نویسنده: روابط عمومی 0 38 تاریخ انتشار : 13 آبان 1404

هوش مصنوعی قرار بود درمان بیماری‌ها را کشف کند، ولی چرا شرکت‌ها به سمت ابزار ساخت ویدئو و عکس و وب بروزر رفتند؟

ما در آستانه‌ی یک رنسانس علمی ایستاده بودیم شاید هنوز هم هستیم! غول‌های سیلیکون‌ولی به ما وعده می‌دادند که هوش مصنوعی قرار است قفل‌های سرطان را بشکند، آلزایمر را ریشه‌کن کند و اسرار پیچیده‌ی پروتئین‌ها را رمزگشایی کند. اما امروز، تیترهای غالب نه در مورد درمان‌های جدید، که در مورد توانایی مدل Sora در ساخت ویدئوهای واقع‌گرایانه، یا مهارت ChatGPT در خلاصه‌کردن ایمیل‌ها، یا ادغام دستیارهای هوشمند در مرورگرهای وب است.

چرا این تغییر مسیر رخ داد؟ چرا سرمایه‌های هنگفت به جای نجات جان انسان‌ها، صرف تولید محتوای دیجیتال و بهینه‌سازی جستجوی وب می‌شود؟

جوابش تلخ ولی ساده‌ست: پول!

کمی عمیقتر اگر نگاه بکنیم به دلایل مهم‌تری هم می‌رسیم:

۱. بازگشت سرمایه: مسابقه کوتاه‌مدت

واقعیت اول این است: درمان بیماری‌ها، آهسته و بسیار پرهزینه است. یک تحقیق پزشکی ممکن است دهه‌ها طول بکشد، میلیاردها دلار هزینه داشته باشد و در نهایت به شکست بیانجامد. بازگشت سرمایه (ROI) در آن نامشخص و بلندمدت است.

در مقابل، یک مدل تولید تصویر یا ویدئو، بازاری فوری دارد. از هالیوود و صنعت تبلیغات گرفته تا کاربران عادی در شبکه‌های اجتماعی، همگی مشتریان بالقوه‌ی این فناوری هستند. ارزش‌گذاری‌های سرسام‌آور شرکت‌هایی مانند OpenAI یا Anthropic، نه بر اساس وعده‌ی درمان‌های آینده، بلکه بر اساس اشتراک‌های ماهانه و دسترسی به API در حال حاضر ساخته شده است. وقتی سرمایه‌گذاران میلیاردها دلار تزریق می‌کنند، انتظار سود در گزارش‌های فصلی بعدی را دارند، نه در دهه‌ی آینده.

 

۲. گرسنگی سیری‌ناپذیر برای داده

واقعیت دوم، داده است. مدل‌های زبانی بزرگ (LLMs) برای یادگیری به حجم باورنکردنی از داده‌های انسانی نیاز دارند.

چرا شرکت‌ها ناگهان به «مرورگرهای وب» علاقه‌مند شدند؟ چرا دستیارهای هوشمند را در سیستم‌عامل‌ها و موتورهای جستجو ادغام می‌کنند؟

این ابزارها، ماشین‌های برداشت داده در مقیاس جهانی هستند. هر جستجوی شما، هر کلیک، هر تصویری که می‌سازید (و آن را «لایک» یا «اصلاح» می‌کنید)، یک جلسه آموزش رایگان برای این مدل‌هاست فرآیندی که به آن RLHF یا یادگیری تقویتی از بازخورد انسانی می‌گویند.

این محصولات مصرفی، نه هدف نهایی، بلکه زمین تمرین هستند. ما با استفاده از این ابزارهای سرگرم‌کننده، در حال آموزش دادن به هوشی هستیم که شاید روزی برای درمان بیماری‌ها استفاده شود؛ اما در حال حاضر، این آموزش صرفاً برای ساختن محصولی بهتر (و سودآورتر) در دور بعدی است.

۳. میوه‌های دم‌دست

از منظر فنی، مدل‌سازی زبان و پیکسل‌ها (داده‌های ساختاریافته) آسان‌تر از مدل‌سازی سیستم‌های بیولوژیکی پیچیده (داده‌های غیرساختاریافته‌ی دنیای واقعی) است. موفقیت در تولید ویدئو، «میوه‌ی دم‌دستی» بود که با پیشرفت در معماری ترنسفورمرها قابل دستیابی شد.

کلام آخر: انحراف از مسیر یا مسیری انحرافی؟

این چرخش به سمت محصولات مصرفی، لزوماً به معنای رها کردن اهداف بزرگ‌تر نیست. شرکت‌ها استدلال می‌کنند که سود حاصل از این ابزارها، بودجه‌ی لازم برای تحقیقات بنیادی‌تر (مانند بخش سلامت گوگل) را فراهم می‌کند.

اما انتقاد اساسی پابرجاست

وقتی متریک‌های موفقیت یک شرکت، «تعداد کاربران فعال ماهانه» و «نرخ درگیری کاربر» باشد، آیا منابع به سمت حل مشکلات واقعی بشریت هدایت می‌شوند یا صرفاً بهینه‌سازی الگوریتم‌هایی برای جلب توجه بیشتر؟

به نظر می‌رسد هوش مصنوعی به جای آنکه درمانگر دردهای ما باشد، فعلاً به یک آینه‌ی بازتاب‌دهنده‌ی اولویت‌های اقتصادی ما تبدیل شده است؛ و این آینه نشان می‌دهد که ما برای سرگرمی لحظه‌ای، ارزش تجاری بیشتری نسبت به درمان‌های حیاتی قائل هستیم.

نظر شما چیست؟!