استاد IMD: برتری هوش مصنوعی OpenAI و Anthropic به‌سرعت از بین می‌رود؛ «برای رفتن به والمارت نیازی به فراری ندارید»

finance.yahoo.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

به گفته هوارد یو، استاد مدیریت و نوآوری با کرسی لگو در مدرسه کسب‌وکار IMD، شرکت‌های OpenAI و Anthropic ممکن است همچنان در حوزه هوش مصنوعی از رقبای چینی جلوتر باشند، اما این برتری فناوری لزوماً ارزشی را که انتظار می‌رود برای آن‌ها ایجاد نمی‌کند.

یو در پاسخ به پرسشی درباره برتری حدود چهار تا شش‌ماهه آزمایشگاه‌های پیشرو هوش مصنوعی آمریکا، این مزیت را «بسیار زودگذر» توصیف کرد.

او به بنزینگا گفت: «برای بیشتر کاربردها، به چنین چیزی نیازی ندارید.»

شاید برتری شش‌ماهه اهمیتی نداشته باشد

استدلال یو صرفاً این نیست که آزمایشگاه‌های چینی ممکن است به رقبای آمریکایی برسند؛ نکته اصلی او این است که بسیاری از مشتریان اساساً به قابلیت‌های اضافی مدل‌های پیشرفته‌تر احتیاجی ندارند.

او به نمایشی از فناوری شرکت تنسنت هولدینگز اشاره کرد که در آن، یک دستیار مبتنی بر وی‌چت بسته‌بندی دارو را اسکن کرد و با استفاده از اطلاعاتی که از قبل در این پلتفرم موجود بود، در مدت کوتاهی راهنمایی شخصی‌سازی‌شده ارائه داد.

یو گفت: «برای ارائه اطلاعات مفید، به یک مدل هوش مصنوعی فوق‌پیشرفته نیاز ندارید.»

به گفته او، همین اصل در مورد کسب‌وکارها نیز صدق می‌کند، زیرا بسیاری از کاربردهای هوش مصنوعی در شرکت‌ها همچنان ساده‌اند.

او گفت: «بیشتر شرکت‌ها از هوش مصنوعی برای کارهای ساده استفاده می‌کنند. برای رفتن به والمارت نیازی نیست فراری برانید.»

هزینه‌ها فقط در انتخاب میان مدل‌های مختلف مطرح نیستند. یو گفت مدیرانی که با آن‌ها کار می‌کند، این موضوع را نیز می‌سنجند که آیا باید برای استفاده از توکن‌های بیشتر هوش مصنوعی هزینه کنند یا نیروی انسانی بیشتری استخدام کنند.

او گفت: «باید توکن بیشتری بخریم یا نیروی انسانی بیشتری استخدام کنیم؟»

یو با استناد به پژوهش‌های مؤسسه فناوری ماساچوست (MIT) و شرکت مک‌کینزی گفت بسیاری از پروژه‌های پیاده‌سازی هوش مصنوعی در شرکت‌ها نیز نتوانسته‌اند بازده مورد انتظار را محقق کنند.

مدل‌های چینی فشار بیشتری ایجاد می‌کنند

حتی اگر OpenAI و Anthropic از نظر فنی همچنان پیشتاز باشند، مدل‌های متن‌باز چینی که با هزینه کمتری در دسترس‌اند، چالش جداگانه‌ای برای آزمایشگاه‌های پیشرو هوش مصنوعی ایجاد می‌کنند.

یو گفت شرکت‌ها می‌توانند این مدل‌ها را دانلود کنند، در مراکز داده خود اجرا کنند و کنترل بیشتری بر اطلاعات سازمانی‌شان داشته باشند. به گفته او، تمایل به استقلال از زیرساخت‌ها و فناوری‌های آمریکایی به‌ویژه در اروپا پررنگ است، اما این گرایش در میان شرکت‌های آمریکایی نیز دیده می‌شود.

یو افزود که شرکت‌های بزرگ هم‌اکنون از مدل‌های متن‌باز چینی استفاده می‌کنند؛ از جمله یک استارتاپ شناخته‌شده در سیلیکون‌ولی که اندریسن هوروویتز از سرمایه‌گذاران آن است.

لیپ-بو تن، مدیرعامل شرکت اینتل، نیز همین هفته به نکته‌ای مشابه اشاره کرد. او گفت مدل‌هایی مانند دیپ‌سیک، کیمی و جی‌ال‌ام در حال حاضر «به‌اندازه کافی خوب» هستند، هزینه توکن کمتری دارند و با سرعت «بسیار زیادی» در حال پذیرش‌اند.

بازار مصرف‌کنندگان ممکن است متفاوت باشد

یو انتظار ندارد این فشار به همین سادگی جایگاه OpenAI یا Anthropic را در بازار مصرف‌کنندگان غربی از بین ببرد.

به گفته او، وفاداری کاربران به این محصولات ممکن است کمتر به هوشمندتر بودن مدل و بیشتر به مزیت‌های ساده محصول، مانند دسترسی آسان و رابط کاربری روان و مرتب، مربوط باشد.

بازار مشتریان سازمانی متفاوت است. یو توضیح داد که بازار کسب‌وکار با کسب‌وکار (B2B) بسیار بزرگ‌تر و پیچیده‌تر است و کاربران فنی می‌توانند مدل‌های متن‌باز را بدون نیاز به همان سطح از پرداخت و ظرافت در طراحی رابط کاربری محصولات مصرفی به کار بگیرند.

انتظار می‌رود آزمایشگاه‌های آمریکایی همچنان پیشتاز باشند

معامله‌گران بازارهای پیش‌بینی همچنان انتظار دارند شرکت‌های آمریکایی در ساخت پیشرفته‌ترین مدل‌های هوش مصنوعی پیشتاز باشند. در پلتفرم پلی‌مارکت، احتمال اینکه در پایان سال ۲۰۲۶ بهترین مدل هوش مصنوعی متعلق به Anthropic یا شرکت آلفابت باشد، تقریباً برابر ارزیابی شده است؛ این احتمال‌ها به‌ترتیب حدود ۴۳ و ۴۲ درصد هستند.

احتمال مربوط به OpenAI نزدیک به ۸ درصد و احتمال متا حدود ۴ درصد است، در حالی که سهم آزمایشگاه‌های چینی حدود یک درصد یا کمتر برآورد می‌شود. حجم معاملات این بازار به حدود ۲٫۵ میلیون دلار رسیده است.

این بازار می‌کوشد مشخص کند چه شرکتی پیشرفته‌ترین مدل را می‌سازد. اما پرسش مورد تأکید یو برای کسب‌وکارها متفاوت است: آیا عملکرد بهتر مدل به‌اندازه‌ای ارزش دارد که پرداخت هزینه بیشتر برای آن توجیه‌پذیر باشد؟

تصویر: Shutterstock