تغییرات بنیادین در زیرساخت‌های فناوری اطلاعات و کمبودهای اخیر در تأمین قطعات سخت‌افزاری، بحث‌های داغی را در صنعت هوش مصنوعی برانگیخته است. سم آلتمن، مدیرعامل اوپن‌ای‌آی، در گفت‌وگوی اخیر خود با پادکست Cheeky Pint، موضع صریحی در خصوص انباشت حافظه در سیستم‌های شخصی داشته و آن را از منظر اقتصاد جهانی منابع، ناکارآمد دانسته است.
چالش کمبود جهانی تراشه‌های حافظه
بازار جهانی در حال حاضر با کمبود شدید تراشه‌های حافظه (DRAM) دست‌وپنجه نرم می‌کند؛ وضعیتی که منجر به افزایش قابل توجه قیمت‌های نهایی کالاهای دیجیتال شده است. در این میان، آلتمن اعلام کرد تمرکز بر ارتقای سیستم‌های شخصی برای اجرای مدل‌های کوچک هوش مصنوعی، در شرایط فعلی بهینه‌ترین گزینه برای صنعت نیست. او معتقد است که ناآگاهی از محدودیت‌های فیزیکی منابع، می‌تواند منجر به هدررفت ظرفیت‌های ارزشمند جهانی شود.
مزیت چشمگیر دیتاسنترها بر سیستم‌های شخصی
به گفته‌ی آلتمن، اگرچه گسترش مدل‌های متن‌باز و استخوان‌بندی پردازش روی دستگاه (Edge Computing) مورد توجه کاربران است، اما از نظر توزیع جهانی منابع، تمرکز بر دیتاسنترها اولویت دارد. او استدلال می‌کند که حافظه‌هایی که در سیستم‌های شخصی می‌نشیند، اغلب در بیش از ۹۵ درصد از زمان بیکار هستند. در مقابل، در محیط‌های ابری و دیتاسنتری، این منابع در دسترس هزاران کاربر همزمان است و نرخ بهره‌برداری از آن‌ها به اوج می‌رسد.
- کاهش هزینه‌های تمام‌شده به دلیل استفاده مشترک از زیرساخت‌های ابری
- جلوگیری از اسثمار منابع محدود تراشه‌های جهانی در استفاده‌های تک‌نفره
- تضمین دسترس‌پذیری پایدار مدل‌های پیشرفته برای همه کاربرگن
این دیدگاه نشان می‌دهد که شرکت‌های در اولویت‌های صنعت هوش مصنوعی، همچنان بر مقیاس‌پذیری و تمرکز زیرساخت‌ها به عنوان راهبردی اصولی برای پیشرفت تکنولوژی پایبند هستند، به جای تمرکز بر توزیع غیرمدیریت‌شده قدرت پردازشی بین کاربران عادی.
پرسش‌های پرتکرار
چرا سم آلتمن استفاده از رم اضافی در سیستم‌های شخصی را توصیه نمی‌کند؟
التمن معتقد است که در شرایط کمبود جهانی تراشه، استفاده از حافظه در دیتاسنترها نرخ بهره‌برداری بسیار بالاتری دارد و از هدررفت منابع در سیستم‌هایی که اغلب بیکارند جلوگیری می‌کند.
آیا اجرای مدل‌های هوش مصنوعی روی دستگاه شخصی آینده این فناوری است؟
اگرچه مدل‌های متن‌باز و پردازش روی دستگاه رو به گسترش است، اما برای مدل‌های بزرگ و دسترسی همگانی، زیرساخت‌های متمرکز ابری همچنان از نظر کارایی و اقتصاد منابع، گزینه بهتری محسوب می‌شوند.
