ساندار پیچای، مدیرعامل گوگل، میگوید که قدرتمندترین مدل هوش مصنوعی این شرکت هنوز در اختیار کاربران قرار نگرفته و ظاهراً خود او هم از نسخه نهایی آن استفاده نمیکند.
پیچای در یک مصاحبه با لکس فریدمن درباره مدلهای هوش مصنوعی گوگل توضیحاتی ارائه داد. او گفت:
مدلهایی که همه ما بیشتر از آنها استفاده میکنیم، شاید چند ماه از حداکثر تواناییای که میتوانیم ارائه کنیم عقبتر باشند. به این ترتیب، بخشی از تواناییهای پیشرفته هوش مصنوعی از نظر فنی آماده شدهاند، اما فعلاً در پشت صحنه باقی ماندهاند تا هزینه و صرفه اقتصادی استفاده گسترده از آنها فراهم شود. آنچه به دست کاربران میرسد، الزاماً مرز نهایی تحقیقات هوش مصنوعی نیست؛ بلکه بالاترین سطحی است که میتوان آن را برای میلیاردها نفر ارائه کرد، بدون اینکه اجرای هر درخواست برای شرکت زیانآور باشد.
پیچای درباره تفاوت میان نسخههای مختلف مدلهای گوگل گفت:
در هر نسل احساس کردهایم که مدل Pro معمولاً میتواند به حدود ۸۰ تا ۹۰ درصد توانایی مدل Ultra برسد. گوگل در مقاطعی ارائه نسخه Ultra را متوقف کرد؛ نه به این دلیل که توانایی لازم برای ساخت آن وجود نداشته، بلکه عرضه آن در مقیاس وسیع از نظر هزینه و زیرساختی امکانپذیر نبوده است.
کاری که توانستهایم انجام دهیم این است که به نسل بعدی برویم و نسخه Pro نسل جدید را به سطحی برسانیم که با Ultra نسل قبلی برابری کند.
بر اساس این دیدگاه، مرز فناوری ابتدا ساخته میشود، سپس برای مدتی کنار گذاشته یا فشردهتر و بهینهتر میگردد و در نسل بعدی با قیمتی مناسبتر در اختیار کاربران قرار میگیرد.
هر پیشرفت در زمینه بهرهوری میتواند بخشی از این ظرفیت انباشته را آزاد کند. به همین دلیل، رشد توانایی مدلها گاهی به شکل جهشهای بزرگ دیده میشود؛ جهشهایی که از بیرون بسیار سریعتر از روند واقعی تحقیقات به نظر میرسند.
در واقع، آنچه کاربران مشاهده میکنند الزاماً لحظه کشف یک فناوری تازه نیست، بلکه گاهی نتیجه عبور تدریجی فناوریهای آماده از صف عرضه است.
به همین دلیل، معیارهای بنچمارک نیز دیگر تصویر کاملی از این روند ارائه نمیکنند. این آزمونها معمولاً سقف توانایی مدلها را اندازهگیری میکنند، در حالی که تقریباً هیچکس در استفاده روزمره دائماً در بالاترین سطح عملکرد یک مدل کار نمیکند.
لکس فریدمن گفت:
بنچمارکها روزبهروز کمتر میتوانند هوشمندی مدلها و میزان اثربخشی آنها را بهدرستی نشان دهند.
پیچای گفت:
مدلی که اندکی توانایی کمتری داشته باشد اما بهمراتب سریعتر پاسخ دهد، در بسیاری از کاربردهای واقعی میتواند انتخاب بهتری باشد؛ زیرا سرعت پاسخ تعیین میکند کاربر اساساً چه تعداد پرسش و چه نوع کاری را حاضر است به هوش مصنوعی بسپارد.
فریدمن گفت:
میتوان استدلال کرد که Gemini Flash از Pro تأثیرگذارتر است، فقط به دلیل سرعت پاسخدهی؛ چون همین حالا هم از هوش بسیار بالایی برخوردار است.
مدیرعامل گوگل اظهار داشت:
اگر برای دریافت پاسخ مجبور باشید ۳۰ ثانیه منتظر بمانید، احتمالاً تنها چند پرسش در طول روز مطرح میکنید. اما وقتی پاسخ تقریباً بلافاصله ظاهر شود، میتوانید بخش بزرگی از روند کاری خود را بر پایه همان ابزار بازطراحی کنید.
بنابراین ارزش واقعی هوش مصنوعی در لحظه استفاده از آن شکل میگیرد، نه صرفاً در بالاترین رتبه یک جدول بنچمارک.
در این نگاه، خود هوش دیگر کمیابترین عامل نیست؛ چالش اصلی رساندن این توانایی به کاربران در مقیاس گسترده است. این مسئله بیش از آنکه یک مشکل صرفاً تحقیقاتی باشد، به مهندسی، زیرساخت، هزینه و بهرهوری ارتباط دارد؛ حوزهای که بشر تاکنون بارها توانسته است محدودیتهای آن را پشت سر بگذارد.
نمونه مشابه آن را میتوان در تاریخ برق دید. فناوری تولید برق دههها پیش وجود داشت، اما مدت زیادی طول کشید تا این فناوری به شکل گسترده وارد خانهها و حتی آشپزخانهها شود. اختراع ممکن است زودتر به نتیجه برسد، اما ایجاد شبکه توزیع و رساندن آن به زندگی روزمره زمان بیشتری میبرد و در نهایت این زیرساخت ساخته میشود.
بنابراین روند توسعه هوش مصنوعی متوقف نشده است. آنچه اکنون در حال تغییر است، فاصله میان قابلیتی است که از نظر فنی وجود دارد و قابلیتی که میتواند با هزینه قابلقبول به دست میلیاردها کاربر برسد.
در نهایت، ممکن است قدرتمندترین مدل هوش مصنوعی جهان از هماکنون ساخته شده باشد و مسئله باقیمانده بیشتر به هزینه تولید و ارائه آن مربوط شود؛ مسئلهای که با بهبود فناوری و افزایش بهرهوری، مسیر آن در بلندمدت به سمت کاهش هزینهها حرکت میکند.
