با مغز افزار همراه باشید تا بررسی کنیم چرا بازگشت پژوهشی در هوش مصنوعی به مرحله اصلی تحقیق و نوآوری ضروری است و ایلیا ساتسکیور، همبنیانگذار OpenAI، معتقد است افزایش توان محاسباتی بهتنهایی برای پیشرفت هوش مصنوعی کافی نیست. این دیدگاه ساتسکیور، بهعنوان پیشگام صنعت، بر اهمیت بازگشت پژوهشی در هوش مصنوعی تأکید میکند.
محدودیت توان پردازشی و دادهها
ساتسکیور، همبنیانگذار OpenAI، در مصاحبهای با پادکست Dwarkesh اعلام کرد که مقیاسپذیری و افزایش توان محاسباتی دیگر نمیتواند نقشهراه اصلی پیشرفت هوش مصنوعی باشد. وی تأکید کرد که دادهها محدود هستند و شرکتها همین حالا به توان پردازشی عظیمی دسترسی دارند، بنابراین صرفاً افزایش توان محاسباتی به تحول واقعی نمیانجامد.
تجربه شرکتهای فناوری
شرکتهای فناوری طی سالهای اخیر صدها میلیارد دلار برای خرید GPU و ساخت مراکز داده سرمایهگذاری کردهاند تا مدلهای هوش مصنوعی خود را بهبود دهند. این استراتژی آسان و کمریسک به نظر میرسد، زیرا سرمایهگذاری روی پژوهشهای احتمالی پرریسک را کاهش میدهد. با این حال، ساتسکیور معتقد است که این مسیر دیگر به پایان خود نزدیک شده است.
ضرورت بازگشت به پژوهش
ساتسکیور گفت: «اگر باور بر این است که صرفاً مقیاس ۱۰۰ برابر شود، همه چیز متحول میشود، من فکر نمیکنم درست باشد. ما دوباره به دوران پژوهش بازگشتهایم، البته با رایانههای بسیار قدرتمند.» وی افزود که پژوهش برای یافتن روشهای مؤثر و کارآمد استفاده از توان پردازشی حیاتی خواهد بود و میتواند تمایز واقعی ایجاد کند.
جمعبندی
بازگشت پژوهشی در هوش مصنوعی، نقطهعطفی برای صنعت است. همانطور که ساتسکیور تأکید میکند، توان پردازشی مهم است اما کافی نیست؛ آینده هوش مصنوعی به نوآوری در پژوهش، ایدههای خلاقانه و استفاده بهینه از منابع بستگی دارد.
منابع:
https://www.businessinsider.com
https://www.openai.com
https://www.dwarkesh.co
