشاره کرد.

هزینه قطعات هوش مصنوعی

شرکت‌های توسعه‌دهنده هوش مصنوعی از واحدهای پردازش گرافیکی (GPU) به‌ویژه اجزای Nvidia برای پردازش حجم زیادی از داده‌ها با سرعت بالا استفاده می‌کنند. با این حال، این قطعات کمیاب و گران هستند و برخی مانند H100 انویدیا با قیمت 30000 دلار یا بیشتر به فروش می رسند. برخی از شرکت ها نیز به اجاره قطعات مورد نظر خود متوسل می شوند، اما این نیز هزینه زیادی برای شرکت ها دارد. به عنوان مثال، اجاره برخی از قطعات H100 انویدیا تقریباً 100 دلار در ساعت برای تیم توسعه هزینه خواهد داشت.

اخیرا انویدیا معماری پردازنده جدیدی به نام بلک ول معرفی کرده است که نقش مهمی در پردازش داده های هوش مصنوعی ایفا می کند. کارشناسان انویدیا تخمین زده اند که آموزش یک مدل هوش مصنوعی با 1.8 تریلیون پارامتر مانند GPT-4 به حدود 2000 پردازنده Blackwell نیاز دارد و در صورت استفاده از قطعات Hopper این تعداد به 8000 پردازنده می رسد. در نتیجه هزینه بالای استفاده از این قطعات ممکن است پیشرفت و توسعه هوش مصنوعی و چت بات های مبتنی بر آن را کند کند.

مراکز داده

شرکت ها پس از خرید پردازنده های گرافیکی به مکانی مناسب برای نگهداری و استفاده از آنها نیاز دارند. برای این منظور، متا، آمازون، مایکروسافت، گوگل و سایر شرکت های توسعه در حال بررسی ساخت مراکز داده جدید هستند. مراکزی که به صورت سفارشی برای این شرکت ها ساخته می شوند و از قفسه بندی قوی، سیستم های خنک کننده و انواع تجهیزات الکتریکی مانند ژنراتورهای پشتیبان بهره می برند.

گروه تحقیقاتی Dell'Oro تخمین زده است که امسال شرکت ها حدود 294 میلیارد دلار برای ساخت و تجهیز مراکز داده خود هزینه خواهند کرد. این در حالی است که در سال 2020 حدود 193 میلیارد دلار در این زمینه هزینه شده است که نشان دهنده گسترش خدمات دیجیتال مانند پخش ویدئو، داده کاوی و بسترهای اجتماعی است. البته، بخشی از این هزینه ها صرف خرید قطعات گران قیمت انویدیا و سایر سخت افزارهای تخصصی مورد نیاز برای رشد خدمات مبتنی بر هوش مصنوعی می شود.

حقوق ناشران

اگرچه بیشتر هزینه ها صرف خرید پردازنده ها و مراکز داده می شود، برخی از شرکت ها میلیون ها دلار را برای خرید حق چاپ از ناشران هزینه می کنند. به عنوان مثال، OpenAI با چندین ناشر اروپایی برای استفاده از محتوای آنها در ChatGPT به توافقاتی دست یافته است و به گفته بلومبرگ، 10 میلیون یورو به Axel Springer SE پرداخت خواهد کرد تا محتوای خبری آنها را در چت بات نمایش دهد. رهبران OpenAI همچنین با سایر رسانه های خبری مانند CNN، Time و Fox News در مورد این موضوع صحبت کرده اند.

سایر شرکت ها نیز بیکار نیستند و به دنبال راه هایی برای ارائه داده های زبانی مورد نیاز برای ساخت ابزارهای هوش مصنوعی متقاعد کننده هستند. بر اساس گزارش رویترز، گوگل قراردادی به ارزش 60 میلیون دلار برای خرید کپی رایت محتوا از Reddit دارد و به گفته نیویورک تایمز، تیم متا در حال بررسی ارزش خرید حق چاپ Simon & Schuster Book است. البته رقابت غول های فناوری تنها به خرید حق چاپ محدود نمی شود و آنها در استخدام کارگران با استعداد و توسعه دهندگان ماهر با چالش هایی روبرو هستند.

جایگزین های ارزان تر

اگرچه مایکروسافت همیشه نقش اصلی را در ارائه مدل های زبان بزرگ ایفا کرده است، اما اخیراً اعلام کرده است که رویکرد متفاوتی را در پیش گرفته است. در نتیجه، این شرکت سه مدل زبان کوچک‌تر را معرفی کرد که به قدرت محاسباتی کمتری نسبت به مدل‌های بزرگتر نیاز دارند. علاوه بر مایکروسافت، برخی از شرکت‌های دیگر مانند هوش مصنوعی Sakana بر روی توسعه مدل‌های زبان کوچک‌تر تمرکز کرده‌اند.

به گفته مایکروسافت، مدل های زبان بزرگ هنوز ابزار اصلی برای توسعه، تجزیه و تحلیل و درک داده های پیچیده آنها هستند. با این حال، مدل های کوچکتر می توانند برای برخی فعالیت ها مفید باشند و نیاز به مدل های بزرگتر را کاهش دهند. البته برخی معتقدند که داشتن مدل های زبان بزرگ در هر شرایطی به نفع کاربران است، حتی اگر هزینه بیشتری داشته باشد.