یک گام به جلو، دو گام به عقب؛ اوپن‌ای‌آی، دیپ‌سیک و آیدیلَب | یادداشت‌های روزانه هوش مصنوعی، شماره ۱۸۸
نویسنده: مایکل پارک | ۲۰ اکتبر ۲۰۲۶
مقدمه
امروز سه‌شنبه است و موضوع امروز ما «یک گام به جلو، دو گام به عقب» در مسیر هوش مصنوعی است. پیشرفت هوش مصنوعی هیچ‌وقت خطی نیست؛ همیشه با گام‌هایی رو به جلو و عقب همراه است. در موج فناوری هوش مصنوعی، برخی از عقب‌گردها اجتناب‌ناپذیرند و برخی دیگر حاصل تصمیم‌هایی هستند که می‌شد از آن‌ها پرهیز کرد. برای آشنایی بیشتر با این دیدگاه، به مقاله «ایجاد ارزش در گذر زمان؛ موج فناوری هوش مصنوعی» مراجعه کنید.
امروز سه اتفاق مهم را بررسی می‌کنیم: اوپن‌ای‌آی گام بزرگی برای احیای کدهای قدیمی‌ای برداشته که هنوز زیرساخت بانک‌های ما را اداره می‌کنند؛ واشنگتن در برابر دیپ‌سیک چین یک گام به عقب برداشته، در حالی که خود دیپ‌سیک به پیشرفت ادامه می‌دهد؛ و توسعه زیرساخت‌های هوش مصنوعی بار دیگر به مانع کمبود برق برخورد کرده است. در بخش ابزارهای هوش مصنوعی نیز به سراغ یکی از دوستان خوبم می‌رویم که با کمک این فناوری، دامنه فعالیت‌های یک عمر خود را گسترش داده است.
۱. اوپن‌ای‌آی گام بزرگی برای احیای کدهای قدیمی برمی‌دارد
اوپن‌ای‌آی می‌گوید جدیدترین مدل‌هایش در برنامه‌نویسی با زبان‌هایی که منابع آموزشی محدودی دارند، بسیار بهتر عمل می‌کنند. این شرکت در مطلبی با عنوان «پیشبرد برنامه‌نویسی با زبان‌های کم‌منبع» این پیشرفت را توضیح داده است. منظور از زبان‌های کم‌منبع، زبان‌های قدیمی‌ای است که نمونه‌کدها و مستندات بسیار کمتری از آن‌ها در اینترنت وجود دارد تا مدل‌های هوش مصنوعی بتوانند از آن‌ها یاد بگیرند. کوبول و فورترن از جمله این زبان‌ها هستند؛ زبان‌هایی که از نخستین روزهای برنامه‌نویسی رایانه‌های بزرگ در دهه ۱۹۵۰ به کار گرفته شدند و استفاده از آن‌ها در دهه ۱۹۷۰ و سال‌های پس از آن نیز ادامه یافت.
زبان کوبول همچنان زیربنای بیش از ۴۰ درصد از خدمات بانکداری آنلاین، ۸۰ درصد از پرداخت‌های حضوری با کارت و ۹۵ درصد از تراکنش‌های خودپردازهاست. فورترن نیز برای پیش‌بینی وضع هوا و تحلیل ایمنی رآکتورهای هسته‌ای استفاده می‌شود.
اوپن‌ای‌آی برای سنجش توانایی مدل‌هایش آزمایشی طراحی کرد: مدل باید از ابتدا یک موتور پایگاه داده سازگار با SQLite را با استفاده از ۲۰ زبان برنامه‌نویسی مختلف بنویسد. مدل برتر این شرکت، GPT-6 Astra، به‌طور میانگین حدود ۸۷ درصد از آزمون‌ها را با موفقیت پشت سر گذاشت؛ در حالی که مدل قبلی تنها به حدود ۲۷ درصد رسید. در زبان کوبول، میزان موفقیت از ۱۱ درصد به ۷۲ درصد افزایش یافت؛ با این حال، کوبول همچنان دشوارترین زبان در میان ۲۰ زبان بررسی‌شده بود. در فورترن نیز این رقم از ۲۱ درصد به ۸۴ درصد رسید.
در آزمایش دوم، توانایی مدل در انتقال برنامه‌های قدیمی کوبول به زبان‌های مدرن، بدون تغییر عملکرد اصلی آن‌ها، بررسی شد. مدل جدید در حالت معمول ۸۷ درصد از موارد را درست انجام داد، در حالی که این میزان برای مدل قبلی فقط ۵ درصد بود. این نتیجه با هزینه کمتری به دست آمد و با صرف تلاش بیشتر، میزان موفقیت مدل جدید به ۹۸ درصد رسید.
جزئیات فنی در این زمینه اهمیت زیادی دارند. کوبول قواعد خاص خود را برای محاسبات مالی دارد؛ حتی نحوه گرد کردن اعداد اعشاری در آن اهمیت دارد. اگر این قواعد به‌درستی رعایت نشوند، برنامه ممکن است بدون هیچ خطای ظاهری اجرا شود، اما ارقام حساب‌های بانکی اشتباه از آب دربیایند. اوپن‌ای‌آی تأکید می‌کند که سامانه‌های مورد استفاده در محیط عملیاتی همچنان به بررسی متخصصان نیاز دارند. این شرکت همچنین آزمون خود را در گیت‌هاب منتشر می‌کند تا دیگران بتوانند نتایج آن را بررسی کنند.
دیدگاه مایکل پارک: من این معیارهای فنی و جزئی را با دقت بررسی می‌کنم، چون موضوع دشوار اما مهمی را روشن می‌کنند: هوش مصنوعی چگونه می‌تواند کدهای قدیمی را به کاربردهای تازه وارد کند.
برخلاف بسیاری از زبان‌های برنامه‌نویسی دیگر، درباره این زبان‌های قدیمی منابع آنلاین چندانی وجود ندارد؛ موضوعی که به قدمت چند دهه‌ای آن‌ها و ریشه‌هایشان در نخستین نسل‌های برنامه‌نویسی رایانه‌های بزرگ بازمی‌گردد. بحران مشهور سال ۲۰۰۰ یا Y2K را به خاطر بیاورید. بخش بزرگی از آن بحران به همین زبان‌های قدیمی مربوط می‌شد. برای حل مشکلات، برنامه‌نویسان بازنشسته را دوباره به کار فراخواندند، زیرا بسیاری از برنامه‌نویسان جوان هرگز این کدها را نیاموخته بودند. رویکرد اوپن‌ای‌آی این امکان را فراهم می‌کند که مدل‌های هوش مصنوعی برای کار روی حجم عظیم نرم‌افزارهای مبتنی بر کوبول و فورترن به خدمت گرفته شوند.
به همین دلیل، پیشرفتی که اوپن‌ای‌آی با تمرکز بر این حوزه به دست آورده، شایسته تقدیر است و می‌تواند برای برنامه‌نویسان، توسعه‌دهندگان و زیرساخت‌های نرم‌افزاری اهمیت زیادی داشته باشد. شاید این دستاورد به اندازه برخی قابلیت‌های چشمگیر و پرسر‌وصدای هوش مصنوعی در مرکز توجه نباشد، اما نمونه‌ای برجسته از توانایی این فناوری برای نوسازی سریع‌تر کدهای قدیمی است؛ کاری که مدت‌ها متوقف مانده بود. چنین دستاوردهایی در بازار سازمانی، بخش مهمی از داستان عرضه اولیه سهام اوپن‌ای‌آی نیز هستند؛ موضوعی که در ماه مارس در مقاله شماره RTZ 1021 درباره چشم‌انداز عرضه اولیه سهام اوپن‌ای‌آی بررسی کردم. این پیشرفتی واقعاً ارزشمند است.
منبع: اوپن‌ای‌آی، «پیشبرد برنامه‌نویسی با زبان‌های کم‌منبع».
برای خوانندگان قدیمی: RTZ 1021، «هوش مصنوعی: ارزیابی زودهنگام چشم‌انداز عرضه اولیه سهام اوپن‌ای‌آی».
۲. واشنگتن در برابر دیپ‌سیک عقب می‌نشیند، اما دیپ‌سیک پیش می‌رود
به گزارش وال‌استریت ژورنال در مطلب «وزارت امنیت داخلی آمریکا به دستگاه‌های غیرنظامی فدرال دستور می‌دهد هوش مصنوعی دیپ‌سیک چین را حذف کنند»، وزارت امنیت داخلی آمریکا به این دستگاه‌ها دستور داده است هوش مصنوعی دیپ‌سیک را از سامانه‌های خود حذف کنند. این دستور خریدهای آینده این فناوری را نیز ممنوع می‌کند. دامنه آن فقط به اپلیکیشن دیپ‌سیک محدود نیست و شرکت‌های وابسته به آن و محصولات شرکت‌های دیگر را که بر اساس مدل‌های دیپ‌سیک ساخته شده‌اند نیز دربرمی‌گیرد. این دستور با استناد به قانونی مصوب سال ۲۰۱۸ درباره امنیت زنجیره تأمین صادر شده است، اما نگرانی امنیتی مشخصی را توضیح نمی‌دهد و مهلتی نیز برای اجرای آن تعیین نمی‌کند.
در همین حال، تنها یک روز بعد، دیپ‌سیک گام دیگری به جلو برداشت. بلومبرگ در گزارش «دیپ‌سیک نرم‌افزار DeepInfer را برای افزایش بهره‌وری هوش مصنوعی معرفی می‌کند» نوشت که این شرکت نرم‌افزار DeepInfer را به‌صورت متن‌باز منتشر کرده است. این نرم‌افزار همان ابزاری است که دیپ‌سیک برای اجرای مدل‌های هوش مصنوعی خود در محیط عملیاتی به کار می‌برد و هدف از انتشار آن، کاهش هزینه‌های محاسباتی و انرژی مورد نیاز برای اجرای هوش مصنوعی است. همه می‌توانند از این نرم‌افزار استفاده کنند و آن را متناسب با نیازهای خود تغییر دهند. هنوز آزمایش‌های مستقلی درباره عملکرد آن منتشر نشده، اما نتایج اولیه امیدوارکننده به نظر می‌رسند.
این اقدام پس از عرضه مدل‌های V4 دیپ‌سیک در اوایل سال جاری انجام شده است؛ مدل‌هایی که در مقاله شماره RTZ 1062 درباره آن‌ها نوشتم. این مدل‌ها فعلاً متن‌باز و ارزان‌اند و چند ماه از پیشرفته‌ترین مدل‌های آمریکایی عقب‌تر هستند.
دیدگاه مایکل پارک: چند روز پیش نیز درباره همین مسئله صحبت کردم. شرکت‌های آمریکایی و غربی عموماً از استفاده از هوش مصنوعی متن‌باز و مدل‌هایی با وزن‌های باز که در چین توسعه یافته‌اند، استقبال می‌کنند؛ اما یکی از خطرها این است که دولت وارد عمل شود و استفاده از این مدل‌ها را متوقف یا حتی ممنوع کند. اکنون دولت آمریکا همین کار را در دستگاه‌های فدرال خود انجام می‌دهد. این اقدام در همان مسیری است که از آن نگران بودیم، و به نظر من مسیر درستی نیست.
صرف‌نظر از ملاحظات ژئوپلیتیکی، دسترسی به فناوری‌هایی که در هر نقطه‌ای از جهان توسعه یافته‌اند، ارزشمند است. مدل‌های متن‌باز و دارای وزن‌های باز، در بیشتر موارد امکان ساخت و توسعه برنامه‌های تازه را برای همگان فراهم می‌کنند. توسعه‌دهندگان می‌توانند برنامه‌های خود را بسازند و از دیوارهای ژئوپلیتیکی فراتر بروند. لازم نیست داده‌ها به چین بازگردند. مدل‌های دیپ‌سیک باز هستند و توسعه‌دهندگان در سراسر جهان، از جمله در آمریکا، می‌توانند بر پایه آن‌ها محصول بسازند و مدل‌ها را روی سرورهای خود، با تنظیمات حریم خصوصی و سازوکارهای اعتماد مورد نظرشان، اجرا کنند. مدل‌های باز داده‌های کاربران را به جای دیگری ارسال نمی‌کنند. ممنوعیت محصولات ساخته‌شده بر اساس دیپ‌سیک، بسیار فراتر از ممنوع کردن یک اپلیکیشن چینی می‌رود.
بنابراین، تصمیم دولت آمریکا یک گام به عقب و از نظر من اشتباهی قابل اجتناب است. آمریکا با این محدودیت‌ها، موانع بیشتری بر سر راه پیشرفت جهانی هوش مصنوعی، سازگاری میان سامانه‌ها و امکان توسعه محصولات بر پایه هر مدل دلخواه ایجاد می‌کند. تابستان گذشته، در مقاله شماره RTZ 783، مسائل تجاری هوش مصنوعی میان آمریکا و چین را با عبارت «دو گام به عقب، یک گام به جلو» توصیف کردم. عاملی که می‌تواند این فشار را تا حدی کاهش دهد، ادامه سرمایه‌گذاری شرکت‌های آمریکایی، از جمله انویدیا، در فناوری‌های متن‌باز و مدل‌های دارای وزن‌های باز است. در نتیجه، با روندی پرپیچ‌وخم روبه‌رو هستیم که در آن عقب‌گردها و پیشرفت‌ها در کنار یکدیگر رخ می‌دهند. باید دید این مسیر به کجا می‌رسد.
منابع: وال‌استریت ژورنال، «وزارت امنیت داخلی آمریکا به دستگاه‌های غیرنظامی فدرال دستور می‌دهد هوش مصنوعی دیپ‌سیک چین را حذف کنند»؛ بلومبرگ، «دیپ‌سیک نرم‌افزار DeepInfer را برای افزایش بهره‌وری هوش مصنوعی معرفی می‌کند».
برای خوانندگان قدیمی: RTZ 1062، «هوش مصنوعی: دیپ‌سیک در چین از میدان خارج نشده است»؛ RTZ 783، «هوش مصنوعی: انویدیا در چین؛ دو گام به عقب، یک گام به جلو»؛ RTZ 622، «هوش مصنوعی: روایت سه شیوه استدلال عمیق در هوش مصنوعی».
۳. توسعه هوش مصنوعی بار دیگر به دیوار محدودیت برق برخورد می‌کند
ماه‌هاست که درباره این مسئله صحبت می‌کنیم، اما اکنون گزارش تازه‌ای از گلدمن ساکس درباره تقاضای برق مراکز داده هوش مصنوعی منتشر شده است. وب‌سایت اکسیوس در گزارش «شبکه برق آمریکا به بزرگ‌ترین گلوگاه هوش مصنوعی تبدیل می‌شود» به این گزارش پرداخته است. گلدمن ساکس پیش‌بینی می‌کند تقاضای جهانی برق مراکز داده از سال ۲۰۲۵ تا ۲۰۳۰ حدود ۱۷۰ درصد افزایش یابد و بیش از ۶۰ درصد این رشد در آمریکا رخ دهد. یکی از بانکداران گلدمن ساکس برق را «گلوگاهی همیشگی» توصیف کرده است.
در حال حاضر، ظرفیت پروژه‌هایی که در صف اتصال به شبکه برق قرار دارند به حدود ۲۶۰۰ گیگاوات می‌رسد؛ رقمی که بیش از دو برابر کل ظرفیت فعلی برق آمریکا است. از زمان ثبت درخواست تا آغاز بهره‌برداری، اجرای یک پروژه معمولی حدود پنج سال طول می‌کشد.
از ژانویه تاکنون، ۸۶ پروژه مرکز داده لغو شده یا به تأخیر افتاده‌اند که ۷۶ مورد آن‌ها به دلیل مخالفت‌های محلی بوده است. گلدمن ساکس پیش‌بینی می‌کند هزینه‌کرد برای مراکز داده از سال جاری تا ۲۰۳۱ به نزدیک ۸ تریلیون دلار برسد. شرکت‌های خدمات برق نیز تا سال ۲۰۳۰ بیش از یک تریلیون دلار برای توسعه زیرساخت‌های خود هزینه خواهند کرد. همچنین انتظار می‌رود انتشار اوراق بدهی توسط شرکت‌های بزرگ رایانش ابری و زیرساخت هوش مصنوعی در سال آینده به ۴۲۰ میلیارد دلار برسد که ۶۰ درصد بیشتر از سطح قبلی است.
دیدگاه مایکل پارک: این هم یک گام به عقب دیگر است؛ این بار به دلیل ابهام‌ها و عدم قطعیت‌های مربوط به توسعه زیرساخت برق. به یاد داشته باشید که ایجاد یک گیگاوات ظرفیت محاسباتی هوش مصنوعی، با تراشه‌ها و زیرساخت‌هایی که بخش عمده آن‌ها از انویدیا تأمین می‌شود، امروز بیش از ۵۰ میلیارد دلار هزینه دارد و ساخت آن دو تا سه سال زمان می‌برد. این همان سرعتی است که تحولات این حوزه با آن پیش می‌روند.
چین، در مقایسه با آمریکا، ظرفیت تولید و تأمین برق را سریع‌تر افزایش می‌دهد و از انرژی‌های تجدیدپذیر و باتری‌ها بهره می‌گیرد. در مقابل، آمریکا به دلایل سیاسی مختلف چندین گام از توسعه انرژی خورشیدی، بادی و باتری‌ها عقب نشسته است. در نتیجه، مسیر آمریکا طولانی‌تر و پرهزینه‌تر خواهد بود. در ماه مارس، از کنفرانس بزرگ انرژی در هیوستون، این موضوع را در مقاله شماره RTZ 1042 بررسی کردم.
نکته تازه در گزارش جدید، افزایش مخالفت‌ها با ساخت مراکز داده در سراسر کشور است؛ مخالفت‌هایی که اغلب بر برداشت‌های نادرست از خود هوش مصنوعی تکیه دارند. نگرش منفی‌تر به هوش مصنوعی در آمریکا، در مقایسه با دیدگاه مثبت‌تر جریان اصلی در مناطقی مانند چین، دیگر بخش‌های آسیا و هند، به این وضعیت دامن زده است. این مسئله، به‌ویژه در آستانه انتخابات میان‌دوره‌ای که تنها چند هفته تا آن باقی مانده، به موضوعی مورد اختلاف میان هر دو حزب تبدیل شده است. بنابراین، پیشرفت در این حوزه همچنان با گام‌هایی کند و نامنظم به جلو و عقب ادامه خواهد یافت و تأمین برق یکی از عوامل کلیدی آن است.
منبع: اکسیوس، «شبکه برق آمریکا به بزرگ‌ترین گلوگاه هوش مصنوعی تبدیل می‌شود».
برای خوانندگان قدیمی: RTZ 1042، «هوش مصنوعی: تازه‌ترین تحولات نیاز عظیم آمریکا به انرژی و برق برای هوش مصنوعی»؛ AI-RTZ 1244، «توسعه ۱۰ تریلیون‌دلاری هوش مصنوعی به بانکداران می‌رسد».
جمع‌بندی من
پیشرفت هیچ‌وقت در مسیری مستقیم اتفاق نمی‌افتد. حرکت اوپن‌ای‌آی به سوی نرم‌افزارهای قدیمی، که اکنون می‌توان آن‌ها را با کمک هوش مصنوعی بهبود داد و سریع‌تر به‌روز کرد، اتفاق مثبتی است و برای نوسازی فناوری‌هایی که دهه‌ها در وضعیت رکود مانده‌اند، امیدبخش به نظر می‌رسد. چین در برخی زمینه‌ها پیش می‌رود، در حالی که آمریکا با اعمال محدودیت‌ها عقب می‌نشیند. در همین حال، تأمین برق در برابر تقاضای عظیم آینده همچنان مانعی بزرگ است.
برخی عقب‌گردها، مانند محدودیت‌های شبکه برق و دشواری دریافت مجوزها، به عواملی بیرون از کنترل مستقیم شرکت‌ها مربوط می‌شوند. برخی دیگر، مانند انتخاب‌های سیاستی خودمان، قابل اجتناب‌اند. در سوی مقابل، پیشرفت‌ها نیز از گام‌های کوچک تا جهش‌های بزرگ را شامل می‌شوند. موج فناوری هوش مصنوعی با همین پیشرفت‌های نامنظم شکل می‌گیرد؛ گام‌به‌گام. برای بررسی بیشتر این دیدگاه، مقاله «ایجاد ارزش در گذر زمان؛ موج فناوری هوش مصنوعی» را بخوانید.
ابزار هوش مصنوعی: دوست قدیمی‌ام با کمک هوش مصنوعی دامنه فعالیت‌های یک عمر خود را گسترش می‌دهد
دوستی که درباره‌اش صحبت می‌کنم، بیل گراس است؛ کسی که احتمالاً او را به‌عنوان بنیان‌گذار شرکت آیدیلَب در سال ۱۹۹۶ می‌شناسید. او سال‌هاست در زمینه ایجاد و اداره کسب‌وکارهای نوپا فعالیت می‌کند و آیدیلَب تاکنون بیش از ۱۷۵ شرکت راه‌اندازی کرده است که تعدادی از آن‌ها به شرکت‌های تک‌شاخ جهانی تبدیل شده‌اند.
اکنون گراس تجربه و روش کاری یک عمر خود را به پلتفرمی رایگان مبتنی بر هوش مصنوعی به نام Idealab.ai تبدیل کرده است. این پلتفرم بر اساس اخبار، پژوهش‌ها، اختراع‌های ثبت‌شده و پرونده‌های شرکتی آموزش دیده تا ایده‌های تجاری تولید و عرضه کند. بیش از ۱٫۲ میلیون ایده در آن وجود دارد که هر کدام با یک طرح اولیه کسب‌وکار همراه‌اند.
فرایند استفاده از پلتفرم سه مرحله دارد: ابتدا درباره خودتان اطلاعات می‌دهید، سپس ایده مورد نظرتان را پیدا می‌کنید و در نهایت آن را مطابق خواسته خود توسعه می‌دهید. از جمله شرکای این پروژه می‌توان به امپریال کالج لندن، مؤسسه فناوری کالیفرنیا، دانشگاه ایالتی آریزونا، کلادفلر و اندیور اشاره کرد. گراس این هفته این ابزار را معرفی می‌کند؛ موضوعی که وال‌استریت ژورنال در گزارش «ابزار هوش مصنوعی بیل گراس می‌تواند تعداد استارتاپ‌ها را به‌شدت افزایش دهد» به آن پرداخته است.
دیدگاه مایکل پارک: ایده‌های استارتاپی همیشه نیروی محرکه بیل بوده‌اند. چندین دهه است که او را می‌شناسم و هر بار که به دیدنش رفته‌ام، صفحه‌گسترده‌هایی با ده‌ها و گاهی صدها ایده پیش رو داشته است؛ ایده‌هایی که بر اساس میزان علاقه‌اش به دنبال کردن آن‌ها اولویت‌بندی شده بودند.
هرگز ایده جالبی را که یک بار به من نشان داد فراموش نمی‌کنم: سامانه‌ای که در آن افراد برای واژه‌های کلیدی جست‌وجو پیشنهاد قیمت می‌دادند. درباره آن در مقاله شماره RTZ 566 نوشتم. او شرکتی به نام GoTo.com راه‌اندازی کرد که بعدها به Overture تبدیل شد و یاهو آن را خرید. این ایده در ادامه تکامل یافت و در قالب تبلیغات جست‌وجویی گوگل توسعه پیدا کرد؛ مدلی که یکی از پایه‌های اصلی کسب‌وکار اینترنتی به شمار می‌رود. نخستین بار که این ایده را دیدم، روی یکی از صفحه‌گسترده‌های رایانه اداری بیل ثبت شده بود.
دیدن اینکه دوستم اکنون این مجموعه عظیم از ایده‌ها را با کمک هوش مصنوعی در مقیاسی بسیار بزرگ‌تر عرضه می‌کند، هیجان‌انگیز است. او این تجربه را به وب‌سایتی تبدیل کرده که هر کسی می‌تواند به آن مراجعه کند و ایده‌های گوناگون را بررسی کند. بیل خودش همیشه می‌گوید پیدا کردن ایده نسبتاً ساده است؛ تفاوت اصلی را نحوه اجرا و ساختن محصول بر پایه آن ایده رقم می‌زند. حالا او این گنجینه را تقریباً به شیوه یک پروژه متن‌باز در اختیار مردم سراسر جهان قرار داده است. این کار برای افراد بی‌شماری فرصت‌های تازه‌ای ایجاد می‌کند. به خاطر این اقدام، بیل گراس را تحسین می‌کنم و اگر به این حوزه علاقه دارید، پیشنهاد می‌کنم نگاهی به پلتفرم او بیندازید.
منابع: Idealab.ai؛ وال‌استریت ژورنال، «ابزار هوش مصنوعی بیل گراس می‌تواند تعداد استارتاپ‌ها را به‌شدت افزایش دهد».
برای خوانندگان قدیمی: RTZ 566، «هوش مصنوعی: از اینجا به بعد دیگر به مرورگر نیاز نداریم».
پرسش و پاسخ
در حال حاضر، کدام پیشرفت هوش مصنوعی بیش از همه شما را هیجان‌زده می‌کند؟
ورود دستیارهای هوش مصنوعی به زندگی روزمره کاربران. پیش‌تر بارها درباره این روند صحبت کرده‌ام؛ از تلاش‌های متا برای توسعه Muse و پروژه Dots اوپن‌ای‌آی گرفته تا برنامه‌های گوگل برای Gemini. از آزمایش‌های زیادی که شرکت‌هایی مانند اپل و گوگل و همچنین استارتاپ‌های جدید در حال انجام آن‌ها هستند، هیجان‌زده‌ام. هر روز از این ابزارها استفاده می‌کنم.
در این حوزه نیز شاهد گام‌هایی رو به جلو و عقب و تکرارهای فراوان برای بهبود محصولات خواهیم بود. هنوز هیچ‌یک از این ابزارها رابط کاربری کاملی ندارند و شرکت‌ها همچنان در حال یافتن بهترین شیوه طراحی آن‌ها هستند. با این حال، حضور در روزهای آغازین این تحول هیجان‌انگیز است.
بیشتر دستیارهای هوش مصنوعی در چه زمینه‌ای اشتباه می‌کنند؟
من هیچ‌وقت طرفدار انسان‌انگاری هوش مصنوعی نبوده‌ام و طی چند سال گذشته بارها درباره این موضوع نوشته‌ام. به نظر من، یکی از اشتباه‌ها استفاده از شخصیت‌های بامزه و طراحی دستیارهایی است که مانند موجودات کوچک و دوست‌داشتنی رفتار می‌کنند تا کاربران بتوانند با آن‌ها ارتباط عاطفی برقرار کنند.
می‌فهمم چرا شرکت‌ها چنین رویکردی دارند؛ این شیوه می‌تواند ارتباط با کاربران عادی را آسان‌تر کند. اما در نهایت، آنچه با آن سروکار داریم هوش ماشینی است، نه هوش انسانی. دوست دارم نسخه‌های آینده این ابزارها کمتر انسان‌انگارانه باشند. بهتر است بیشتر شبیه رایانه موجود در مجموعه «پیشتازان فضا» عمل کنند، نه موجودی بامزه که جلوی چشمم بالا و پایین می‌پرد؛ چه این موجود یک شخصیت کارتونی باشد و چه دستیار Clippy مایکروسافت که چند دهه پیش معرفی شد.
ویدئوهای امروز
عقب‌گرد واشنگتن در برابر دیپ‌سیک
وزارت امنیت داخلی آمریکا به دستگاه‌های غیرنظامی فدرال دستور داده است هوش مصنوعی دیپ‌سیک را حذف کنند. این دستور فقط اپلیکیشن را دربرنمی‌گیرد و محصولات ساخته‌شده بر پایه مدل‌های آن را نیز شامل می‌شود.
دیدگاه مایکل پارک: یکی از خطرهای استفاده گسترده از هوش مصنوعی باز چین، از ابتدا این بود که دولت وارد عمل شود. اکنون شاهد گامی در همین مسیر هستیم.
هوش مصنوعی بار دیگر به محدودیت برق برخورد می‌کند
گلدمن ساکس پیش‌بینی می‌کند تقاضای جهانی برق مراکز داده تا سال ۲۰۳۰ حدود ۱۷۰ درصد افزایش یابد. ظرفیت پروژه‌های منتظر اتصال به شبکه برق آمریکا نیز بیش از دو برابر کل ظرفیت فعلی این کشور است.
دیدگاه مایکل پارک: ایجاد یک گیگاوات ظرفیت محاسباتی هوش مصنوعی بیش از ۵۰ میلیارد دلار هزینه دارد و ساخت آن دو تا سه سال زمان می‌برد.
بیل گراس با کمک هوش مصنوعی دامنه ایده‌هایش را گسترش می‌دهد
بیل گراس، بنیان‌گذار آیدیلَب، تجربه یک عمر خود را در قالب Idealab.ai عرضه کرده است؛ پلتفرمی رایگان مبتنی بر هوش مصنوعی که بیش از یک میلیون ایده کسب‌وکار در اختیار کاربران قرار می‌دهد.
دیدگاه مایکل پارک: ایده شرکت GoTo.com ابتدا در یکی از صفحه‌گسترده‌های ایده‌های بیل شکل گرفت. اکنون او این گنجینه را در اختیار مردم سراسر جهان قرار می‌دهد.
پیشرفت هوش مصنوعی که بیش از همه مرا هیجان‌زده می‌کند
پیشرفتی که بیش از همه مرا هیجان‌زده می‌کند، ورود دستیارهای هوش مصنوعی به زندگی روزمره مصرف‌کنندگان است.
دیدگاه مایکل پارک: هنوز هیچ‌یک از این ابزارها رابط کاربری کاملی ندارند، اما حضور در روزهای آغازین این تحول هیجان‌انگیز است.
مقاله امروز با عنوان AI-RTZ 1245، «مبانی حلقه‌های هوش مصنوعی، بخش دوم: از GPT-1 تا یک اکتیلیون GPT-6» به ریاضیات عظیم پشت مدل‌های GPT، از GPT-1 تا GPT-6 و مسیر آینده آن‌ها می‌پردازد. تلاش کرده‌ام اعداد و ارقام را تا حد امکان قابل‌درک‌تر کنم. چند بخش دیگر نیز در ادامه منتشر خواهد شد.
مجموعه «یادداشت‌های روزانه هوش مصنوعی» در AI-RTZ فرصتی است برای فکر کردن درباره هوش مصنوعی و بازنگری در برداشت‌هایمان، در کنار یکدیگر.
فردا، شماره ۱۸۹ از مجموعه ARD و شماره ۱۲۴۶ از AI-RTZ منتشر می‌شود.
از همراهی شما، علاقه‌مندان به هوش مصنوعی، سپاسگزارم. منتظر مطالب بعدی باشید.
منابع اصلی برای مطالعه بیشتر
کدهای قدیمی، هوش مصنوعی جدید
آمریکا، چین و دیپ‌سیک
- وال‌استریت ژورنال، «وزارت امنیت داخلی آمریکا به دستگاه‌های غیرنظامی فدرال دستور می‌دهد هوش مصنوعی دیپ‌سیک چین را حذف کنند»، ۱۹ اکتبر ۲۰۲۶
- بلومبرگ، «دیپ‌سیک نرم‌افزار DeepInfer را برای افزایش بهره‌وری هوش مصنوعی معرفی می‌کند»، ۲۰ اکتبر ۲۰۲۶
محدودیت‌های تأمین برق
ابزار هوش مصنوعی
- Idealab.ai، پلتفرم جدید هوش مصنوعی بیل گراس؛ منبع اصلی
- وال‌استریت ژورنال، «ابزار هوش مصنوعی بیل گراس می‌تواند تعداد استارتاپ‌ها را به‌شدت افزایش دهد»، ۲۰ اکتبر ۲۰۲۶
مطالب پیشین
- AI-RTZ 1245، «مبانی حلقه‌های هوش مصنوعی، بخش دوم: از GPT-1 تا یک اکتیلیون GPT-6»
- AI-RTZ 1244، «توسعه ۱۰ تریلیون‌دلاری هوش مصنوعی به بانکداران می‌رسد»
- RTZ 1062، «هوش مصنوعی: دیپ‌سیک در چین از میدان خارج نشده است»
- RTZ 1042، «هوش مصنوعی: تازه‌ترین تحولات نیاز عظیم آمریکا به انرژی و برق برای هوش مصنوعی»
- RTZ 1021، «هوش مصنوعی: ارزیابی زودهنگام چشم‌انداز عرضه اولیه سهام اوپن‌ای‌آی»
- RTZ 783، «هوش مصنوعی: انویدیا در چین؛ دو گام به عقب، یک گام به جلو»
- RTZ 622، «هوش مصنوعی: روایت سه شیوه استدلال عمیق در هوش مصنوعی»
- RTZ 566، «هوش مصنوعی: از اینجا به بعد دیگر به مرورگر نیاز نداریم»
- ARD 187، «هنر توافق در عصر هوش مصنوعی: آنتروپیک، اوپن‌ای‌آی و مایکروسافت»
- «ایجاد ارزش در گذر زمان؛ موج فناوری هوش مصنوعی»
توجه: مطالب این مجموعه صرفاً با هدف اطلاع‌رسانی ارائه شده‌اند و در هیچ زمانی نباید توصیه سرمایه‌گذاری تلقی شوند. از همراهی شما سپاسگزاریم.