‏مسیر پرفرازونشیب متا تو هوش مصنوعی

تو یه یادداشت تازه، نویسندهٔ Spyglass با تکیه بر گزارش Harry McCracken سراغ تاریخچهٔ هوش مصنوعی متا رفته و می‌گه برای فهمیدن وضعیت الان متا باید عقب‌تر رو نگاه کرد. زاکربرگ سال ۲۰۱۳، بعد از اینکه تو رقابت خرید DeepMind شکست خورد، Yann LeCun رو استخدام کرد و همین تیم بعدها PyTorch رو ساخت، یعنی کتابخونهٔ متن‌باز یادگیری عمیق که بخش بزرگی از پژوهش AI روش سواره.

ماجرای «باز» بودن Llama اون‌قدرها هم عمدی نبود. متا فوریهٔ ۲۰۲۳ اولین Llama رو معرفی کرد و قرار بود مورد به مورد به پژوهشگرها بده، ولی یه هفته بعد نسخهٔ لو رفته‌ش تو 4chan پیدا شد و عملاً دست همه افتاد. اون موقع همه نگران سوءاستفاده بودن، ولی به گفتهٔ نویسنده همین اتفاق بعداً به استراتژی رسمی تبدیل شد و متا کمتر از پنج ماه بعد Llama 2 رو مستقیم به شکل open-weight منتشر کرد، یعنی وزن‌های مدل آزاده ولی دیتای آموزشش نه.

Llama 3 موفق بود ولی Llama 4 یه شکست تمام‌عیار از آب دراومد. نویسنده می‌گه دستکاری لیدربوردها فقط نشونه بود نه علت؛ مشکل اصلی این بود که رقبا با روش mixture-of-experts جلو زدن، یعنی مدل به جای روشن‌کردن کل شبکه فقط بخش‌های مرتبط رو برای هر ورودی فعال می‌کنه. «لحظهٔ DeepSeek» همینو به متا نشون داد. بعدش «باز» بودن کنار گذاشته شد، Llama تعطیل شد و میلیاردها دلار خرج نیرو و compute شد.

حالا با داغ‌شدن دوبارهٔ مدل‌های open-weight، متا دوباره برگشته سمت «باز»، البته نه به‌طور کامل. نویسنده معتقده مسئلهٔ اصلی متا مدل نیست، محصوله: مدل بعدی با اسم Watermelon و دستیار شخصی Hatch باید ثابت کنن متا هنوز می‌تونه چیزی بسازه که مردم واقعاً بخوان ازش استفاده کنن.

تو گزارش اومده که فضای داخلی هم خوب نیست. یکی از کارمندهای فعلی MSL می‌گه حرف‌های زاکربرگ دربارهٔ «ابرهوش شخصی» بین کارکنا شعار حساب می‌شه نه نقشهٔ راه، و یه منبع دیگه استخدام‌های گران‌قیمت AI رو «مزدور» توصیف می‌کنه که فقط تا وقتی پول روی میزه می‌مونن. نویسنده می‌گه اگه Watermelon و Hatch بگیرن، این نارضایتی‌ها سریع فراموش می‌شه.

نکات کلیدی:

• زاکربرگ سال ۲۰۱۳ و بعد از باختن رقابت خرید DeepMind، Yann LeCun رو استخدام کرد.
• اولین Llama فوریهٔ ۲۰۲۳ معرفی شد و یه هفته بعد نسخه‌ش تو 4chan لو رفت.
• Llama 2 کمتر از پنج ماه بعد رسماً به شکل open-weight منتشر شد.
• شکست Llama 4 بیشتر به عقب‌موندن از تکنیک mixture-of-experts برمی‌گشت تا به «باز» بودن.
• مدل بعدی متا اسم داخلی Watermelon داره و دستیار مصرفی‌ش Hatch نام گرفته.