آرهبران هوش مصنوعی برنامه های بزرگی دارند – و ارزان نیستند. در مصاحبه اخیر با TIME، داریو آمودی، مدیر عامل شرکت هوش مصنوعی Anthropic، پیش بینی کرد که هزینه توسعه نسل بعدی سیستم های هوش مصنوعی که اواخر امسال راه اندازی می شود، حدود 1 میلیارد دلار خواهد بود. این روند نشان می دهد که نسل بعدی حدود 10 میلیارد دلار هزینه خواهد داشت.
آمودی تنها کسی نیست که برای ولگردی و خرج کردن آماده می شود. طبق گزارش‌ها، مایکروسافت و OpenAI در حال بررسی ساخت یک ابررایانه 100 میلیارد دلاری برای ایجاد و اجرای مدل‌های هوش مصنوعی هستند. هنگامی که از دمیس حسابیس، مدیر عامل گوگل دیپ مایند در مورد این پروژه سوال شد، گفت که شرکت او در طول زمان سرمایه گذاری بیشتری خواهد کرد.
بیشتر بدانید: در داخل Anthropic، شرکت هوش مصنوعی شرط می‌بندد که امنیت می‌تواند یک استراتژی برنده باشد
در مطالعه جدیدی که روز دوشنبه منتشر شد، پنج محقق از Epoch AI، یک موسسه تحقیقاتی غیرانتفاعی که بر پیش‌بینی توسعه هوش مصنوعی متمرکز است، عمیق‌ترین تحلیل‌ها را تا به امروز منتشر کردند که چگونه هزینه آموزش موفق‌ترین سیستم‌های هوش مصنوعی در طول زمان تکامل یافته است. آنچه که نشان دهنده آن است. هزینه های سرسام آور مسابقه تسلیحاتی هوش مصنوعی در میان شرکت های فناوری را هدایت می کند. نتایج آنها نشان می‌دهد که هزینه‌های آموزش پیشرفته‌ترین سیستم‌های هوش مصنوعی به دلیل افزایش قدرت محاسباتی مورد استفاده برای آموزش این سیستم‌ها، سال‌هاست که افزایش می‌یابد و پاداش کارکنان نیز به طور قابل‌توجهی به هزینه هوش مصنوعی کمک می‌کند.
بن کوتیر، محقق Epoch می گوید: «هزینه بزرگترین دوره های آموزشی هوش مصنوعی از سال 2016 بین دو تا سه بار در سال افزایش یافته است که نشان دهنده قیمت های میلیارد دلاری تا سال 2027، شاید زودتر است». هوش مصنوعی که مطالعه را رهبری کرد. او هشدار می‌دهد که این بدان معناست که تنها شرکت‌هایی که بودجه بسیار خوبی دارند، قادر به رقابت خواهند بود و قدرت شرکت‌های قدرتمند را تقویت می‌کند.
هزینه محاسبه
برای محاسبه هزینه توان محاسباتی مورد نیاز برای آموزش یک مدل هوش مصنوعی معین، محققان Epoch AI داده‌های تاریخی مربوط به هزینه خرید تراشه‌های نیمه‌رسانای تخصصی مورد نیاز را گرفتند، سپس این رقم را بسته به زمان کارکرد تراشه‌ها کاهش دادند. برای آموزش مدل هوش مصنوعی
محققان دریافتند که هزینه توان محاسباتی مورد نیاز برای آموزش مدل ها هر 9 ماه دو برابر می شود. این یک نرخ رشد شگفت‌انگیز است: با این نرخ، هزینه سخت‌افزار و برق مورد نیاز برای ساخت سیستم‌های هوش مصنوعی پیشرفته تا پایان این دهه به میلیاردها می‌رسد، بدون اینکه هزینه‌های دیگری مانند غرامت کارکنان در نظر گرفته شود.
با این حال، پروژه های تبلیغ شده توسط Amodei و دیگران حتی از این نرخ رشد سریع نیز فراتر می رود. Cottier معتقد است که هزینه ها می تواند بیش از نرخ تاریخی در دو سال آینده قبل از بازگشت به روند اولیه در بلندمدت افزایش یابد.
حقوق بهتر
دسترسی و تامین نیروی محاسباتی مورد نیاز تنها بخشی از هزینه توسعه پیچیده ترین سیستم های هوش مصنوعی است. شرکت ها همچنین باید به محققانی که الگوریتم ها را توسعه می دهند، پول پرداخت کنند. برای تخمین هزینه‌های نیروی کار، محققان Epoch AI تعداد محققینی را که یک مدل معین را توسعه داده‌اند، با تعداد نویسندگان همکار در مقاله‌ای که انتشار آن را اعلام می‌کند، انتخاب کردند و این تعداد را در تخمین میانگین دستمزد یک هوش مصنوعی ضرب کردند. محقق و تخمینی از زمانی که محققان برای توسعه مدل هوش مصنوعی صرف کردند.
آنها هزینه های نیروی کار چهار مدل هوش مصنوعی (مدل های GPT-3 و GPT-4 OpenAI، تکراری از GPT-3 توسعه یافته توسط محققان متا به نام OPT-175B و Gemini Ultra 1.0 از Google DeepMind) را تخمین زدند و دریافتند که پاداش کارکنان در محدوده ای متفاوت است. 29٪ تا 49٪ از کل هزینه توسعه.
در حالی که بحث های زیادی بر روی هزینه های رو به رشد دسترسی به تراشه های نیمه هادی تخصصی مورد نیاز برای آموزش و بهره برداری از سیستم های پیشرفته هوش مصنوعی متمرکز شده است (Amodei پیش بینی های نجومی خود از هزینه های آینده را به تراشه ها نسبت می دهد)، نتایج “Epoch AI” نشان می دهد که جبران خسارت نیز مهم است. راننده هزینه . با این حال، اگر شرکت‌ها به آموزش مدل‌های هوش مصنوعی با قدرت محاسباتی بیشتر ادامه دهند، Cottier انتظار دارد هزینه‌های نیروی کار به نسبت کل هزینه‌ها کاهش یابد.
برندگان همه چیز را می گیرند
مشخص نیست که آیا روند مستند شده در این مطالعه ادامه خواهد داشت یا خیر. تلاش برای ساختن سیستم‌های هوش مصنوعی فشرده‌تر محاسباتی می‌تواند به دلیل نیازهای شدید انرژی در بزرگترین خوشه‌های تراشه‌های نیمه‌رسانا یا فقدان داده‌های آموزشی با مشکل مواجه شود. برخی از مفسران استدلال می کنند که با توجه به هزینه های قابل توجه و مزایای اضافی حاشیه ای در مقیاس بزرگ تر، ادامه آموزش مدل های بزرگتر در آینده برای شرکت ها مقرون به صرفه نیست.
اما اگر این روند ادامه پیدا کند، تنها سازمان هایی که منابع کافی را دارند می توانند سرعت خود را حفظ کنند. این شامل غول‌های فناوری – گوگل، آمازون، مایکروسافت و متا – و شرکت‌های کوچک‌تر تحت حمایت غول‌های فناوری مانند OpenAI و Anthropic، و همچنین چند گروه دیگر مانند موسسه نوآوری فناوری که توسط دولت تامین می‌شود، می‌شود. امارات متحده عربی حتی در این گروه منتخب از رقبا، نشانه هایی از تثبیت قریب الوقوع در حال ظهور است. در ماه مارس، هوش مصنوعی Inflection توسط بزرگترین سرمایه گذارش، مایکروسافت، “زنده خورده” شد و اکثر تیم مدیریت و کارمندانش به غول فناوری پیوستند.
با توجه به اینکه چنین سرمایه‌گذاری‌های بزرگی احتمالاً سیستم‌های هوش مصنوعی بسیار موفقی را تولید می‌کنند، نویسندگان مقاله هشدار می‌دهند که «تمرکز چنین فناوری قدرتمندی در میان چند بازیگر کلیدی سؤالاتی را در مورد توسعه و استقرار مسئولانه ایجاد می‌کند». توسعه دهندگان و سیاست گذاران هوش مصنوعی باید با این مسائل دست و پنجه نرم کنند و مبادلات مربوط به آن را در نظر بگیرند.