سرمایه‌گذاری در هوش مصنوعی: شرطی جانبی بر زیرساخت‌ها

بخش اول: رویکرد استراتژیک به سرمایه‌گذاری در هوش مصنوعی

هزینه‌های سرسام‌آور غول‌های فناوری در زیرساخت‌های هوش مصنوعی، با یک راهبرد کلان و هوشمندانه همراه است: از یک منظر بسیار مهم، این هزینه‌ها در واقع به طور کامل صرف خود هوش مصنوعی نمی‌شوند. اهمیت این موضوع در این است که بخش عمده‌ای از صدها میلیارد دلار سرمایه‌گذاری در زمینه هوش مصنوعی، امروزه به سمت قدرت پردازش، سخت‌افزارها و ساختمان‌های فیزیکی هدایت می‌شود.

این دارایی‌ها حتی اگر هوش مصنوعی هرگز به سوددهی مورد انتظار نرسد یا به اصطلاح “جواب ندهد”، همچنان ارزش واقعی خود را حفظ خواهند کرد. در تصویر کلان، البته همه شرکت‌کنندگان در رقابت هوش مصنوعی – از جمله مایکروسافت، گوگل، رقبای بزرگ آن‌ها و شرکت‌های نوپای چالش‌گر – هوش مصنوعی را به عنوان بستر بزرگ بعدی صنعت می‌بینند و اعتقاد دارند که این فناوری به طور مداوم مفیدتر و سودآورتر خواهد شد. این دیدگاه، محرک اصلی این موج عظیم سرمایه‌گذاری است، اما شرکت‌ها در پشت پرده، با در نظر گرفتن سناریوهای مختلف، اقدام به سرمایه‌گذاری‌های دو منظوره می‌کنند تا ریسک‌های احتمالی را به حداقل برسانند.

نکته قابل توجه این است که اگر یا زمانی که تب کنونی سرمایه‌گذاری فروکش کند، یا حتی اگر یک شکست بزرگ در حوزه هوش مصنوعی رخ دهد، شرکتی که یک مرکز داده عظیم برای هوش مصنوعی ساخته، همچنان یک مرکز داده عظیم در اختیار خواهد داشت. به همین دلیل است که هیچ‌کس در سیلیکون ولی چندان نگران خطر “ساخت و ساز بیش از حد” نیست.

بسیاری از افراد باتجربه در این صنعت، آنچه را که برای سرمایه‌گذاری‌های بیش از حد هیجانی در ظرفیت فیبر نوری در دوران حباب دات‌کام در اواخر دهه ۹۰ اتفاق افتاد، به خاطر می‌آورند. در آن زمان، زمان‌بندی نادرست بود و بسیاری از سرمایه‌گذاران متحمل ضرر و زیان شدند. اما طولی نکشید که به تمام آن پهنای باند و حتی بیشتر از آن نیاز پیدا کردیم، و آن زیرساخت‌ها در نهایت ارزش خود را ثابت کردند. این درس تاریخی به غول‌های فناوری امروز این اطمینان را می‌دهد که سرمایه‌گذاری‌های کنونی در زیرساخت‌های فیزیکی، حتی با وجود نوسانات بازار، در بلندمدت بی‌ثمر نخواهند بود و می‌توانند برای کاربردهای دیگر نیز مورد استفاده قرار گیرند.

در واقع، تغییر کاربری یک مزرعه سرور هوش مصنوعی به یک مرکز محاسباتی که به نوع دیگری از کار اختصاص یافته باشد، کار چندان دشواری نیست. به خاطر بیاورید که تراشه‌های انویدیا که پروژه‌های عظیم آموزش مدل‌های هوش مصنوعی امروز را تغذیه می‌کنند، تا پیش از ظهور چت‌جی‌پی‌تی، به عنوان پردازنده‌های گرافیکی (GPUs) شناخته می‌شدند.

در ابتدا، پردازنده‌های گرافیکی برای دستکاری تصاویر طراحی شده بودند و همین ویژگی، آن‌ها را برای سیستم‌های بازی (gaming rigs) و همچنین ایستگاه‌های کاری حرفه‌ای ارزشمند می‌ساخت. در دهه ۲۰۱۰، صنعت ارزهای دیجیتال کشف کرد که همین دستگاه‌ها ابزار کاملی برای استخراج بیت‌کوین و سایر نیازهای محاسباتی مرتبط با بلاک‌چین هستند. این تاریخچه نشان می‌دهد که سرمایه‌گذاری در سخت‌افزارها و زیرساخت‌های پردازشی، فارغ از کاربرد اولیه و فعلی آن‌ها، همیشه پتانسیل تطبیق‌پذیری و ارزش‌آفرینی مجدد را در خود نهفته دارد.

بخش دوم: منطق و توجیهات پشت سرمایه‌گذاری‌های هوش مصنوعی

سپس، محققان دریافتند که همین پردازنده‌ها برای آموزش هوش مصنوعی مولد نیز عالی هستند – و این کشف، پردازنده‌های گرافیکی پیشرفته را به باارزش‌ترین تراشه‌های روی کره زمین تبدیل کرد. امروز، شرکت‌هایی که میلیاردها دلار برای مراکز داده جدید سرمایه‌گذاری می‌کنند، می‌گویند این فقط بهای آموزش مدل‌های پیشگام هوش مصنوعی در مسیر رسیدن به هوش عمومی مصنوعی (AGI) یا “فراهوشمندی” است.

آن‌ها همچنین بیان می‌کنند که برای اجرای این مدل‌ها (که به آن “استنتاج” یا “inference” گفته می‌شود)، به ظرفیت بیشتری از مراکز داده نیاز خواهند داشت، چرا که در حال بازسازی زیربناهای عملیاتی کسب‌وکارها و خدمات آنلاین مصرف‌کنندگان بر پایه هوش مصنوعی هستند. این توجیهات نشان‌دهنده یک رویکرد بلندمدت و جاه‌طلبانه است که سرمایه‌گذاری‌های عظیم کنونی را ضروری می‌داند، نه تنها برای توسعه نسل بعدی هوش مصنوعی، بلکه برای ادغام آن در تمام جنبه‌های زندگی دیجیتال و اقتصادی.

در نهایت، آن‌ها می‌گویند این سرمایه‌گذاری‌ها ضربه‌ای به نفع ایالات متحده در نبرد ژئوپلیتیکی با چین برای کنترل هوش مصنوعی جهانی است. این استدلال در واشنگتن نیز مورد استقبال قرار گرفته است، اگرچه هیچ‌کس نتوانسته است به طور مشخص توضیح دهد که چگونه می‌توان فهمید چه کسی در این درگیری پیروز شده یا برنده چه چیزی به دست می‌آورد.

این بعد ژئوپلیتیکی، لایه‌ای از فوریت ملی به سرمایه‌گذاری‌های بخش خصوصی اضافه می‌کند. همچنین، مارک آندرسن، پیشگام مرورگرها و سرمایه‌گذار باسابقه خطرپذیر، در سال ۲۰۱۱ اعلام کرد که “نرم‌افزار در حال بلعیدن جهان است”. اما اخیراً او به تبلیغ برنامه‌ای برای توسعه زیرساخت‌های فیزیکی با شعار “زمان ساختن است” روی آورده است. این تغییر رویکرد از تمرکز صرف بر نرم‌افزار به تأکید بر زیرساخت‌های فیزیکی، به خوبی نشان‌دهنده تغییر پارادایم در صنعت فناوری و اهمیت روزافزون بخش سخت‌افزار و فیزیکی در عصر هوش مصنوعی است.

اما از زاویه دیدی دیگر، این سرمایه‌گذاری‌های کلان به این معناست که رهبران صنعت فناوری پول بیشتری از آنچه می‌توانند به طور مولد به کار گیرند، در اختیار دارند. تا پایان آخرین سه‌ماهه، غول‌های تریلیون دلاری فناوری – مایکروسافت، گوگل، اپل، آمازون و متا – نزدیک به ۴۰۰ میلیارد دلار پول نقد در اختیار داشتند. و همچنان پول بیشتری به خزانه آن‌ها سرازیر می‌شود. میزان پولی که می‌توان برای توسعه محصول و استخدام محققان هزینه کرد، محدود است (مارک زاکربرگ از متا اخیراً محدودیت‌های تحمل بازار را در این زمینه آزمایش کرده است).

این شرکت‌ها از ایده بازگرداندن مستقیم سود به سهام‌داران خود در قالب سود سهام (dividends) بیزارند – اگرچه اپل و مایکروسافت برای مدتی است که این کار را به طور منظم انجام می‌دهند. دلیل این امر این است که پرداخت سود سهام، سیگنالی به سرمایه‌گذاران می‌فرستد مبنی بر اینکه دوران رشد شرکت‌ها به پایان رسیده است و قیمت سهام آن‌ها باید مسیری آرام‌تر و کم‌نوسان‌تر را در پیش گیرد. غول‌های فناوری نسبت به بازگرداندن غیرمستقیم پول به سهام‌داران از طریق بازخرید سهام (stock buybacks) کمتر خصومت دارند، اما محدودیت‌هایی نیز در مورد میزان پولی که می‌توان از این طریق هدایت کرد، وجود دارد.

بخش سوم: پیامدهای اقتصادی و چشم‌انداز آینده

خط آخر ماجرا این است: در چشم‌انداز مالی از دید هیئت مدیره شرکت‌های بزرگ فناوری، یک پروژه مرکز داده فقط راهی مفید دیگر برای پارک کردن چند میلیارد دلار به نظر می‌رسد. اگر هوش مصنوعی همچنان با رونق پیش برود، شرکت‌ها ظرفیت لازم برای همگام شدن را خواهند داشت. اگر به شکست بیانجامد، آن‌ها دارایی‌های محاسباتی دارند که می‌توانند آن‌ها را برای پشتیبانی از هر آنچه پس از هوش مصنوعی می‌آید، بازتجهیز کنند.

این رویکرد دوگانه، سرمایه‌گذاری‌های کنونی را به عنوان یک استراتژی مالی هوشمندانه و با حداقل ریسک برای غول‌های فناوری توجیه می‌کند. آن‌ها با ساخت این زیرساخت‌ها، نه تنها برای آینده هوش مصنوعی شرط‌بندی می‌کنند، بلکه اطمینان حاصل می‌کنند که سرمایه‌هایشان حتی در بدترین سناریوها نیز به طور کامل هدر نخواهد رفت و می‌توانند در مسیرهای دیگری به کار گرفته شوند.

اما یک نکته قابل تأمل این است: پروژه‌های مراکز داده می‌توانند مشاغل ساخت و ساز را افزایش دهند، اما در ایجاد رشد شغلی بلندمدت بسیار ضعیف عمل می‌کنند. همانطور که نانسی تنگلر، سرمایه‌گذار شناخته شده، جمعه گذشته نوشت: “ما معتقدیم شرکت‌ها به جای سرمایه انسانی، در فناوری سرمایه‌گذاری می‌کنند”.

برای مطالعه اخبار بیشتر اینجا کلیک کنید.

این دیدگاه انتقادی، تأکید بر تفاوت بین سرمایه‌گذاری در زیرساخت‌های فیزیکی و سرمایه‌گذاری در نیروی کار انسانی دارد. در حالی که توسعه مراکز داده به معنای صرف هزینه‌های گزاف برای ساخت‌وساز و تجهیزات است، این نوع سرمایه‌گذاری‌ها به ندرت به ایجاد تعداد زیادی از مشاغل پایدار و طولانی‌مدت، به خصوص برای طیف وسیعی از افراد، منجر می‌شوند؛ زیرا پس از اتمام فاز ساخت، عملیات مراکز داده نیازمند نیروی انسانی نسبتاً کمی است و بیشتر فرآیندها خودکار هستند.

ای کاش هزینه‌کرد در زیرساخت‌های هوش مصنوعی به همان اندازه که در آموزش مدل‌ها مؤثر است، در تحریک اشتغال نیز کارآمد بود. در این صورت، اقتصاد ایالات متحده می‌توانست واقعاً از این سرمایه‌گذاری‌ها بهره‌مند شود. این بیانگر یک چالش اساسی است: چگونه می‌توان اطمینان حاصل کرد که پیشرفت‌های فناورانه و سرمایه‌گذاری‌های عظیم در بخش خصوصی، به منافع گسترده‌تر اقتصادی و اجتماعی، به ویژه در زمینه ایجاد فرصت‌های شغلی پایدار و معنادار، منجر شود؟

تفاوت میان سودآوری شرکت‌های فناوری و تأثیر آن‌ها بر بازار کار، نشان‌دهنده لزوم سیاست‌گذاری‌هایی است که بتواند این شکاف را پر کند و اطمینان حاصل کند که “رونق هوش مصنوعی” نه تنها به نفع چند غول فناوری، بلکه به نفع کل جامعه و اقتصاد باشد. این موضوع نیاز به توجه جدی به سرمایه‌گذاری در سرمایه انسانی و آموزش نیروی کار برای انطباق با تغییرات سریع تکنولوژیک دارد.