چرا رقابت هوش مصنوعی آمریکا و چین یه افسانه‌ست؟
هوش مصنوعیخلاصهٔ کامل‌تر
به گفته‌ی آلوین گریلین، تکنولوژیستی که از اوایل دهه ۹۰ میلادی هم تو آمریکا و هم تو چین رو حوزه‌ی هوش مصنوعی کار کرده، ایده‌ی «رقابت تسلیحاتی هوش مصنوعی» بین آمریکا و چین یه چارچوب اشتباهه. رقابت واقعاً وجود داره، ولی این تصور که یه کشور می‌تونه خط پایان رو رد کنه و برتری‌شو برای همیشه قفل کنه، با واقعیت جور در نمیاد. دلیلش اینه که مدل‌های open-weight (مدل‌هایی که فایل وزن‌هاشون عمومی منتشر میشه و هرکس می‌تونه رو سخت‌افزار خودش اجراشون کنه) دارن خیلی سریع کوچیک و ارزون می‌شن و فاصله‌شون با مدل‌های بسته و گرون‌قیمت رو کم می‌کنن.
گریلین این روند رو به برق تشبیه می‌کنه: هیچ کشوری «مسابقه‌ی برق» رو نبرد، چون وقتی یه تکنولوژی بالغ میشه، تبدیل به زیرساخت میشه که همه بهش دسترسی پیدا می‌کنن. نرم‌افزار حتی سریع‌تر از این پخش میشه، چون کپی کردنش راحته؛ یه مدل که امروز به یه دیتاسنتر نیاز داره، ممکنه یکی دو سال بعد رو یه لپ‌تاپ اجرا بشه. به گفته‌ی اون، دلیل اصلی این‌که روایت رقابت تسلیحاتی هنوز زنده‌ست اینه که چندتا شرکت بزرگ ازش سود می‌برن، چون توجیه‌کننده‌ی هزینه‌های عظیم، مقررات دست‌ودلبازانه و بودجه‌های دولتیه که فقط سمت اون‌ها می‌ره.
یکی از مثال‌های جالب تو این گفتگو، یه شرکت داروسازی چینیه که به‌جای یه مدل غول‌پیکر عمومی، از یه مدل تخصصی حدود ۱۰ میلیارد پارامتری برای یه بیماری خاص استفاده می‌کنه و همین کافیه. یعنی بزرگ‌تر بودن مدل همیشه بهتر نیست، و سرمایه‌گذاری ملی رو مدل‌های غول‌آسا لزوماً بهترین استفاده از پول نیست.
بخش نگران‌کننده‌تر ماجرا، ریسک مالیه: طبق گزارشی که به وال‌استریت ژورنال نسبت داده شده، غول‌های فناوری آمریکایی حدود ۳ تریلیون دلار بدهی و تعهد خارج از ترازنامه دارن، تقریباً دو برابر ۱.۶ تریلیون دلار بدهی ساب‌پرایمی که تو اوج بحران مالی ۲۰۰۸ وجود داشت. گریلین می‌گه خطر واقعی نزدیک، یه کشور رقیب نیست بلکه اختلال اقتصادیه؛ یه مطالعه‌ی استنفورد نشون داده کارکنان ۲۰ تا ۲۵ ساله تو صنایعی که هوش مصنوعی روشون تأثیر گذاشته، حدود ۱۹ درصد عقب‌تر از حقوق مورد انتظارشون هستن، و کل حقوق و دستمزد آمریکا از ۲۰۲۳ داره کم میشه، در حالی که بازار سهام بالا رفته.
توصیه‌ی نهایی گریلین برای نیروی کار جوون اینه که به‌جای تخصص خیلی محدود، تجربه‌ی گسترده و عملی رو کل چرخه‌ی یه پروژه (از طراحی تا اجرا و جمع‌بندی) کسب کنن، چون همون تخصص محدود دقیقاً جاییه که هوش مصنوعی راحت‌تر جاشو می‌گیره.
نکات کلیدی:
- مدل‌های open-weight با سرعت زیاد دارن کوچیک و ارزون می‌شن و دارن به مدل‌های بسته می‌رسن
- یه شرکت داروسازی چینی از یه مدل ۱۰ میلیارد پارامتری تخصصی به‌جای مدل غول‌پیکر استفاده می‌کنه
- بدهی و تعهدات خارج از ترازنامه‌ی غول‌های فناوری آمریکایی حدود ۳ تریلیون دلاره، تقریباً دو برابر بدهی ساب‌پرایم سال ۲۰۰۸
- طبق یه مطالعه‌ی استنفورد، کارکنان ۲۰ تا ۲۵ ساله تو صنایع تحت‌تأثیر هوش مصنوعی حدود ۱۹ درصد حقوق کمتر از انتظار می‌گیرن
- توصیه میشه نیروی کار جوون به‌جای تخصص محدود، تجربه‌ی گسترده و عملی کسب کنه
