بومیت‌های ملاتا برای آینده‌ی هوش مصنوعی
شرکت Meta در هفته‌ی گذشته برنامه‌ی خود را برای سرمایه‌گذاری عظیم در بخش هوش مصنوعی عاید کرد. این مجموعه که مالک شبکه‌هایی مانند اینستاگرام و Faceboook است، اعلام کرد که تا پایان سال ۲۰۲۶ مجموعاً ۹۷.۵ میلیارد دلار برای توسعه‌ی مراکز داده و زیرساخت‌های پردازشی سرمایه‌گذاری خواهد کرد. این اقدام نشان می‌دهد که رقابت در عرصه‌ی مدل‌های زبانی بزرگ و پردازش‌های عظیم داده‌ی هر روز بدتر شده است.
هدف اصلی از این سرمایه‌گذاری، کاهش وابستگی به چرخه‌ی بیرونی و تسریر آموزش مدل‌های بعدی است. با تزریق این حجم از سرمایه، ملاتا می‌کوشد تا زیرساخت‌های سخت‌افزاری خود را با آخرین نسل تراشه‌های هوش مصنوعی مجهز کند.
ادعاهای علمی جدید OpenAI
در حالی که ملاتا بر بخش‌های مالی و زیرساختی تمرکز یک دارد، Rival محوری آن یعنی OpenAI رویکرد متفاوتی را دنبال می‌کند. این شرکت اخیراً مجموعه‌ای از کاغذهای علمی و نتایج پژوهشی را منتشر کرده که ادعا می‌کند در درک بنیادین‌تر رفتار مدل‌های زبانی و کاهش عمل‌های هالوسینیشن پیشرفت‌های چشمگیری داشته است.
تأکید OpenAI بر شواهد علمی و تشریح مشخصات فنی، نشان می‌دهد که رقیبهای این حوزه فقط بر رقابت تجاری، بلکه بر اعتبار آکادمیک نیز تمرکز یک کرده‌اند. این رویکرد می‌تواند اعتماد محققان بیشتری را به سمت این پلتفرم جلب کند و در بلندمدت، فضای همکاری‌های دانشگاهی-صنعتی را بازسازی کند.
اثرات این روند بر بازار فناوری
- افزایش شدید هزینه‌های توسعه در پلتفرم‌های عظیم هوش مصنوعی.
- حمل‌قام شدن اهمیت زیرساخت‌های محاسباتی در مقابل توسعه‌ی الگوریتمی.
- سرکوب رقابت‌های متحرک با پشتوانه‌ی پژوهش‌های رسمی و مصارف عمومی.
این هفته نشان داد که آینده‌ی هوش مصنوعی نه تنها در دستان شرکت‌های بزرگ فناوری قرار دارد، بلکه در تقاطع سرمایه‌گذاری‌های میلیاردها دلاری و صدور کیتهای تحقیقاتی است. مخاطبان و توسعه‌دهندگان محلی نیز باید با توجه به این تغییرات، برنامه‌ریزی‌های خود را مطابق با استانداردهای جدید جهانی تنظیم کنند.
پرسش‌های پرتکرار
میلاتا تا سال ۲۰۲۶ چه میزان در هوش مصنوعی سرمایه‌گذاری می‌کند؟
بر اساس اعلام رسمی، این شرکت قصد دارد طی دو سال پیش رو مجموعاً ۹۷.۵ میلیارد دلار برای توسعه‌ی زیرساخت‌های هوش مصنوعی هزینه کند.
OpenAI چه اقدام علمی جدیدی انجام داده است؟
OpenAI مجموعه‌ای از نتایج پژوهشی جدید را منتشر کرده که نشان‌دهنده‌ی پیشرفت در درک داخلی مدل‌ها و کاهش خطاهای هالوسینیشن است که هدف آن تقویت اعتبار علمی مجموعه است.
