نوشته ماریا اسلاوویک -05 مارس 2024- مارییا اسلاوکوویک، استاد و رئیس بخش علوم اطلاعات و مطالعات رسانه در دانشگاه برگن، نروژ.
به گفته محقق دانشگاه برگن، پول به کسب‌وکارهای هوش مصنوعی سرازیر می‌شود که نوآوری‌های جالبی را نوید می‌دهند – اما تحقیقات پایه برای حل چالش‌های اجتماعی که هوش مصنوعی ایجاد می‌کند نیاز به بودجه عمومی ثابت دارد.
در عجله طلای جهانی امروزی برای توسعه هوش مصنوعی، بیشتر بودجه صرف نوآوری های تجاری شده است تا تحقیقات اولیه. این یک اشتباه است: کسب و کارهوش مصنوعی بدون تحقیقات هوش مصنوعی نمی تواند وجود داشته باشد. و اگر سرمایه‌گذاران تحقیقات را قوی نگه دارند، آینده هوش مصنوعی می‌تواند بسیار کمتر از آنچه انتظار می‌رفت جالب باشد.
برای اینکه متوجه منظور من شوید، فقط باید به سال 2023، سال هوش مصنوعی مولد نگاه کنید. توجه عمومی به ChatGPT و مدل های زبان بزرگ به طور کلی جلب شد. این سیستم ها بر اساس سال ها تحقیقات محاسباتی و هوش مصنوعی با بودجه عمومی ساخته شده اند. و بیشتر آنها در سال 2023 با کمک شرکت های بزرگ فناوری در ایالات متحده وارد بازار شدند. در اروپا، سیاست گذاران متعجب شدند و متعهد شدند مبالغ هنگفتی را برای جبران عقب ماندگی در آلمان، بریتانیا، فرانسه، اسپانیا، نروژ و اتحادیه اروپا ارائه کنند. اما بسیاری از این پول برای نوآوری در نظر گرفته شده است، نه تحقیق. این امر به این دلیل است که سیاست گذاران تحقیقات هوش مصنوعی را با تجارت هوش مصنوعی اشتباه می گیرند. بنابراین در اینجا توضیحی در مورد تفاوت وجود دارد.
تحقیق در مقابل کسب و کار
تحقیق هوش مصنوعی به دنبال دانش در مورد محاسبات برای انجام وظایفی است که (روشی که یک انسان آنها را انجام می دهد) برای انجام دادن به هوش نیاز دارد. “مصنوعی” در هوش مصنوعی مانند کلمه اول “شیرین کننده مصنوعی” است: شما طعم شیرینی را می چشید، اما ماده ای که باعث آن می شود شکر نیست. شما نمی توانید از آن کارامل درست کنید. در هوش مصنوعی ما با محاسبات هوشمندی ایجاد نمی کنیم. ما در حال ایجاد ابزارهایی هستیم که نیاز به استفاده از هوش را برطرف می کند. همانطور که مواد زیادی وجود دارد که می توان از آنها به عنوان شیرین کننده های مصنوعی استفاده کرد، راه های زیادی برای انجام یک کار نیازمند هوش وجود دارد. برخی از شیرین کننده ها سمی هستند. و برخی از هوش مصنوعی نیز ممکن است برای بشریت مضر باشند. در تحقیقات، ما اجازه داریم بپرسیم که آیا در حال حاضر در حال بررسی نوع درست هوش مصنوعی هستیم یا خیر.
اما تجارت هوش مصنوعی چیست؟ در میان گرایش‌ها، تبلیغات و برندسازی، در حال حاضر هیچ درک مشترکی از اینکه کسب‌وکار هوش مصنوعی در واقع درباره چیست، وجود ندارد. شروع این آخرین موج در فناوری محاسباتی را می توان کاملاً به سال 1997 ردیابی کرد، زمانی که Deep Blue شرکت IBM توانست گری کاسپاروف قهرمان شطرنج جهان را شکست دهد. سپس در سال 2011 واتسون IBM قهرمانان انسانی را در Jeopardy شکست داد. سپس کامپیوترها در بازی های Go، پوکر، Space Invaders، StarCraft 2 و دیگر بازی ها، انسان ها را شکست دادند. آیا این پیشرفت های شگفت انگیز بود؟ خیر. آنها سرمایه‌گذاری‌های خصوصی بودند که با دیجیتالی‌سازی (داده‌های بیشتر) و کالایی‌سازی قدرت پردازش محاسباتی پشتیبانی می‌شدند. همین پویایی در پس فیلترهای هرزنامه، تصحیح خودکار متن، برنامه های سفر نقشه و راه اندازی سرویس ترجمه خودکار گوگل در اواسط دهه 2000 وجود داشت.
و مدل کسب و کار هوش مصنوعی چیست؟ آیا اپلیکیشن هوش مصنوعی محصولی است که شرکت هایی که آن را توسعه می دهند از فروش آن درآمد کسب می کنند؟ نه مستقیم. گوگل انتخاب می کند که خدمات ترجمه زبان خود را به صورت رایگان ارائه دهد. در عوض، جریان اصلی درآمد گوگل تبلیغات است: از هوش مصنوعی برای جلب توجه قابل فروش استفاده می کند. به همین ترتیب، IBM تنها به طور غیرمستقیم از پیشرفت های هوش مصنوعی خود درآمد کسب می کند. در عوض، نرم افزار، زیرساخت و مشاوره می فروشد. OpenAI، توسعه‌دهنده ChatGPT، از معروف‌ترین محصول خود کاملاً کسب درآمد نکرده است – اما البته، به این موضوع فکر می‌کند.
بنابراین اگر هوش مصنوعی واقعاً برای Big Tech پول نقد تولید نکند، وقتی توسعه دهندگان آنها به یک مانع بزرگ تحقیقاتی برخورد کنند، چه اتفاقی خواهد افتاد؟ آن را رها خواهند کرد. ما می دانیم زیرا قبلاً در آنچه گاهی اوقات “زمستان هوش مصنوعی” اول و دوم نامیده می شود رخ داده است – دوره هایی که بودجه خصوصی و رشد صنعت کند شده است. اما در حالی که پول خصوصی خشک شد، بودجه عمومی ادامه یافت. هوش مصنوعی که امروز می بینیم نتیجه آن تحقیقات پایدار است.
سوالات بزرگ تحقیق
اگر بخواهیم هوش مصنوعی پیشرفت بیشتری داشته باشد، تحقیقات پایدار همان چیزی است که ما به آن نیاز داریم. نمونه ای از فناوری های زبان را در نظر بگیرید. مدل‌های زبان بزرگ (LLM)، اوز جادوگر پشت جادوی ChatGPT، در زبان انگلیسی به خوبی کار می‌کند، زیرا اینترنت در انگلیسی به خوبی کار می‌کند. ChatGPT بر روی متون از اینترنت آموزش داده شد. و بیش از نیمی از منابع موجود در اینترنت به زبان انگلیسی هستند. در مقابل، اسپانیایی یک دهم ردپای اینترنت انگلیسی را دارد. آیا ارتباط قوی بین زبان متن و آنچه متن درباره آن است وجود دارد؟ البته وجود دارد؛ اگر نبود، می‌توانستیم از ترجمه خودکار و یک LLM آموزش دیده در مورد داده‌های انگلیسی برای پاسخ به سؤالات اسپانیایی استفاده کنیم. بنابراین، برای داشتن یک ChatGPT اسپانیایی عالی، به یک LLM آموزش دیده بر روی داده های اسپانیایی نیاز دارید.
اما اگر شما شروع به آموزش LLM به زبان های بیشتر و بیشتری کنید، چگونه می تواند کار کند؟ ساختن ChatGPT به روشی که OpenAI انجام داد، از نظر مالی و زیست محیطی گران است. آیا همه می توانند هزینه کنند.
هزینه حفظ میراث فرهنگی آنها از طریق LLM ها؟ مطمئناً راهی بهتر، ارزان‌تر و سبزتر برای ساخت هوش مصنوعی مخصوص زبان وجود دارد. اما این یک سوال برای تحقیقات اساسی است، نه توسعه محصول. و تا کنون هیچ کس نمی داند چگونه به آن پاسخ دهد. با این حال، اگر آن را حل کنید، کسب و کار بسیار بهتری نسبت به OpenAI در حال حاضر خواهید داشت.
مثال‌های بسیار دیگری وجود دارد که در آن Big Tech از هوش مصنوعی استفاده می‌کند، به حد دانش رسیده و میانبرهایی ایجاد می‌کند که طیفی از تأثیرات اجتماعی غیرقابل پیش‌بینی دارند. نقشه برداری فضایی بصری پاک کننده های رباتیک نمی داند چگونه اطلاعات خصوصی را از داده های خود حذف کند. داده های مربوط به هوش مصنوعی تنها در صورتی مفید است که توسط افراد پاکسازی شود. تعدیل خودکار محتوا به زمینه حساس نیست. ما نمی‌دانیم چگونه برنامه‌های رایانه‌ای را برای حفظ حقوق اولیه بشر به دست آوریم، در حالی که این برنامه‌ها بسیار سریع‌تر از آن‌که یک انسان بتواند آنها را برای نقض چنین حقوقی نظارت کند، حرکت می‌کنند. و ما نمی دانیم چگونه سیستم های حقوقی خود را برای رسیدگی به حوزه های قضایی نامشخصی که داده ها و پردازش داده ها تحمیل می کنند، نوآوری کنیم.
این نوع مشکلات برای حل نیاز به تحقیق عمیق دارند. این امر مستلزم بودجه پایدار و گسترده عمومی برای حمایت است. منظور من این است که : خوب است که مشاغل مبتنی بر هوش مصنوعی بودجه خصوصی مورد نیاز خود را برای توسعه محصولات مورد نیاز جامعه دریافت کنند. اما برای به دست آوردن تجارت هوش مصنوعی در آینده، باید بودجه عمومی را برای تحقیقات هوش مصنوعی در حال حاضر صرف کنیم.
