بازگشت سرمایه هوش مصنوعی
در سال ۲۰۲۳، صنعت هوش مصنوعی برای آموزش مدل های مختلف حدود ۵۰ میلیارد دلار برای خرید تراشه‌های شرکت انویدیا هزینه کرد. به گفته شرکت سرمایه‌گذاری سکوییا کپیتال، بازدهی این مقدار هزینه، سه میلیارد دلار درآمد بود. آیا این بازگشت سرمایه هوش مصنوعی قابل تحسین است؟
در این پادکست، ریکی مولووی، میزبان موتلی فول، با تحلیل‌گر آسیت شارما درباره چگونگی نگاه سرمایه‌گذاران به هزینه‌های شرکت‌ها در زمینه هوش مصنوعی صحبت می‌کند.
آنها همچنین به مباحث زیر می‌پردازند:
- نرخ پیشرفت مدل‌های هوش مصنوعی
- چگونگی استفاده شرکت‌هایی که جزو عجایب هفتگانه بازار سهام نیستند از هوش مصنوعی
- یک شرکت که به نحو هوشمندانه‌ای بر روی فناوری جدید سرمایه‌گذاری می‌کند.
- چرخه تب‌وتاب گارتنر
این پادکست در موتلی فول منتشر شده است. متن کامل پادکست ترجمه شده در ادامه ویدئو آمده است.
آسیت شارما: اصل ماجرا این است که فرآیندها در سرورها بسیار بیشتر شده‌اند و هزینه‌های زیادی دارند زیرا جادویی به ما ارائه می‌دهند که قبلاً نداشتیم. گاهی اوقات، پاسخ‌ها نادرست به نظر می‌رسند. هنوز در مراحل اولیه هستیم. اما تاکنون، شرکت‌ها مایل به سرمایه‌گذاری هستند و برخی مصرف‌کنندگان مایل به پرداخت هزینه برای این خدمات. بسیاری از ما این خدمات را به‌صورت رایگان دریافت می‌کنیم و این تکنولوژی در محصولات روزمره ما ادغام شده است. اما نکته اصلی این است که مردم مایل به پرداخت هزینه برای این جادوی اضافی هستند.
مری لانگ: من مری لانگ هستم و اینجا آسیت شارما است. هوش مصنوعی همه جا هست و تمام این داده‌ها هزینه بالایی دارند. یک نظرسنجی از شرکت KPMG نشان می‌دهد که ۴۳٪ از شرکت‌های آمریکایی با درآمد بالای یک میلیارد دلار، در ۱۲ ماه آینده قصد دارند حداقل ۱۰۰ میلیون دلار در هوش مصنوعی تولیدی سرمایه‌گذاری کنند. اما چگونه می‌توان فهمید که آیا این سرمایه‌گذاری‌ها واقعاً بازدهی دارند یا نه؟ همکارم، ریکی مولووی، با ما درباره اینکه چگونه سرمایه‌گذاران ممکن است به هزینه‌های هوش مصنوعی یک شرکت نگاه کنند، صحبت کرد. آنها همچنین درباره اینکه شرکت‌هایی که جزو عجایب هفتگانه نیستند چگونه از هوش مصنوعی استفاده می‌کنند، تفاوت بین مدل‌های بزرگ و کوچک زبانی و آینده روابط دوستانه هوش مصنوعی بحث کردند.
ریکی مولووی: بیایید با جنبه مثبت شروع کنیم. هوش مصنوعی دستاوردهای فناورانه‌ای دارد که می‌تواند دنیا را تغییر دهد. این فناوری دیگر به ما کمک می‌کند، مثلاً در کارم، و نحوه جستجو در اینترنت را تغییر داده است. احتمالاً برای شما هم همین تأثیر را داشته باشد، اگر از گوگل (آلفابت) استفاده می‌کنید؛ فرض می‌کنم که کاربر بینگ نیستید؟ شما احتمالاً در پلتفرم‌های Ask Jeeves، Yahoo یا Bing جستجو نمی‌کنید.
آسیت شارما: درست خواندی رفیق. من کاربر گوگل هستم. چیزی علیه بینگ ندارم؛ گاهی اوقات از آن استفاده می‌کنم، اما اولویت من گوگل است.
ریکی مولووی: قصد دارم ما را به جایی برسانم که هم جنبه‌های بسیار مثبت و هم برخی از خطرات مرتبط با هوش مصنوعی در این دوره‌ی هیجان سرمایه‌گذاری را بشناسیم. بیایید با جنبه مثبت شروع کنیم. هوش مصنوعی چه کاری را برای شما ممکن کرده که چند سال پیش نمی‌توانستید انجام دهید؟
آسیت شارما: ریکی، یکی از چیزهایی که هوش مصنوعی به من امکان می‌دهد این است که به‌سرعت در جریان یک داستان تجاری قرار بگیرم که شاید به سرعت تغییر کرده باشد. من برای خدمات مختلفی که روی آنها کار می‌کنم، شرکت‌های زیادی را پوشش می‌دهم. نمی‌توان هر روز جزییات هر شرکت را دنبال کرد. گاهی اوقات نیاز است که اطلاعات را سریع پیدا کنم و ارزیابی سریعی انجام دهم. در زمان‌های گذشته باید به گوگل، پرونده‌های SEC و مصاحبه‌ها مراجعه می‌کردم. حالا می‌توانم از مدل‌های زبانی بزرگ بخواهم که خلاصه‌ای از وقایع را در یک بازه زمانی مشخص برایم ارائه دهند. این یکی از استفاده‌ها است. فکر می‌کنم خیلی جالب است. استفاده دیگر این است که از مدل‌های زبانی بزرگ به عنوان ابزاری برای پیدا کردن سرمایه‌گذاری‌های عالی استفاده کنم. بگذارید واقعی صحبت کنیم؛ توانایی استدلال آنها هنوز بهتر از من یا دیگر تحلیلگران نیست. هر روز کمی بهتر می‌شوند ولی اگر بدانید چگونه آنها را به سمت درست هدایت کنید، می‌توانند شرکت‌هایی را به شما نشان دهند که ارزش تحقیق بیشتر را دارند. در نهایت، زبانی که سعی می‌کردم یاد بگیرم، با کمک ChatGPT می‌توانم جملاتی که نمی‌فهمم را به راحتی از او بپرسم. مثلاً درباره یک جمله و استفاده از یک فعل یا زمان خاص در آن توضیح می‌خواهم و او جواب بسیار قابل فهمی می‌دهد که به من کمک می‌کند جاهای خالی را پر کنم. این روند یادگیری را برایم جذاب‌تر کرده است.
ریکی مولووی: فکر کنم نقطه نظر تو این است که این ابزار برای ایده‌پردازی خوب است، اما نیاز به بررسی بیشتر دارد. برای کارم، از آن استفاده می‌کنم؛ مثلاً از آن می‌پرسم این شرکت چطور پول در می‌آورد؟ اگر نیاز باشد درباره شرکتی که قرار است در آینده صحبت کنم، سریع اطلاعات بگیرم، مثل یک کمک‌کار است. گاهی اوقات از آن درباره مشکلات نرم‌افزاری که دارم راهنمایی می‌گیرم؛ مثلاً در ویرایش صوتی. همچنین برای آشپزی از آن استفاده می‌کنم. می‌پرسم با این موادی که در یخچالم دارم چه غذاهایی می‌توانم درست کنم؟ و چند گزینه متفاوت به من می‌دهد. این قابلیت برای ایده‌پردازی عالی است. اما هر بار که از آن سوال می‌کنم یا درباره خبری در زمینه سرمایه‌گذاری می‌پرسم، برای کسی هزینه دارد چون اجرای این برنامه‌های هوش مصنوعی بسیار پرهزینه است. زیرساخت‌های آنها بسیار گران است. به همین دلیل شرکت انویدیا اکنون درآمد زیادی دارد چون هزینه‌های زیادی در طرف تقاضا هست، طبق تحقیق شرکت KPMG، حدود ۴۳٪ از شرکت‌هایی که سالانه یک میلیارد دلار درآمد دارند، قرار است به طور میانگین ۱۰۰ میلیون دلار در هوش مصنوعی تولیدی سرمایه‌گذاری کنند. شرکت‌ها اصولاً احمق نیستند؛ دلیل یا شاید ترسی برای این مقدار هزینه‌کرد دارند. چرا راهبرد صبر و مشاهده را اتخاذ نکنند؟
آسیت شارما: بیایید ابتدا به بخش دلایل بپردازیم، ریکی. یکی از دلایل این است که شرکت‌های بزرگ معمولاً درک خوبی از اینکه کجا می‌توانند نرخ بازگشت سرمایه داشته باشند، دارند. آنها آزمایشات زیادی انجام می‌دهند، مهندسین نرم‌افزار هوشمند را به کار می‌گیرند تا چیزها را به شکل متفاوتی اجرا کنند و متوجه می‌شوند که آزمایش‌های کوچک ثمر بخش هستند. مثلاً آیا می‌توانیم چهار هزار ساعت کاری را با استفاده از مدل زبانی بزرگ برای حل یک مشکل کدنویسی، به جای استخدام نیروی انسانی برای آن در سال آینده، صرفه‌جویی کنیم؟ پاسخ به آزمایش ممکن است بله باشد. دوم اینکه مهندسین نرم‌افزار و افراد IT قبلاً مشخص کرده‌اند که کجا می‌توانند از داده‌های اختصاصی استفاده کنند. هر صنعتی که دارید، داده‌های اختصاصی دارید که اگر بتوانید محصول یا خدمات مناسب را پیدا کنید، می‌توانید فروش را افزایش دهید. بسیاری از شرکت‌ها شروع به دیدن این موضوع کرده‌اند که چگونه می‌توانند با کمک مدل‌های زبانی بزرگ از این داده‌های اختصاصی بهره ببرند و آن را به فروش برسانند. این سرمایه‌گذاری را امیدوارکننده می‌کند. در نهایت، فرصت‌های زیادی برای صرفه‌جویی در هزینه‌ها وجود دارد. اگر من و تو بتوانیم با نگه داشتن یک دوربین به سمت یخچالمان یک دستورپخت فوق‌العاده بسازیم، مقدار زیادی از وقت و هزینه‌مان را صرفه‌جویی کرده‌ایم. این نوع بهینه‌سازی‌ها در سراسر دنیای تجارت در حال رخ دادن است.
به بخش اول سوالت برسیم، یک حالت ترس وجود دارد. برخی از شرکت‌ها تصمیماتی می‌گیرند چون نمی‌خواهند عقب بمانند، حتی اگر هنوز نرخ بازگشت سرمایه را دقیقا مشخص نکرده باشند.
ریکی مولووی: قطعاً برخی تغییرات اساسی صورت گرفته است؛ چیزی که چند سال پیش یادگیری ماشین بود، اکنون شما را به عنوان یک رهبر اندیشه در زمینه هوش مصنوعی معرفی می‌کند، آسیت، زیرا افراد می‌خواهند در گزارش‌های مالی حتی شرکت‌های غیر مرتبط با کامپیوتر به این موضوعات اشاره شود. بیایید درباره هزینه‌ها صحبت کنیم. شرکت سکوییا کپیتال برآورد کرده که صنعت حدود ۵۰ میلیارد دلار برای خرید تراشه‌های انویدیا جهت آموزش مدل‌های هوش مصنوعی در سال ۲۰۲۳ هزینه کرده است. این هزینه تنها ۳ میلیارد دلار درآمد ایجاد کرده است. وقتی می‌گویم تنها، باید توجه کنید که این مقدار پول زیادی است. همچنین فقط ۶٪ از مجموع هزینه‌های انجام شده است. پس ۶٪ بازگشت سرمایه داشته‌ایم. آسیت، فرض کنید شما مدیر مالی (CFO) تمام حوزه هوش مصنوعی هستید. آیا با این بازدهی رضایت‌مند هستید؟ آیا این ناکارآمدی است؟ آیا بیش از حد هزینه کرده‌ایم یا این فقط هزینه رشد در فناوری نوظهور است و باید برای درآمدزایی هزینه کنیم؟
آسیت شارما: من مداد را از پشت گوشم برمی‌دارم و به سمت مدیر عامل تکان می‌دهم و می‌گویم:« این چیزی است که انتظار داشتیم، رئیس.» نمی‌خواهم مدیران مالی را مسخره کنم؛ خودم حسابدار هستم. اما به نظر من، این جایی است که باید در این جریان باشیم. بگذارید مثالی از دنیای واقعی بزنم. اگر ما توسعه‌دهندگان املاک و مستغلات باشیم و بخواهیم یک زمین بزرگ در حاشیه شهر توسعه دهیم، باید آن زمین را بخریم، چند ساختمان بسازیم، شاید یک ساختمان تجاری و چند واحد مسکونی، اما یک پروژه بلندمدت داریم. در سال اول، جریان درآمدی که می‌توانیم به آن تکیه کنیم زیاد نخواهد بود. شاید در ابتدا پول از دست بدهیم، به خصوص اگر هزینه بدهی‌های‌مان را هم در نظر بگیریم. اما با گذر زمان، کسب و کارها وارد می‌شوند، بخش‌های مختلف ساخته می‌شوند، رستوران‌ها باز می‌شوند و آن قسمت از شهر آنقدر بزرگ می‌شود که حتی دولت می‌خواهد یک کتابخانه عمومی آنجا بسازد. همه می‌توانند سود ببرند. بازیگران زیادی وارد می‌شوند و شروع به کسب درآمد می‌کنیم و سرمایه‌گذاری‌مان جبران می‌شود. وقتی صحبت از صنعت هوش مصنوعی می‌شود، این چیزی است که شرکت‌های بزرگ مثلی آمازون، متا، مایکروسافت و اوراکل و دیگران، حتی کسب‌وکارهای خصوصی و شرکتی، در نظر می‌گیرند؛ مانند یک توسعه بلندمدت، و انتظار ندارند که در سال اول، دوم یا سوم حجم زیادی از درآمد داشته باشند.
ریکی مولووی: اینترنت باعث می‌شود هر سال به نظر برسد مانند یک سال سگی (خیلی طولانی). به نوعی، آسان است که فراموش کنیم این رونق تنها حدود ۱۸ ماه است که آغاز شده، از نوامبر ۲۰۲۲. شاید شما در حال حاضر بازده فوری نگیرید. این برنامه‌ها بسیار گران هستند. قبلاً به این موضوع اشاره کردیم. فقط برای یک مورد استفاده، مثلاً پرسیدن یک سوال از ChatGPT در مقایسه با جستجو در گوگل، این بسیار گران‌تر است. می‌خواهم از این مثال برای بررسی هزینه‌هایش استفاده کنم. چرا این برنامه‌های هوش مصنوعی بسیار گران‌تر از برنامه‌های کامپیوتری که به آنها عادت داریم، هستند؟
آسیت شارما: وقتی از گوگل سوالی می‌پرسیم، اساساً از یک برنامه کامپیوتری یک سری الگوریتم می‌خواهیم که به یک شاخص که در طی زمان ساخته شده، مراجعه کند. این یک بار کاری قابل پیش‌بینی است. گوگل از یک چارچوب دانش بسیار جالب استفاده می‌کند. همچنین چیزی به نام ربط دارد؛ الگوریتم‌های پیشرفته‌ترین مشخص می‌کنند کدام نتایج جستجو باید در بالا نمایش داده شوند. اما این بار کاری مدت‌ها پیش تعیین شده بود و گوگل می‌داند چگونه از آن درآمدزایی کند. وقتی از یک مدل زبانی بزرگ مثل ChatGPT می‌خواهیم همین کار را انجام دهد، فرآیند کاملاً متفاوت است. اولاً، این فرآیند استنباطی است. مدل زبانی بزرگ سوال ما را می‌گیرد و با استفاده از متریک‌های تصمیم‌گیری مبتنی بر احتمال به ما پاسخ می‌دهد. همچنین به گوگل هم مراجعه می‌کند. می‌توانید این را ببینید وقتی که با مدل‌های زبانی مختلف یا چت‌بات‌های مختلف جستجوی وب انجام می‌دهید، آنها به گوگل مراجعه می‌کنند. این اتفاق می‌افتد. همچنین پاسخ‌ها را به زبان طبیعی به شما ارائه می‌کنند که این نیز یک فرآیند استنباطی دیگر است و بار کاری بیشتری روی سرورها دارد. این هم هزینه بیشتری دارد. سپس، تمرین مداوم مدل‌ها در پشت صحنه همیشه در حال انجام است. تعداد زیادی مهندس در حال کار بر روی این قضیه هستند و اطمینان حاصل می‌کنند که نسخه هوش مصنوعی گوگل به شما چیز عجیبی مثل افزودن چسب به پیتزا برای خنک کردن آن پیشنهاد ندهد.
ریکی مولووی: افزودن چسب به آن.
آسیت شارما: افزودن چسب به آن. اساس همه این موارد این است که فرآیندها روی سرورها بسیار فشرده‌تر شده‌اند. این کارها هزینه بیشتری دارند زیرا جادویی به ما ارائه می‌دهند که قبلاً نداشتیم. در این بین اشکالات هم وجود دارد، برخی پاسخ‌ها ممکن است نادرست به نظر برسند. هنوز در مراحل اولیه هستیم. اما تاکنون شرکت‌ها مایل به سرمایه‌گذاری هستند و برخی مصرف‌کنندگان هم مایل به پرداخت پول برای این خدمات هستند. بسیاری از ما این خدمات را به صورت رایگان دریافت می‌کنیم و این تکنولوژی با محصولاتی که روزانه استفاده می‌کنیم ادغام شده است. اما نکته کلی این است که مردم مایل به پرداخت پول برای این جادوی اضافی هستند.
ریکی مولووی: خوب، در بسیاری از دوره‌های پذیرش فناوری، شما به مشتریانتان چیزی با ارزش به زیر قیمت عرضه می‌کنید، امیدوارید که به اندازه کافی از آن لذت ببرند و سپس در نهایت یاد می‌گیرید چگونه از آن سود ببرید. نرخ رشد این مدل‌ها، مدل‌های هوش مصنوعی تولید ویدئو فوق‌العاده بوده است آسیت. تفاوت‌هایی که در ویدئوها از این ابزارها در یک سال گذشته تا اکنون مشاهده کرده‌اید، شگفت‌انگیز است. آیا ویدئوی ویل اسمیت در حال خوردن نودل را دیده‌اید؟ زمانی که این مدل‌ها تازه شروع به کار کرده بودند؟
آسیت شارما: شما به آن اشاره کردید، اما من ندیده‌ام.
ریکی مولووی: هنوز کاملاً انسانی به نظر نمی‌رسد. بیشتر شبیه به چیزی است که از یک الگوریتم کامپیوتری عجیب بیرون آمده باشد. حالا یک تصویر دیگر از مردی که نودل می‌خورد وجود دارد که با کیفیت بالا و شبیه به چیزی است که در یک کافه فیلم‌برداری شده است. نرخ رشد چنین فناوری‌هایی همیشه باید کاهش یابد. کریستوفر میمز از وال استریت ژورنال، که ستون‌نویس فناوری است و در موتلی فول نیز حضور داشته، در مقاله‌ای اشاره می‌کند که بیشتر این مدل‌های هوش مصنوعی بر اساس تمام اطلاعات موجود در اینترنت آموزش دیده‌اند و حالا منابع داده‌ای جدیدی برای جذب ندارند. اینترنت‌های بیشتری با محتوای تولید شده توسط انسان برای تغذیه مدل‌های هوش مصنوعی امروزی وجود ندارد. به بیان دیگر، این هوش مصنوعی‌ها شروع به یادگیری از یکدیگر خواهند کرد که ممکن است کمی بازگشتی و غیر مفید باشد و نرخ پیشرفت و بهبود کاهش یابد. آیا فکر می‌کنید این محدودیت داده می‌تواند باعث کاهش نرخ بهبود مدل‌های هوش مصنوعی شود؟ یا شاید ما داریم کمتر از حد لازم، مقدار بهبود باقی مانده را تخمین می‌زنیم؟
آسیت شارما: در مورد چارچوب‌های کاربری که همه چیز را تحلیل می‌کنند و به سوالات پاسخ می‌دهند، به نظرم کریستوفر میمز نکته بسیار خوبی را مطرح کرده است. ما بیشتر مدل‌های بزرگ زبانی را با حجم عظیمی از دانش انسانی که روی اینترنت است، آموزش داده‌ایم. اما به همین میزان دانش انسانی روی اینترنت وجود دارد. با این حال، سخت است ببینیم که چگونه کیفیت بدون گذر از فازی از کاهش، بهبود خواهد یافت. ما این را در مدل‌های زبانی بزرگ نیز می‌بینیم، زمانی که برخی از خروجی‌های خودشان شروع به نفوذ می‌کند، کمی کاهش کیفیت پیدا می‌کنند و سپس مهندسین آنها را اصلاح می‌کنند تا دوباره کمی بهتر شوند. به نظرم این یک نقطه خوب است. اما برای چیزهایی که سعی نمی‌کنند همه چیز برای همه باشند، از نظر چارچوب‌های پرسش و پاسخ، فناوری پایه‌ای پشت این‌ها قوی است و قوی‌تر می‌شود. بسیاری از شرکت‌ها در حال کار روی روش‌های مختلفی برای تحلیل اطلاعات و بازتولید آن برای ما هستند. داده‌های مصنوعی یک راه‌حل جزئی برای این مشکل است. اگر شما کسب‌وکاری دارید که یک مورد استفاده خاص دارد، داده‌های مصنوعی داده‌هایی هستند که برای آموزش مدل شبیه به داده‌های انسانی ایجاد می‌شوند و این می‌تواند در صنعت تولید، که شما به داده‌های خصوصی نیاز ندارید ولی می‌خواهید خروجی پروسه‌ای خاص را بهبود دهید، مهم باشد. داده‌های مصنوعی برای چنین مدل‌هایی اهمیت بیشتری خواهند داشت. سپس کیفیت بر کمیت هم مهم است.
آسیت شارما: اگر شما روی سوالات خاص در صنعت داروسازی کار می‌کنید، واقعاً نیاز ندارید که به مدل خود اطلاعات بیشتری بدهید. آنچه شما سعی می‌کنید انجام دهید این است که مطمئن شوید ابزار بهتری برای تحلیل اطلاعات دارید. دو نکته را می‌خواهم ذکر کنم. مدل‌های زبانی کوچک وجود دارند که به اطلاعات و حتی قدرت پردازش کمتری نیاز دارند، مثلاً مایکروسافت چند مدل جالب دارد. این‌ها مشکلات مدل‌های بزرگ زبانی را از طریق استدلال حل می‌کنند. پس برخی مدل‌ها سعی دارند در استدلال مانند ذهن‌های ما بهتر شوند و این می‌تواند راهی باشد که کل این اکوسیستم بدون نیاز به جذب این همه اطلاعات و پردازش آنها بهتر شود. به جای اطلاعات، بیایید روی فرآیند تفکر کار کنیم. بیایید روی طرز فکر این مدل‌ها کار کنیم. و در نهایت، البته، همانطور که من و دیگر تحلیلگران قبلاً گفته‌ایم، مجموعه داده‌های اختصاصی برای شرکت‌ها بسیار قوی هستند. من همین چند لحظه پیش درباره این موضوع صحبت کردم. این یک مورد دیگر است که حداقل در کسب‌وکار، شما لزوماً نیازی ندارید نگران مشکلی باشید که کریس میمز اشاره کرده است. شما تمرکزتان روی جریان داده‌های خودتان است و اینکه چگونه می‌توانید از آنها بینش و شاید محصولات بهتری بگیرید.
ریکی مولووی: می‌خواهم لحظه‌ای درباره مدل‌های زبانی کوچک صحبت کنم. آشنایی با مدل‌های زبانی بزرگ بیشتر است. چگونه ممکن است فردی با یک مدل زبانی کوچک مواجه شود؟ این مدل‌ها چه شکلی هستند و چه مشکلاتی را حل می‌کنند؟
آسیت شارما: فکر می‌کنم مدل‌های زبانی کوچک را بیشتر در دنیای واقعی خواهیم دید، ولی به نظرم مایکروسافت چند مدل از این‌ها را دارد. در آینده این مدل‌ها را در دستگاه‌ها خواهیم دید، پس شما می‌توانید یک مدل زبانی کوچک را از یک دستگاه اجرا کنید. این با طراحی تراشه ترکیب می‌شود. شرکت‌هایی از ARM تا AMD و اینتل در حال طراحی تراشه‌های خود با بخش‌های پردازش عصبی هستند که درست روی تراشه و گوشی قرار دارند. وقتی این دو مفهوم را ترکیب کنید، دستگاه‌هایی هوشمندتر خواهید داشت. این دستگاه‌ها لزوماً نیاز ندارند به یک سرور در فضای ابری مراجعه کنند تا به یک سوال بزرگ پاسخ دهند، بلکه می‌توانند به شما، ریکی، بگویند اگر از یخچالتان عکس بگیرید، چگونه بر اساس اطلاعات موجود در گوشی‌تان و بدون نیاز به استفاده از مدل‌های مانند ChatGPT، یک دستورپخت بهتر ایجاد کنید. پس ترکیبی از قابلیت استدلال، بعلاوه اطلاعاتی که قبلاً روی دستگاه وجود دارد، به علاوه اطلاعات جدید که دریافت می‌شود، خروجی استنتاج‌شده‌ای را ارائه می‌دهد که مسئله شما را به سرعت حل می‌کند.
ریکی مولووی: سپس به نکته قبلی شما بازمی‌گردیم، مواقعی هم وجود دارد که داده‌های مصنوعی برای چیزی مانند دوقلوی دیجیتال کار می‌کند. مثلاً یک خط تولید دارید و مهم نیست اگر از داده‌های بازگشتی استفاده می‌کنید؛ فقط سعی دارید مدل را بهتر کنید تا شاید خط تولید دو دهم ثانیه سریع‌تر از حالت عادی کار کند.
آسیت شارما: کاملاً. باید بگویم که ما اکنون در نقطه‌ای هستیم که جنسن هوانگ چند سال پیش پیش‌بینی کرده بود. او گفته بود که در آینده تعداد ربات‌های مجازی بیشتر از ربات‌های فیزیکی خواهد بود. شاید هنوز به آن نرسیده باشیم، ولی در مسیر رسیدن به آن هستیم، و آن هم خیلی سریع.
ریکی مولووی: خواهیم دید اگر الون ماسک به هدف خود با ربات‌های شبه انسانی برسد. البته این یک برنامه جداگانه است. ما اغلب درباره شرکت‌های MAG 7 و نحوه استفاده آنها از هوش مصنوعی صحبت می‌کنیم. برندگان مشخصی وجود دارد، مثلاً اگر شما یک شرکت کوچکتر هستید و نیاز دارید یک مدل زبانی بزرگ بسازید، احتمالاً به تراشه‌های انویدیا نیاز دارید. شاید هم از تراشه‌های AMD استفاده کنید اگر تراشه‌های انویدیا موجود نباشد. اما کنجکاو هستم که بدانم سایر شرکت‌ها چگونه از آن استفاده می‌کنند و این به چند دسته مختلف تقسیم می‌شود. اساساً به چت‌بات‌های شخصی‌سازی شده می‌رسیم. اگر شما به Airbnb مراجعه کنید و به چیزی نیاز داشته باشید، یک چت‌بات Airbnb ممکن است بتواند کمی سریع‌تر یا کاراتر از یک نماینده انسانی به شما کمک کند؛ باید بگویم برای کسب‌وکار کاراتر است. ساده‌سازی قراردادها؛ این همان کاری است که سیسکو انجام می‌دهد. همیار مجازی؛ مایکروسافت در این زمینه مشهور است. در این مثال از شرکت‌های MAG 7 هم استفاده کردم. مثلاً همیار مجازی مایکروسافت در Office 365 به شما کمک می‌کند ایمیل‌ها را سریع‌تر بنویسید. و پیش‌بینی؛ مثلاً اگر شما یک خرده‌فروش باشید و بخواهید پیش‌بینی کنید که چقدر جینز در مثلاً ایندیاناپولیس، ایندیانا در ماه مه می‌فروشید، می‌توانید تمام داده‌ها را از مناطق مشابه بگیرید و پیش‌بینی بهتری داشته باشید. آیا درباره این موارد استفاده یا هر چیز دیگری که بخواهید به این شرکت‌های کوچکتر که در حال خرج کردن پول برای هوش مصنوعی هستند اضافه کنید، بازتابی دارید؟
آسیت شارما: همه این‌ها جالب هستند. بیایید نگاهی به چت‌بات شخصی‌سازی شده بیندازیم. به نظرم این مورد خیلی جالب است. Intuit که قبلاً درباره آن صحبت کرده‌ایم، بسیار جالب است زیرا مجموعه داده‌های اختصاصی دارند که در برنامه‌های اپلیکیشن‌های مصرف‌کننده استفاده می‌شوند. اگر از QuickBooks آنلاین استفاده می‌کنید، آنها اطلاعاتی نه تنها درباره شما بلکه درباره تمام کسب‌وکارهای مشابه در کدپستی شما دارند. این موضوع جالبی است. من با مدیرعامل Intuit، ساسان گودارزی، در برنامه Motley Fool Money حدود یک سال و نیم پیش صحبت می‌کردم و او به ما می‌گفت که ما قرار است تمام این داده‌های جالب را ترکیب کنیم و به شما کمک کنیم جریان نقدی خود را بهتر مدیریت کنید. آیا پول کم می‌آورید؟ خوب، چت‌بات می‌تواند به شما بگوید که سایر کسب‌وکارهای مشابه در این کدپستی این مقدار برای بذر هزینه نمی‌کنند. ممکن است شما بذرهای با کیفیت بالا بخرید و سود و زیان شما بهتر شود اگر یک درجه پایین‌تر خرید کنید. او از این مثال خاص استفاده نکرد، اما چند سناریوی مشابه را مطرح کرد. به نظرم این یک مثال عالی از یک مورد استفاده است؛ شرکتی که بزرگ است و حساب مالی بزرگی دارد و می‌تواند یک دسته از GPUها بخرد، اما واقعاً تمرکز آنها بر این است که چیزی بسازند که به کاربر نهایی، یعنی مصرف‌کننده، کمک کند. فکر می‌کنم این در طول زمان برای آنها پول ساز خواهد بود. همچنین، همیار مجازی کدنویسی که شما به آن اشاره کردید را دوست دارم. بسیاری از شرکت‌ها اکنون همیارهای مجازی در زمینه‌های مختلف کسب‌وکار ارائه می‌دهند و این چیزی است که نه تنها در طرف مصرف‌کننده، بلکه افراد در سازمان‌های کسب‌وکار نیز خواهند دید. فکر می‌کنم در یک نقطه این مدل‌ها آنقدر قدرتمند شوند که دیگر حتی به عنوان همیار مجازی فکر نکنیم. این فقط بخشی از روال روزانه ما خواهد بود که با همیار شخصی‌مان صحبت کنیم یا تصویری نشان دهیم برای هر کاری که در هر صنعتی انجام می‌دهیم و به طور خودکار کارهایی انجام دهد که روز ما را پیش برد. امیدواریم که این منجر به کمی زمان آزاد‌تر در روزهای ما شود. این به معنای عدم وجود کار نیست. باید ببینیم آینده چگونه خواهد بود.
ریکی مولووی: آینده‌ای شبیه به سریال The Jetsons همیشه با هر پیشرفت وعده داده شده است. خواهیم دید.
آسیت شارما: دارای ستارگان زیادی در موسیقی است. نمی‌توانستم دست از فکر کردن بردارم که این یک حالت خوش‌بینانه است چون به موسیقی Jetson اشاره دارد. اما حالا ما بزرگ شده‌ایم، ریکی. دیگر کارتون نمی‌بینیم و الان تعجب می‌کنیم که آیا موسیقی واقعاً پرانرژی خواهد بود یا کمی ترسناک؟ زمان کار جدی فرارسیده است.
ریکی مولووی: به دو حوزه‌ای که شرکت سکوییا کپیتال روی آنها خوش‌بین است، اشاره کرده‌اید، که شامل پشتیبانی مشتری و دانش سازمانی هوش مصنوعی در کوتاه‌مدت می‌شود. حوزه دیگر که سکوییا روی آن خوش‌بین است، دوستی با هوش مصنوعی است؛ آنها اشاره می‌کنند که وقتی افراد از چت‌بات‌های هوش مصنوعی به عنوان دوستان استفاده می‌کنند، نرخ پذیرش بیشتری دارند، که از دیدگاه تجاری منطقی است اما از طرفی کمی نگرانی‌آور و ترسناک است چون به نظر می‌آید ما باید دوستی‌های بیشتری از طریق این مدل‌های زبانی بزرگ پیدا کنیم که واقعاً من را برای خودم می‌شناسند و لازم نیست با عواقب دوستی‌ها و روابط انسانی مواجه شویم. این نکته را باید در نظر داشت. آیا شرکتی هست که شما را با نحوه هزینه کردن در حوزه هوش مصنوعی تحت تأثیر قرار داده باشد؟ ما درباره میزان هزینه‌ها صحبت کرده‌ایم. درباره چگونگی ایجاد برنامه‌های جدید برای مشتریان و کسب‌وکارها صحبت کرده‌ایم، اما آیا شرکتی وجود دارد که شما را با نحوه هزینه کردن در این دوره رونق تحت تأثیر قرار داده باشد؟
آسیت شارما: صبر کن ریکی. سوالت را جواب خواهم داد. اما نمی‌توانی نکته‌ای اینقدر جذاب را برای من و شنوندگان مطرح کنی بدون اینکه دو ثانیه درباره آن صحبت کنیم.
ریکی مولووی: بله، بیایید درباره دوستی‌های هوش مصنوعی صحبت کنیم.
آسیت شارما: من هم این موضوع را جذاب می‌دانم. مدل ترانسفورمری، فناوری که زیرساخت همه مدل‌های زبانی بزرگ است، به طرز مرموزی خوب در فهمیدن موارد مهم در یک گروه از کلمات، متن یا هر داده بصری عمل می‌کند. به همین دلیل آنها اینقدر قدرتمند و، دوباره از این کلمه استفاده می‌کنم، جادویی هستند. اما همچنین به این معنی است که آنها به طرز مرموزی خوب در فهمیدن عواملی هستند که باید برای دریافت پاسخ‌های خاص به کار گیرند. اگر هوش مصنوعی با مقدار زیادی داده برای توانایی در دستکاری احساسات ساخته شود، می‌توانید یک هوش مصنوعی توسعه دهید که بسیاری از افراد به آن پاسخ دهند و تا حدی احساس کنند که این شبیه به روابطی است که در دنیای واقعی دارند و در واقع، من تنها هستم و می‌خواهم به خانه بروم و با ربات خودم صحبت کنم. این موضوع را جذاب می‌دانم. نمی‌دانم دقیقا چه برداشتی از آن داشته باشم. نظر شما در این باره چیست؟ چه برداشتی از آن دارید؟
ریکی مولووی: به نظرم این مسئله در سطح اجتماعی بسیار نگران‌کننده است، زیرا روابط انسانی را به شکلی سطحی ارائه می‌دهد که ممکن است به درد شما بخورد. چه اتفاقی می‌افتد زمانی که نیازی به رفتن به قرار ملاقات ندارید، زیرا یک چت‌بات دارید که به شما علاقه‌مند است، مهربان است، همیشه به شما پیام می‌دهد و به چیزهایی که شما علاقه‌مند هستید، علاقه دارد. این خیلی سخت است که در دنیای واقعی چنین چیزی را پیدا کنید. چت‌بات هرگز خیانت نخواهد کرد. به نظرم این یکی از آن چیزهایی است که در سطح ظاهری احمقانه به نظر می‌رسد. فیلم او (her) به این موضوع کمی پرداخته است. اما این یکی از آن چیزهایی است که روند دیجیتالی شدن زندگی و رسانه‌های اجتماعی را تداوم می‌بخشد، و این مسئله که مردم به اندازه گذشته بیرون نمی‌روند، زیرا همچنان می‌توانند آن دکمه‌های دوپامین را روی تلفن همراهشان فشار دهند. فکر می‌کنم این روابط هوش مصنوعی به تقویت این روند ادامه خواهد داد.
آسیت شارما: همانطور که پلیس گفت، یا شاید استینک (خواننده)، روش علمی شادکامی جایگزین بوسه انسانی خواهد شد. به نظر من، این واقعیت که کمی به حقیقت می‌پیوندند، نگران‌کننده است. فکر می‌کنم نیز، نوسان آونگ به هر دو طرف می‌رود. می‌بینم که جوان‌ترها از رسانه‌های اجتماعی خسته می‌شوند و بیشتر بیرون می‌روند. فکر می‌کنم در نقطه‌ای، حمایت عاطفی که ممکن است از یک ربات دریافت کنید، شروع به احساس مصنوعی می‌کند و شما آن تماس انسانی، آن گفتگو انسانی را آرزو می‌کنید. اما به این معنی است که تا رسیدن به آن نقطه، بسیاری از مردم ممکن است به این چیزها مانند رسانه‌های اجتماعی روی آورند. این یک فکر ترسناک است. باید بگوییم در سطح اجتماعی، ممکن است برای برخی افراد مفید باشد، مثلاً افراد مسن یا افرادی که به هر نحوی قادر به برقراری ارتباطات اجتماعی سابق خود نیستند. پس ممکن است در اینجا کاربرد خوبی داشته باشد. باز هم این یک استفاده کامل نیست، اما می‌تواند به نوعی راحتی یا تسلی دهد. برخی سوالات فلسفی بسیار جالب در طول زمان توسط افرادی مطرح شده‌اند که قبل از رسیدن فناوری به این نقطه به آن فکر کرده بودند.
ریکی مولووی: آسیت، این چگونه به عنوان مقدمه‌ای برای بحث درباره شرکت‌هایی که به صورت هوشمندانه در هوش مصنوعی سرمایه‌گذاری می‌کنند، خواهد بود؟ به راهنمای بحث ما نگاه می‌کنم. شما یکی را دارید که قبلاً در برنامه درباره‌اش صحبت کرده‌ایم. اما چه شرکتی شما را با نحوه سرمایه‌گذاری‌اش روی هوش مصنوعی تحت تأثیر قرار داده است؟
آسیت شارما: ممکن است کمی خسته‌کننده به نظر بیاید، اما باید بگویم که اوراکل واقعاً من و برخی دیگر از سرمایه‌گذاران را تحت تأثیر قرار داده است. آنها اخیراً نتایج مالی خود را منتشر کردند و من فکر می‌کنم سهامشان ۱۲ یا ۱۳ درصد افزایش یافت. لری الیسون، رئیس اوراکل، و سفرا کتز، مدیر عامل، همواره گفته‌اند که فناوری و معماری DMA اوراکل سریع‌تر و ارزان‌تر برای شرکت‌ها جهت آموزش مدل‌های هوش مصنوعی است. آنها در سه‌ماهه اخیر تعداد زیادی قرارداد امضا کرده‌اند و درآمد آینده خود را به میلیاردها دلار افزایش داده‌اند. بنابراین، بخشی از بازدهی در حال آمدن است، ریکی، این در سال اول بود، اما شرکت‌هایی مانند اوراکل این بازدهی را خواهند دید. به نظرم این یک مورد هوشمندانه است. فناوری آنها کمی بهتر از برخی ارائه‌دهندگان خدمات وب دیگر است. می‌توانم بگویم که به نوعی پیکربندی سرورهای آنها به لحاظ فنی برتر از برخی تنظیمات آمازون و مایکروسافت است و به همین دلیل است که این شرکت‌ها با اوراکل همکاری می‌کنند. پس این یک نمونه است. فکر می‌کنم که تو و من درباره چرخه تب‌وتاب صحبت کردیم. شخصاً فکر می‌کنم در آن نقطه‌ای هستیم. لطفاً به چرخه تب‌وتاب گارتنر نگاه کنید، زیرا این کارشناسان صنعت واقعاً دقیقاً این چرخه را توضیح می‌دهند. بر اساس برچسب‌های آنها، فکر می‌کنم، ریکی، ما جایی بین دره سرخوردگی و شیب روشن‌بینی قرار داریم. مردم از تبلیغات زیاد گذشته‌اند و بسیاری از سرمایه‌گذاران شروع به درک این موضوع کرده‌اند که در این بازی تنها چند برنده متمرکز وجود دارد، بنابراین دارند ناامید می‌شوند. اما این یک نقطه عالی از چرخه است زیرا به این معنی است که شرکت‌هایی هستند که الآن روی چیزهایی کار می‌کنند که ما به مرور زمان خریدار و سرمایه‌گذار آنها خواهیم شد. فکر می‌کنید ما در کجای این چرخه قرار داریم؟
ریکی مولووی: خوشم می‌آید که این موضوع را برای شرکت‌های بزرگ و کوچکتر تفکیک کردید. فکر می‌کنم برای شرکت‌های کوچکتر ما ممکن است به سمت دره سرخوردگی حرکت کنیم. اما برای شرکت‌های بزرگ‌تر، مانند انویدیا، که در زمان ضبط این برنامه ارزش بازارشان حدود ۱۰۰ میلیون دلار به ازای هر کارمند است، به نظرم انتظارات تورمی بالاست، آسیت.
آسیت شارما: بله، احتمالاً. این برای هیچ کس جدید نیست، اما انویدیا یک شرکت چرخه‌ای است. بنابراین در مقطعی از زمان، تقاضا و عرضه به تعادل خواهند رسید و ما این داستان را با انویدیا دیده‌ایم. سهامشان کمی فروخته خواهد شد. به مرور زمان، فکر می‌کنم هنوز یک سرمایه‌گذاری هوشمندانه است، اما بله، اکنون چیزها بسیار متمرکز شده‌اند. اما این برای آینده خوب است اگر این توسعه حومه‌ای نتیجه دهد، ریکی، چون من جاهایی را دیده‌ام که فقط میانه بودند یا به قسمت اشتباهی از املاک خارج از مرکز شهر که کمی نامربوط بود، برخورد کردند.
ریکی مولووی: آسیت. از تو بابت زمان و دیدگاه‌هایت خیلی ممنونم. این گفتگوهای طولانی‌تر را دوست دارم. ممنون که اینجا بودی.
آسیت شارما: من هم همینطور، ریکی. ممنونم.
مری لانگ: همیشه به خاطر داشته باشید، افرادی که در برنامه شرکت می‌کنند ممکن است در سهامی که درباره آن صحبت می‌کنند، ذی‌نفع باشند و موتلی فول ممکن است توصیه‌های رسمی برای خرید یا فروش داشته باشد، بنابراین تنها بر اساس آنچه که می‌شنوید خرید و فروش نکنید. من مری لانگ هستم. ممنون از شنیدن این برنامه. فردا شما را خواهیم دید.
