بررسی حباب هوش مصنوعی؛ مشکل واقعی پیش روی انقلاب هوش مصنوعی چیست؟

1

مردم اغلب درباره حباب‌های فناوری با لحنی آخرالزمانی صحبت می‌کنند، اما واقعیت اقتصادی چنین نیست. در ساده‌ترین تعریف، یک «حباب» به معنی شرطی است که بیش از اندازه بزرگ شده و در نهایت عرضه‌ای بیش از تقاضا بر جا می‌گذارد. نتیجه این است که موضوع، «همه یا هیچ» نیست، حتی شرط‌های خوب هم می‌توانند به شکست منتهی شوند اگر در نحوه اجرای آن‌ها دقت کافی وجود نداشته باشد.

آنچه پرسش درباره «حباب هوش مصنوعی» را به‌ویژه دشوار می‌کند، عدم تطابق زمانی میان سرعت سرسام‌آور توسعه نرم‌افزارهای هوش مصنوعی و روند کُند ساخت و تأمین انرژی برای مراکز داده است.

از آنجا که ساخت این مراکز داده سال‌ها طول می‌کشد، بسیاری از چیزها بین امروز و زمان بهره‌برداری آن‌ها تغییر خواهد کرد. زنجیره تأمین مورد نیاز برای سرویس‌های هوش مصنوعی چنان پیچیده و متغیر است که به سختی می‌توان تخمینی روشن از میزان عرضه مورد نیاز در چند سال آینده داشت.

مسئله فقط این نیست که مردم در سال ۲۰۲۸ چقدر از هوش مصنوعی استفاده خواهند کرد، بلکه این است که چگونه از آن استفاده خواهند کرد  و اینکه آیا تا آن زمان پیشرفت‌هایی در حوزه انرژی، طراحی نیمه‌هادی یا انتقال برق رخ خواهد داد یا نه. وقتی چنین شرط بزرگی بسته می‌شود، احتمال خطا در مسیر بسیار زیاد است و شرط‌های هوش مصنوعی اکنون واقعاً عظیم شده‌اند.

هفته گذشته، خبرگزاری رویترز گزارش داد که یک مجموعه مرکز داده مرتبط با شرکت Oracle در ایالت نیومکزیکو توانسته تا ۱۸ میلیارد دلار اعتبار از کنسرسیومی متشکل از ۲۰ بانک جذب کند. شرکت Oracle پیش‌تر قراردادی به ارزش ۳۰۰ میلیارد دلار برای خدمات ابری با OpenAI بسته و همراه با SoftBank در حال ساخت زیرساختی ۵۰۰ میلیارد دلاری تحت پروژه‌ای به نام Stargate است. شرکت Meta نیز برای سه سال آینده متعهد شده ۶۰۰ میلیارد دلار صرف زیرساخت‌های هوش مصنوعی کند. حجم این سرمایه‌گذاری‌ها چنان بالاست که پیگیری آن‌ها دشوار شده است.

در عین حال، هنوز عدم قطعیت قابل توجهی در مورد سرعت رشد تقاضا برای خدمات هوش مصنوعی وجود دارد. بر اساس نظرسنجی اخیر مؤسسه مک‌کینزی، تقریباً تمام شرکت‌های بزرگ از نوعی ابزار هوش مصنوعی استفاده می‌کنند، اما تعداد کمی از آن‌ها این فناوری را در مقیاس گسترده به کار گرفته‌اند.

در برخی موارد، هوش مصنوعی توانسته هزینه‌ها را کاهش دهد، اما هنوز تأثیر محسوسی بر عملکرد کلی کسب‌وکارها ندارد. به بیان دیگر، بیشتر شرکت‌ها هنوز در حالت «صبر کن و ببین» قرار دارند؛ بنابراین اگر روی اجاره فضا در مراکز داده به این شرکت‌ها حساب کرده‌اید، شاید باید مدت زیادی منتظر بمانید.

اما حتی اگر تقاضا برای هوش مصنوعی بی‌پایان باشد، این پروژه‌ها ممکن است با مشکلات ساده‌تری روبه‌رو شوند، از جمله زیرساخت. هفته گذشته ساتیا نادلا در یک پادکست گفت نگرانی اصلی‌اش کمبود فضا در مراکز داده است، نه کمبود تراشه. او گفت: «مشکل، عرضه تراشه‌ها نیست؛ مسئله این است که پوسته‌های آماده‌ای برای نصب آن‌ها ندارم.» هم‌زمان، برخی مراکز داده به دلیل ناتوانی در تأمین انرژی مورد نیاز تراشه‌های نسل جدید بلااستفاده مانده‌اند.

در حالی که شرکت‌هایی مانند Nvidia و OpenAI با تمام توان در حال پیشروی هستند، شبکه برق و زیرساخت‌های فیزیکی با همان سرعت سنتی خود حرکت می‌کنند. همین شکاف زمانی می‌تواند به گلوگاه‌های پرهزینه‌ای منجر شود، حتی اگر همه چیز دیگر به خوبی پیش برود.