رونق هوش مصنوعی شلوغ نشد ، اما محاسبات AI قطعاً در حال تغییر است

از خرس های AI خیلی نترسید. آنها با صدای بلند تعجب می کنند که آیا رونق بزرگی در سرمایه گذاری هوش مصنوعی از قبل آمده و پیش رفته است ، اگر بسیاری از هیجان های بازار و هزینه برای سیستم های آموزش عظیم AI که توسط بسیاری از GPU های با کارایی بالا ساخته شده است ، خود را بازی کرده است ، و اگر انتظارات برای دوره هوش مصنوعی باید به شدت کاهش یابد.

اما اگر نگاهی دقیق تر به برنامه های اصلی سرپرست داشته باشید ، سرمایه گذاری هوش مصنوعی زنده و خوب است. متا ، آمازون ، مایکروسافت و گوگل اخیراً در سرمایه گذاری در فناوری هوش مصنوعی دو برابر شده اند. براساس یک داستان اخیر ، تعهد جمعی آنها برای سال 2025 بیش از 300 میلیارد دلار است در تایمز مالیبشر ساتیا نادلا ، مدیرعامل مایکروسافت گفت: مایکروسافت می تواند امسال 80 میلیارد دلار به تنهایی برای هوش مصنوعی خرج کند. بنیانگذار متا و مدیر عامل شرکت مارک زاکربرگ در فیس بوک گفت: “ما قصد داریم امسال 60-65B دلار در Capex سرمایه گذاری کنیم و در عین حال تیم های هوش مصنوعی ما را نیز به طور قابل توجهی رشد می دهیم ، و ما سرمایه ای برای ادامه سرمایه گذاری در سالهای آینده داریم.”

این صدای شلوغی AI Boom نیست ، اما در مورد اینکه چه مقدار پول برای فعال کردن برنامه های هوش مصنوعی هزینه می شود ، دلهره ای رو به افزایش است. پس از گذشت حداقل دو سال از غول های فناوری که می گویند آنها برای کمک به آموزش مدلهای عظیم هوش مصنوعی ، تقاضای روشنی برای محاسبات بیشتر مشاهده می کنند ، سال 2025 با همان شرکت هایی که روزانه توسط رسانه های تجاری برای ایجاد بسیاری از اعتیاد به مواد مخدر در فرش فراخوانی می شوند ، آغاز شده است.

چرا چنین تغییر ناگهانی از امید به نگرانی رخ داده است؟ این پاسخ را می توان تا حدودی در افزایش سریع یک برنامه هوش مصنوعی جدید از چین یافت. اما برای درک کامل آنچه واقعاً اتفاق می افتد ، و برای برنامه های سرمایه گذاری و فناوری هوش مصنوعی در سالهای آینده چه معنی دارد ، باید تصدیق کنیم که دوران هوش مصنوعی در مرحله جدیدی از تکامل آن قرار می گیرد.

عمیق کردن حقیقت

در حال حاضر ، جهان همه چیز را در مورد Deepseek می داند ، شرکت هوش مصنوعی چینی در مورد چگونگی استفاده از موتورهای استنتاج و استدلال آماری برای آموزش مدلهای بزرگ زبان بسیار کارآمدتر و با هزینه کمتری نسبت به سایر بنگاه ها ، مدل های خود را آموزش داده است.

به طور خاص ، Deepseek ادعا کرد که تکنیک های خود منجر به نیاز به GPU های بسیار کمتری (به اندازه 2،048 GPU) و همچنین GPU های کمتر قدرتمند (NVIDIA H800S) نسبت به صدها هزار GPU های با عملکرد برتر (فکر می کنید Nvidia H100s) است که برخی از شرکت های HyperScale نیاز به آموزش مدلهای خود دارند. از نظر صرفه جویی در هزینه ، در حالی که Openai میلیاردها دلار برای آموزش چتپ ، Deepseek هزینه کرد گزارش شده برای آموزش مدل R1 خود به اندازه 6.5 میلیون دلار هزینه کرد.

لازم به ذکر است که بسیاری از کارشناسان به ادعاهای مربوط به هزینه های Deepseek شک کرده اند ، اما این خسارت وارد شده است ، زیرا خبرهایی از روش های مختلف آن باعث افزایش عمیق در سهام سهام Hyperscalers و شرکت هایی که GPU آنها برای آموزش مدل های هوش مصنوعی خود میلیارد ها دلار هزینه کرده اند.

با این حال ، چند نکته مهم در میان هرج و مرج از بین رفت. یکی این درک بود که Deepseek روش جدیدی برای کار با هوش مصنوعی “اختراع” نکرد. دوم این که بخش اعظم اکوسیستم هوش مصنوعی به خوبی از تغییر قریب الوقوع در نحوه هزینه های سرمایه گذاری هوش مصنوعی آگاه بوده است و چگونه خود هوش مصنوعی در سالهای آینده کار می کند.

با توجه به روشهای Deepseek ، مفهوم استفاده از موتورهای استنتاج AI و استدلال آماری چیز جدیدی نیست. استفاده از استدلال آماری یکی از جنبه های مفهوم گسترده تر استدلال مدل استنتاج است ، که شامل هوش مصنوعی است که می تواند بر اساس تشخیص الگوی استنتاج کند. این اساساً شبیه به توانایی انسان برای یادگیری روشهای مختلف نزدیک شدن به یک مشکل و مقایسه آنها برای یافتن بهترین راه حل ممکن است. استدلال مدل مبتنی بر استنتاج می تواند امروزه مورد استفاده قرار گیرد و منحصر به یک راه اندازی چینی نیست.

در همین حال ، اکوسیستم هوش مصنوعی برای مدتی پیش از این پیش بینی کرده است که تغییر اساسی در نحوه کار با هوش مصنوعی و منابع محاسباتی مورد نیاز داشته باشد. سالهای اولیه دوران هوش مصنوعی همه چیز در مورد کار بزرگ آموزش مدلهای بزرگ هوش مصنوعی در مجموعه داده های بسیار بزرگ بوده است ، که همه آنها به پردازش زیادی ، محاسبات پیچیده ، تنظیم وزن و اعتماد به نفس نیاز داشتند. بعد از آموزش مدل های هوش مصنوعی ، همه چیز تغییر می کند. هوش مصنوعی قادر به استفاده از استنتاج برای استفاده از هر آنچه آموخته است در مجموعه داده های جدید ، وظایف و مشکلات است. استنباط ، به عنوان یک فرآیند کمتر از نظر محاسباتی شدید از آموزش ، به اندازه بسیاری از GPU یا سایر منابع محاسباتی نیاز ندارد.

حقیقت نهایی در مورد Deepseek این است که در حالی که روش های آن بیشتر ما را در اکوسیستم هوش مصنوعی شوکه نمی کند به همان اندازه که سرمایه گذاران بازار سهام را به طور اتفاقی علاقه مند می کرد ، اما یکی از راه هایی را که استنتاج در مرحله بعدی تکامل AI خواهد بود ، برجسته می کند.

هوش مصنوعی: نسل بعدی

وعده و پتانسیل هوش مصنوعی تغییر نکرده است. سرمایه گذاری های عظیم هوش مصنوعی در حال انجام توسط سرپرست اصلی ، ایمانی را که در آینده دارند ، می توانند از هوش مصنوعی باز کنند ، و همچنین شیوه هایی که هوش مصنوعی می تواند تغییر کند که تقریباً هر صنعت چگونه کار می کند ، و تقریباً همه مردم به زندگی روزمره خود می پردازند.

آنچه برای آن دسته از افراد تغییر یافته است این است که چگونه احتمالاً این دلارها خرج می شوند. در سالهای اولیه دوران هوش مصنوعی ، بیشتر سرمایه گذاری لزوماً در آموزش بود. اگر به عنوان یک کودک در مورد هوش مصنوعی فکر می کنید ، با یک ذهن هنوز در حال توسعه است ، ما پول زیادی را برای ارسال آن به بهترین مدارس و دانشگاه ها هزینه کرده ایم. اکنون ، آن کودک یک فرد بالغ تحصیل کرده است – و برای حمایت از خود باید شغلی پیدا کند. از نظر دنیای واقعی ، ما در آموزش هوش مصنوعی سرمایه گذاری زیادی کرده ایم و اکنون باید با استفاده از هوش مصنوعی برای تولید درآمد جدید ، بازده آن سرمایه گذاری را مشاهده کنیم.

برای دستیابی به این بازده سرمایه گذاری ، هوش مصنوعی باید کارآمدتر و کم هزینه تر شود تا به شرکت ها کمک کند تا در هر چه بیشتر برنامه های کاربردی ، درخواست تجدیدنظر در بازار و ابزار خود را به حداکثر برسانند. پر سود ترین خدمات جدید ، برنامه های خودمختار خواهد بود که به نظارت و مدیریت انسان احتیاج ندارند.

برای بسیاری از شرکت ها ، این بدان معناست که از تکنیک های محاسبات AI با کارآمد منابع ، مانند استدلال مدل استنتاج ، استفاده می کند تا سریع و مقرون به صرفه ارتباطات دستگاه خودمختار به ماشین را فعال کند. به عنوان مثال ، در صنعت بی سیم ، هوش مصنوعی می تواند برای تجزیه و تحلیل مستقل داده های زمان واقعی در استفاده از طیف در یک شبکه تلفن همراه برای بهینه سازی استفاده از کانال و کاهش تداخل بین کاربران استفاده شود ، که در نهایت به یک اپراتور تلفن همراه اجازه می دهد تا از اشتراک طیف پویاتر در شبکه خود پشتیبانی کند. این نوع ارتباطات با ماشین AI با قدرتمندتر و کارآمدتر ، نسل بعدی هوش مصنوعی را تعریف می کند.

همانطور که در هر دوره محاسبات مهم دیگر اتفاق افتاده است ، محاسبات هوش مصنوعی همچنان در حال تکامل است. اگر تاریخچه محاسبات به ما چیزی آموخته باشد ، این است که فناوری جدید همیشه به سرمایه گذاری فراوان نیاز دارد ، اما هزینه ها کاهش می یابد و کارآیی بالا می رود زیرا ما شروع به بهره گیری از تکنیک های بهبود یافته و شیوه های بهتر برای ایجاد محصولات و خدمات مفید و مقرون به صرفه تر برای جذابیت به بزرگترین بازارهای ممکن می کنیم. نوآوری همیشه راهی پیدا می کند.

اگر به گوش دادن به خرس های AI گوش دهید ، بخش هوش مصنوعی ممکن است به تازگی دچار مشکل شود ، اما دلارهایی که Hyperscalers قصد دارند امسال را خرج کنند و استفاده فزاینده از تکنیک های مبتنی بر استنتاج ، یک داستان متفاوت را بیان می کند: محاسبات AI در واقع در حال تغییر است ، اما قول AI کاملاً دست نخورده است.