چرا هوش مصنوعی این قدر گران قیمت و پرهزینه است؟

مدت ها از حضور ChatGPT می گذرد؛ چت باتی که رنگ وبوی جدیدی به دنیای هوش مصنوعی بخشید و نگاه عموم کاربران و همین طور سرمایه گذاران را بیش از قبل به این حوزه جلب کرد. در حقیقت این چت بات ثابت کرد که هوش مصنوعی پتانسیل درآمدزایی بالایی برای بسیاری از غول های حوزه فناوری دارد؛ اما چرا هوش مصنوعی فناوری گران قیمت و پرهزینه ای محسوب می شود؟

به گزارش سوشال لند، تازه ترین گزارش سه ماهه 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 اثر چنین استقبالی، انتظار می رود که سرمایه گذاران بیشتری پا به حوزه هوش مصنوعی بگذارند و شرکت ها نیز خدمات بیشتری را در این زمینه به کاربران ارایه دهند.

بااین حال به نقل از مجله سوشال لند، افزایش هزینه های تحقیقات و خدمات مبتنی بر AI، برخی سرمایه گذاران را نگران کرده است. برای مثال، ارزش سهام متا به دلیل کاهش برخلاف انتظار درآمدهای ناشی از هوش مصنوعی، افت پیدا کرده و احتمال تکرار سناریو مشابه برای سایر شرکت ها نیز وجود دارد.

در 25 آوریل 2024 (6 اردیبهشت 1403)، مایکروسافت از سرمایه گذاری 14 میلیارد دلاری خود در زمینه AI طی سه ماهه اول سال خبر داد که نسبت به مدت زمان مشابه سال گذشته، 79 درصد افزایش داشته و این مبلغ احتمالاً به صورت تدریجی افزایش خواهد یافت. همچنین شرکت متا نیز سرمایه گذاری خود را نسبت به سال گذشته حدود 42 درصد افزایش داده و با اختصاص بودجه 35 الی 40 میلیارد دلاری، تحقیقات بیشتری را در زمینه هوش مصنوعی دنبال می کند.

انتظار می رفت که شاهد افزایش هزینه توسعه AI باشیم؛ زیرا با گذشت زمان، پیچیدگی ها و الگوریتم های هوش مصنوعی دست خوش تغییرات بیشتری می شوند و هم زمان با این موضوع، تقاضا و نیاز عمومی به این فناوری روزبه روز در حال افزایش است. درنتیجه، پاسخ گویی به نیاز مشتریان، زیرساخت های بیشتر و البته مجهزتری را می طلبد. با ما همراه شوید تا به بررسی عوامل موثر در افزایش هزینه های توسعه هوش مصنوعی بپردازیم.

گسترش مدل های زبانی هوش مصنوعی

ابزارهای هوش مصنوعی مانند ChatGPT از مدل های زبانی بزرگی استفاده می کنند که مجموعه وسیعی از داده ها مانند کتاب ها، مقالات و نظرات را برای ارایه بهینه ترین پاسخ ها به پرسش های کاربران در اختیار دارند. همچنین بسیاری از شرکت های پیشرو در این زمینه باور دارند که با پیشرفت روزافزون هوش مصنوعی، نیاز این فناوری به مدل های زبانی بزرگ تر و کامل تر برجسته تر می شود.

گسترش این مدل ها به تهیه داده های کامل تر، تقویت قدرت محاسباتی و آموزش بیشتر سیستم ها وابسته است؛ بااین حال انجام چنین فرایندی، به بودجه زیادی نیاز دارد. برای مثال «داریو آمودیی»، مدیرعامل آنتروپیک، طی مصاحبه ای اعلام کرد که آموزش مدل های هوش مصنوعی در شرایط فعلی، چیزی حدود 100 میلیون دلار هزینه می برد. وی همچنین از پیش بینی خود مبنی بر افزایش 5 الی 10 میلیارد دلاری هزینه آموزش مدل های آینده (در سال های 2025 و 2026) سخن گفت.

هزینه سخت افزار هوش مصنوعی

شرکت های توسعه دهنده AI از پردازشگرهای گرافیکی (GPU)، به ویژه قطعات انویدیا به منظور پردازش حجم عظیم داده ها با سرعت بالا استفاده می کنند. بااین حال این قطعات، کمیاب و البته گران هستند و برخی از آن ها مانند H100 انویدیا، با قیمت 30 هزار دلار یا حتی بیشتر به فروش می رسند. برخی شرکت ها نیز به اجاره قطعات موردنظرشان روی آورده اند، اما این کار هم هزینه زیادی برای کمپانی ها به همراه دارد؛ برای مثال اجاره تعدادی از قطعات H100 انویدیا تقریباً 100 دلار در ساعت برای تیم توسعه دهنده آب می خورد.

اخیراً شرکت انویدیا معماری جدیدی از پردازشگرهای خود را با نام بلک ول (Blackwell) معرفی کرده که نقش بسزایی در پردازش داده های هوش مصنوعی ایفا می کند. متخصصان انویدیا تخمین زده اند که برای آموزش یک مدل AI با 1800 میلیارد پارامتر، مانند GPT-4، به حدود 2000 پردازشگر بلک ول نیاز است و این تعداد در صورت استفاده از قطعات Hopper، به 8000 پردازشگر می رسد. درنتیجه هزینه بالای استفاده از این قطعات می تواند سرعت پیشرفت و توسعه هوش مصنوعی و چت بات های مبتنی بر آن را کاهش دهد.

دیتاسنترها

شرکت ها بعد از خرید پردازشگرهای گرافیکی، به مکان مناسبی برای نگهداری و استفاده از آن ها نیازمندند. به همین منظور متا، آمازون، مایکروسافت، گوگل و سایر شرکت های توسعه دهنده، احداث دیتاسنترهای جدید را در نظر دارند؛ مراکزی که سفارشی برای این کمپانی ها ساخته می شوند و از قفسه های محکم، سیستم های خنک کننده و انواع تجهیزات الکتریکی مانند ژنراتورهای پشتیبانی بهره مندند.

گروه تحقیقاتی Dell’Oro تخمین زده است که در سال جاری میلادی، شرکت ها حدود 294 میلیارد دلار را به ساخت و تجهیز دیتاسنترهای خود اختصاص می دهند. این در حالی است که در سال 2020، حدود 193 میلیارد دلار در این زمینه هزینه شده بود که نشان از گسترش خدمات دیجیتالی مانند استریم های ویدیویی، توسعه داده ها و پلتفرم های اجتماعی دارد. البته بخشی از این هزینه ها برای خرید قطعات گران قیمت انویدیا و سایر سخت افزارهای تخصصی لازم به منظور رشد خدمات مبتنی بر AI خرج می شود.

حقوق ناشران

بااینکه عمده هزینه ها صرف خرید پردازشگرها و دیتاسنترها می شود، برخی شرکت ها میلیون ها دلار برای خرید حق نشر مطالب از ناشران هزینه می کنند. به عنوان مثال، شرکت OpenAI به توافقاتی با چند ناشر اروپایی برای استفاده از محتوا و مطالب آن ها در ChatGPT دست یافته و طبق گزارش بلومبرگ، 10 میلیون یورو به شرکت Axel Springer SE به منظور حضور محتوای خبری آن ها در این چت بات پرداخت می کند. سران OpenAI همچنین با دیگر خبرگزاری ها مانند CNN،Time و فاکس نیوز پیرامون این موضوع گفت وگو کرده اند.

دیگر شرکت ها نیز بی کار نمانده اند و به دنبال راه هایی برای تامین داده های زبانی موردنیاز به منظور ساخت ابزارهای جذاب AI هستند. به گزارش رویترز، گوگل معامله ای 60 میلیون دلاری برای خرید حق نشر محتوا از ردیت داشته و بر اساس خبر نیویورک تایمز، تیم متا در حال بررسی ارزش خرید حق نشر کتاب Simon & Schuster است. البته که رقابت غول های حوزه فناوری به خرید حق نشر محدود نشده و آن ها در استخدام نیروهای مستعد و توسعه دهندگان ماهر با یکدیگر چالش دارند.

جایگزین های ارزان تر

علی رغم اینکه مایکروسافت همواره نقش بسزایی در ارایه مدل های زبانی بزرگ داشته، اما اخیراً اعلام کرده که رویکرد متفاوتی را در پیش می گیرد. درنتیجه این شرکت سه مدل زبانی کوچک تر معرفی کرد که به قدرت محاسباتی کمتری در مقایسه با مدل های بزرگ تر نیاز دارند. علاوه بر مایکروسافت، برخی دیگر از شرکت ها مانند Sakana AI بر توسعه مدل های زبانی کوچک تر تمرکز دارند.

طبق گفته مایکروسافت، مدل های زبانی بزرگ همچنان اصلی ترین ابزار در توسعه، تحلیل و درک داده های پیچیده آن ها هستند؛ بااین حال مدل های کوچک تر برای برخی فعالیت ها می توانند کاربردی باشند و نیاز به حضور مدل های بزرگ تر را کاهش دهند. البته برخی باور دارند که حضور مدل های زبانی بزرگ تحت هر شرایطی به نفع کاربران است، حتی اگر هزینه بیشتری به ارمغان بیاورد.

5454