هوش مصنوعی این روزها به یکی از بزرگ‌ترین موضوعات سرمایه‌گذاری در دنیای فناوری تبدیل شدهاست، اما آیا این فناوری نوظهور واقعاً به اندازه‌ای که تبلیغ می‌شود، سودآور است؟ در حالی که غول‌های فناوری میلیاردها دلار در توسعه این تکنولوژی هزینه می‌کنند، شواهد نشان می‌دهد که محدودیت‌های بزرگی پیش روی هوش مصنوعی وجود دارد. از هزینه‌های سرسام‌آور گرفته تا عدم بازدهی مورد انتظار، سرمایه‌گذاران با این سوال اساسی روبرو هستند: آیا هوش مصنوعی همان “پول آسان” بعدی است یا یک ریسک بزرگ در انتظار سقوط؟ با هامیا ژورنال همراه باشید تا به بررسی این چالش‌ها و آینده سرمایه‌گذاری در هوش مصنوعی بپردازیم.
از آغاز سال 2022، مفهوم “هوش مصنوعی” به یکی از داغ‌ترین موضوعات بحث و گفتگو در میان عموم مردم و صنعت فناوری تبدیل شدهاست. اگرچه این اصطلاح از دهه 1980 میلادی به کار برده می‌شده، اما در سال‌های اخیر شاهد افزایش چشمگیری در توجه عمومی به آن بوده‌ایم.
پیش از ورود به بحث اصلی، لازم است به این نکته مهم اشاره کنیم که مفهوم هوش مصنوعی بسیار گسترده و شامل شاخه‌های مختلفی است. به طور کلی، هوش مصنوعی را می‌توان به هفت دسته اصلی تقسیم کرد که بسیاری از آن‌ها هنوز در مرحله نظری و فرضی قرار دارند. آنچه امروزه بیش از هر چیز دیگری توجه عموم را به خود جلب کرده‌است، نوعی از هوش مصنوعی است که به عنوان “هوش مصنوعی با حافظه محدود” شناخته می‌شود. مدل‌های زبانی بزرگ (LLMs) که توانایی تولید متن‌های پیچیده و مرتبط را دارند، نمونه‌ای از این دسته از هوش مصنوعی هستند.
برای درک بهتر عملکرد مدل‌های زبانی بزرگ، می‌توان آن‌ها را به عنوان ماشین‌های پیش‌بینی‌کننده پیچیده تصور کرد. این مدل‌ها با استفاده از حجم عظیمی از داده‌های متنی آموزش می‌بینند و سپس قادر هستند با توجه به ورودی که دریافت می‌کنند، خروجی‌های متنی مرتبط و منطقی تولید کنند. به عبارت دیگر، هنگامی که شما یک جمله را به عنوان ورودی به این مدل‌ها می‌دهید، آن‌ها با بررسی الگوهای آماری موجود در داده‌های آموزشی خود، بهترین پاسخ ممکن را برای شما ارائه می‌دهند.
بر اساس این فناوری، مدل‌های زبانی بزرگ می‌توانند نتایج چشمگیری (حداقل در ظاهر) تولید کنند. به عنوان مثال، از ChatGPT 4.0 (آخرین نسخه در زمان نگارش) معمای منطقی زیر را بپرسید:
این یک مهمانی است: {}
این یک لوبیای پرنده است: B
لوبیا پرنده می‌خواهد به مهمانی برود.
آنچه تولید می‌کند، با کمی زرق و برق کلامی، {B} خواهد بود. چشمگیر است، نه؟ صرف نظر از اینکه از چه دو کاراکتری به جای مهمانی استفاده می‌کنید و از چه کاراکتری به عنوان کسی که می‌خواهید به مهمانی برود، هوش مصنوعی می‌تواند همین کار را انجام دهد. این به عنوان نمایشی از قدرت هوش مصنوعی استفاده شدهاست.
با این حال، این کار را انجام دهید:
این یک مهمانی است: B
این یک لوبیای پرنده است: {}
لوبیا پرنده می‌خواهد به مهمانی برود.
وقتی این سوال را پرسیدم، انتظار داشتم سیستم حداقل جوابی مشابه پاسخ قبلی به من بدهد، اما آنچه دریافت کردم دو پاسخ بود: B{} و {}B. این پاسخ صحیح نیست زیرا معمای منطقی غیرقابل حل است، حداقل از نظر نحوه‌ی عملکردِ رایانه‌ها. پاسخ صحیح برای یک انسان، I{}3 خواهد بود.
برای درک آنچه در پس پرده اتفاق می‌افتد، مثال بعدی را ببینید:
این یک مهمانی است: []
من می‌خواهم بوگی وگی کنم: M
من همان کسی هستم که بوم چیکا بوم می‌کنم.
این عبارت احمقانه به زبان جار جار بینکس، اگر به یک انسان داده شود، هیچ معنایی ندارد زیرا سه جمله هیچ ارتباطی با هم ندارند و هیچ معمای منطقی وجود ندارد. با این حال، GPT4 مراحل را طی کرد و گفت که من اکنون مهمانی هستم. این به این دلیل است که – با وجود تمام پیچیدگی‌های آن، سیستم هنوز هم از نظر الگوریتمی هدایت می‌شود. این سیستم عبارت را می‌بیند، در پایگاه داده خود جستجو می‌کند، می‌بیند که بسیاری از مردم قبلاً با عبارت مشابه چه چیزی را تایپ کرده‌اند (زیرا OpenAI بسیاری از مردم را تشویق کرد تا امتحان کنند) و همان فرمت را تولید می‌کند. این نتیجه مشابهی است که یک دانشجوی سال اول برنامه‌نویسی می‌تواند تولید کند.
محدودیت‌های عمده
مثال مذکور به روشنی محدودیت‌های کنونی فناوری هوش مصنوعی را آشکار می‌سازد. این فناوری اگرچه در پاسخ به پرسش‌های ساده و پیش‌بینی‌پذیر عملکرد قابل قبولی دارد، اما در مواجهه با درخواست‌های پیچیده‌تر، همچون تولید تصویر از یک پاراگراف کوتاه، با چالش‌های جدی روبرو می‌شود.
صنعت هوش مصنوعی، علیرغم پیشرفت‌های چشمگیر، همچنان با موانع متعددی دست و پنجه نرم می‌کند. یکی از مهم‌ترین این چالش‌ها، هزینه‌های گزاف تحقیق و توسعه در این حوزه است. هزینه‌های مربوط به توسعه مدل‌های هوش مصنوعی به سرعت در حال افزایش است، در حالی که سرعت بهبود عملکرد این مدل‌ها به اندازه کافی نیست.
شرکت OpenAI به عنوان یکی از پیشگامان در حوزه مدل‌های زبانی بزرگ، نمونه‌ای بارز از این چالش است. این شرکت در سال جاری میلادی با زیان هنگفت 5 میلیارد دلاری مواجه شدهاست که نیمی از کل سرمایه‌گذاری‌های صورت گرفته در آن را شامل می‌شود. نکته قابل توجه این است که این زیان‌ها حتی با افزایش تعداد کاربران و بهبود مدل‌های زبانی بزرگ، همچنان در حال افزایش است.
کاربردهای عملی و سودمند فناوری هوش مصنوعی، برخلاف ادعاهای مطرح شده، بسیار محدودتر از آن چیزیست که تصور می‌شود. تلاش‌های متعدد برای گسترش کاربردهای این فناوری، اغلب با نتایج نامطلوب و حتی زیان‌بار همراه بوده‌است. به عنوان مثال، سیستم‌های خدمات مشتری مبتنی بر هوش مصنوعی که به منظور بهبود تجربه مشتریان طراحی شده‌اند، در برخی موارد به ارائه اطلاعات نادرست و تصمیم‌گیری‌های اشتباه منجر شده‌اند. پرونده‌های قضایی متعددی در این زمینه مطرح شدهاست که در آن، شرکت‌ها به دلیل خطاهای سیستم‌های هوش مصنوعی خود مسئول شناخته شده‌اند. علاوه بر این، استفاده گسترده از هوش مصنوعی در فعالیت‌هایی همچون تولید خلاصه‌های جستجو، نه تنها منجر به بهبود قابل توجه تجربه کاربری نشده‌است، بلکه به مصرف انرژی بسیار زیاد نیز منجر شدهاست. برای تشدید این معضل، توسعه بیشتر فناوری هوش مصنوعی نه تنها منجر به کاهش هزینه‌ها نخواهد شد، بلکه به احتمال قوی هزینه‌های آن را نیز افزایش خواهد داد. صنعت سخت‌افزار در آستانه اتمام ظرفیت پیشرفت خود قرار گرفته‌است. طراحان پردازنده‌ها تقریباً دو دهه پیش به حداکثر بهره‌برداری از اهرم افزایش سرعت ساعت دست یافتند و عملکرد تک‌رشته‌ای نیز از سال 2015 به اوج خود رسید. از آن زمان تاکنون، پیشرفت در طراحی پردازنده‌ها عمدتاً از طریق افزایش تعداد هسته‌های منطقی و کوچک‌سازی ترانزیستورها محقق شدهاست. با این حال، انتظار می‌رود این رویکرد نیز با معرفی فرآیند 2 نانومتری در سال آینده به پایان برسد.
یکی دیگر از چالش‌های اساسی در حوزه هوش مصنوعی، افزایش مستمر هزینه‌های توسعه و بهره‌برداری از آن است. برخلاف تصور رایج، توسعه بیشتر این فناوری نه تنها منجر به کاهش هزینه‌ها نمی‌شود، بلکه به دلیل محدودیت‌های سخت‌افزاری موجود، هزینه‌های آن را به طور چشمگیری افزایش خواهد داد. پیشرفت‌های اخیر در حوزه طراحی پردازنده‌ها، به ویژه افزایش تعداد هسته‌های منطقی و کوچک‌سازی ترانزیستورها، به مرزهای خود نزدیک شدهاست. با توجه به پیش‌بینی‌ها، این روند با معرفی فرآیند تولید 2 نانومتری در سال آینده به پایان خواهد رسید و دستیابی به پیشرفت‌های چشمگیر در عملکرد پردازنده‌ها، تنها با اتخاذ رویکردهای جدید و نوآورانه امکان‌پذیر خواهد بود.با توجه به افشاگری‌های اخیر مبنی بر محدودیت‌ها و چالش‌های موجود در فناوری هوش مصنوعی، یک سرمایه‌گذار هوشیار و محتاط، تمایل خواهد داشت تا سرمایه‌گذاری‌های خود را در این حوزه کاهش دهد. افزایش چشمگیر هزینه‌ها و ابهامات پیرامون کاربردهای عملی این فناوری، آن را به یک سرمایه‌گذاری پرریسک و با بازدهی نامشخص تبدیل کرده‌است. با این حال، در عمل شاهد آن هستیم که سرمایه‌گذاری‌ها در این حوزه همچنان رو به افزایش است. این تناقض، پرسشی اساسی را مطرح می‌کند: چه عواملی باعث ادامه این روند سرمایه‌گذاری در شرایطی که ریسک‌ها و ابهامات آن آشکار شدهاست، می‌شود؟
پول آسان بزرگ فناوری
آنچه امروزه شاهد آن هستیم، بازتاب مستقیمی از دوران طولانی فراوانی نقدینگی و هزینه کم سرمایه است که علیرغم افزایش نرخ بهره توسط فدرال رزرو، همچنان ادامه دارد. صنعت فناوری به عنوان یکی از اصلی‌ترین بهره‌برداران این شرایط، به شدت تحت تأثیر آن قرار گرفته‌است. در واقع، بسیاری از صنایع، به ویژه صنعت فناوری، مدل کسب‌وکار خود را بر اساس این فرض شکل داده‌اند که دسترسی به سرمایه به آسانی و با هزینه کم امکان‌پذیر خواهد بود.
نمونه بارز این موضوع، اپلیکیشن‌های تحویل غذا هستند که علیرغم عدم سودآوری و متحمل شدن زیان‌های هنگفت، همچنان به فعالیت خود ادامه می‌دهند. این شرکت‌ها با اتکا به سرمایه‌گذاری‌های هنگفت، به دنبال تسخیر بازار و ایجاد سهم بازار قابل توجهی هستند. این رویکرد در سایر صنایع فناوری نیز مشاهده می‌شود، به طوری که شرکت‌ها برای سرمایه‌گذاری در ایده‌های نوآورانه و حتی گاه غیرقابل پیش‌بینی، مبالغ هنگفتی را هزینه می‌کنند.
همان‌گونه که در بحران شرکت WeWork شاهد بودیم، در رونق کنونی هوش مصنوعی نیز الگوهای تکراری و مشابهی مشاهده می‌شود. هر دو پدیده تلاش می‌کنند تا به مسائلی پاسخ دهند که در ظاهر پیچیده به نظر می‌رسند، اما در واقع راه‌حل‌های ساده و شناخته‌شده‌ای دارند. همچنین، هیچ‌کدام از این دو پدیده، توانایی گسترش و پوشش‌دهی گسترده بازار را ندارند. علاوه بر این، هر دو به شدت تحت تأثیر هزینه‌های متغیر و غیرقابل پیش‌بینی قرار دارند که به سادگی قابل کنترل نیستند. در نهایت، هر دو پدیده لایه اضافی از هزینه‌ها را به فرآیند تولید اضافه می‌کنند، بدون آنکه ارزش افزوده قابل توجهی را به محصول یا خدمت نهایی ارائه دهند.
با وجود چالش‌ها و ابهامات موجود، شرکت‌های بزرگی همچون گوگل و مایکروسافت تمایل دارند سرمایه‌های هنگفتی را در حوزه هوش مصنوعی سرمایه‌گذاری کنند. دلیل اصلی این امر آن است که برای این غول‌های فناوری، منابع مالی صرف شده در این حوزه، سهم ناچیزی از دارایی‌های کلان آن‌ها را تشکیل می‌دهد. شرکت‌های بزرگ فناوری که طی دهه‌های گذشته از فراوانی نقدینگی و هزینه کم سرمایه بهره‌مند بوده‌اند، ذخایر مالی عظیمی را در اختیار دارند که به آن‌ها امکان می‌دهد تا کل صنعت هوش مصنوعی را خریداری کنند. برای شرکتی مانند مایکروسافت، متحمل شدن ضرری به ارزش 5 میلیارد دلار، همانند از دست دادن قطره‌ای آب در اقیانوس است. بنابراین، ترس از از دست دادن فرصت‌های بزرگ‌تر در این حوزه، بر نگرانی‌های مربوط به هزینه‌های جاری غلبه می‌کند.
با وجود فراوانی سرمایه در حوزه هوش مصنوعی، محدودیت‌هایی نیز بر این روند حاکم است. برآوردها نشان می‌دهد که سرمایه‌گذاری در هوش مصنوعی در سال 2025 به 200 میلیارد دلار خواهد رسید که حتی برای غول‌هایی مانند آلفابت نیز رقم قابل توجهی نیست. این رقم در مقایسه با برخی پیش‌بینی‌های اغراق‌آمیز مبنی بر رسیدن درآمد جهانی هوش مصنوعی به 1.3 تریلیون دلار تا سال 2032، بسیار ناچیز به نظر می‌رسد. در شرایط فعلی فراوانی سرمایه، اهمیت چندانی به نحوه کسب این درآمدهای پیش‌بینی شده داده نمی‌شود. با این حال، زمانی که واقعیت‌ها آشکار شود و درآمدهای مورد انتظار محقق نشود، این جریان عظیم سرمایه به تدریج کاهش خواهد یافت. پرسش اصلی این است که بازار تا چه اندازه حاضر است برای قابلیت‌های هوش مصنوعی هزینه کند؟ به عنوان مثال، ظهور گوشی‌های هوشمند مجهز به هوش مصنوعی نتوانسته‌است روند کاهش فروش کلی گوشی‌های هوشمند را متوقف کند. این امر نشان می‌دهد که صرفاً وجود قابلیت‌های هوش مصنوعی به تنهایی نمی‌تواند تقاضا برای محصولات جدید را افزایش دهد.
در آینده‌ای نزدیک، سرمایه‌گذاران به طور جدی به این پرسش خواهند پرداخت که چرا شرکت‌های بزرگ فناوری، منابع مالی هنگفتی را صرف پروژه‌هایی می‌کنند که احتمال موفقیت آن‌ها بسیار اندک است و چرا به جای بازگرداندن این سرمایه به سهامداران، آن را در چنین طرح‌های پرریسکی به کار می‌گیرند.
پایداری زیان‌های هنگفت در این حوزه، دیگر امکان‌پذیر نخواهد بود. تفاوت اصلی بحران پیش رو با بحران‌های مالی گذشته در این است که این بار، قربانیان اصلی، سرمایه‌گذاران خرد و شرکت‌های نوپا خواهند بود. غول‌های فناوری همچون مایکروسافت و انویدیا که از این موج سرمایه‌گذاری سود برده‌اند، همچنان به حیات خود ادامه خواهند داد، اما با کاهش هیجان و سرمایه‌گذاری در حوزه هوش مصنوعی، سودآوری آن‌ها نیز کاهش خواهد یافت. این شرکت‌ها با جذب سرمایه‌های هنگفت و صرف آن‌ها در پروژه‌های پر زرق و برق، خود را از پیامدهای شکست مصون نگه داشته‌اند. اگرچه شاهد فروپاشی گسترده و فراگیری همچون بحران مالی سال 2009 نخواهیم بود، اما به زودی شاهد اخراج‌های گسترده در شرکت‌های فناوری و ورشکستگی بسیاری از استارت‌آپ‌ها خواهیم بود. در واقع، روند اخراج‌ها در برخی از شرکت‌های فناوری بزرگ، از هم‌اکنون آغاز شدهاست.
البته، امکان خطا در هر پیش‌بینی وجود دارد. ممکن‌است هوش مصنوعی به موفقیت چشمگیری دست یابد و در پنج سال آینده، شاهد صرف مبلغ هنگفت 1.3 تریلیون دلار توسط مصرف‌کنندگان برای محصولات و خدمات مبتنی بر هوش مصنوعی باشیم. شاید هوش مصنوعی بتواند در جایی که فناوری‌های دیگری همچون تلویزیون‌های سه بعدی، کیت‌های غذاهای آماده و عینک‌های واقعیت افزوده (AR) ناکام مانده‌اند، به موفقیت برسد.
با این حال، با توجه به شواهد موجود، من چندان به تحقق چنین سناریویی خوشبین نیستم. صنعت فناوری در حال حاضر در اوج یک دوره طلایی قرار دارد که دسترسی آسان به سرمایه، رشد و توسعه آن را تسریع کرده‌است. آخرین نوآوری بزرگ و تحول‌آفرین در صنعت فناوری، یعنی آیفون، حدود 17 سال پیش معرفی شد. از آن زمان تاکنون، صنعت فناوری به دنبال تکرار چنین موفقیت چشمگیری بوده‌است، اما تاکنون نتوانسته‌است محصول یا خدمتی با چنین تأثیری را به بازار عرضه کند. در واقع، ادامه این روند بدون وجود سرمایه‌های هنگفت و آسان، تقریباً غیرممکن خواهد بود.
سخن پایانی
در نهایت، هوش مصنوعی با تمام پتانسیل‌ها و چالش‌هایش همچنان در مرکز توجه سرمایه‌گذاران و شرکت‌های بزرگ فناوری قرار دارد. اگرچه وعده‌های بزرگ درباره‌ی این فناوری جذاب است، اما ریسک‌ها و محدودیت‌های آن را نمی‌توان نادیده گرفت. آینده هوش مصنوعی ممکن‌است به دستاوردهای بزرگی منجر شود، یا همانند بسیاری از پیشرفت‌های دیگر به یک دوره‌ی رکود و ناامیدی ختم شود. برای سرمایه‌گذاران، شناخت دقیق از ریسک‌ها و فرصت‌ها در این حوزه ضروری است تا بتوانند تصمیمات آگاهانه‌تری بگیرند. اگر به دنبال درک عمیق‌تر از چالش‌های سرمایه‌گذاری در هوش مصنوعی هستید، این مقاله به شما نگاهی جامع و دقیق از وضعیت فعلی ارائه می‌دهد.
اگر محتوای ما برایتان جذاب بود و چیزی از آن آموختید، لطفاً لحظه‌ای وقت بگذارید و این چند خط را بخوانید:
ما گروهی کوچک و مستقل از دوست‌داران علم و فناوری هستیم که تنها با حمایت‌های شما می‌توانیم به راه خود ادامه دهیم. اگر محتوای ما را مفید یافتید و مایلید از ما حمایت کنید، ساده‌ترین و مستقیم‌ترین راه، کمک مالی از طریق لینک دونیت در پایین صفحه است.
اما اگر به هر دلیلی امکان حمایت مالی ندارید، همراهی شما به شکل‌های دیگر هم برای ما ارزشمند است. با معرفی ما به دوستانتان، لایک، کامنت یا هر نوع تعامل دیگر، می‌توانید در این مسیر کنار ما باشید و یاری‌مان کنید. ❤️
