جنگ میلیاردی برای تغذیه هوش مصنوعی و داستان پشت پرده آن

5/5 - (1 امتیاز)

آخرین بروزرسانی در ۲۵ آذر ۱۴۰۴ توسط Dr.Arman

اخبار جدیدی از دنیای هوش مصنوعی می‌آید که به جای تمرکز بر تراشه‌های قدرتمند، بر روی یک منبع حیاتی و انسانی‌تر متمرکز است: داده‌های آموزشی. تصور کنید شرکتی که سه سال پیش با ایده‌ای ساده برای استخدام مهندسان نرم‌افزار شروع کرد، امروز با درآمد سالانه ۵۰۰ میلیون دلاری، خود را سریع‌ترین شرکت در حال رشد تاریخ می‌نامد. این داستان «مرکور» و بنیان‌گذار ۲۲ ساله آن، برندان فودی، تنها نوک کوه یخ است. اینجا، در پشت صحنه رقابت برای دستیابی به هوش عمومی مصنوعی (AGI)، جنگی میلیاردی برای خرید تخصص‌های انسانی در جریان است؛ از وکلا و مشاوران گرفته تا نجاران و مربیان حیوانات. این ماجرای واقعی، شکل جدیدی از اقتصاد را رقم می‌زند که شاید آینده کار را برای همیشه تغییر دهد.

چرا الان باید به این موضوع توجه کنیم؟

چند سال پیش، داده‌های آموزشی هوش مصنوعی کاری کسل‌کننده و کم‌درآمد محسوب می‌شد؛ مثل برچسب زدن تصاویر سگ و گربه. اما امروز، با نزدیک شدن مدل‌های زبانی بزرگ به مرزهای دانش، شرکت‌هایی مانند OpenAI، Anthropic و xAI به یک درک دردناک رسیده‌اند: داده‌های عمومی و ارزان تمام شده‌اند. برای پیشرفت بیشتر، هوش مصنوعی باید تخصص‌های پیچیده انسانی را بیاموزد. اما چگونه می‌توان قضاوت یک وکیل دادگستری یا تحلیل یک مشاور مالی را به ماشین آموزش داد؟ پاسخ در ایجاد «راهنمای نمره‌دهی» یا «روبریک»‌هایی است که توسط خود متخصصان نوشته می‌شود. اینجاست که بازار جدیدی با ارزش تخمینی بیش از ۱۰ میلیارد دلار در سال متولد شده است؛ بازاری که نه با تراشه، که با مغز انسان‌ها سر و کار دارد و همین حالا در حال دگرگونی است.

از آژانس استافینگ تا غول داده‌های هوش مصنوعی

داستان از جایی شروع شد که شرکت Scale AI، یکی از پیشگامان تولید داده، از مرکور درخواست ۱۲۰۰ مهندس نرم‌افزار کرد. آنها برای آموزش مدل‌های کدنویسی به حجم عظیمی از داده‌های باکیفیت نیاز داشتند. برندان فودی، بنیان‌گذار مرکور، این تقاضا را نشانه یک تحول بزرگ دید. او به جای اینکه فقط یک واسطه باشد، تصمیم گرفت مستقیماً وارد بازی شود. امروز مرکور با گردش مالی ۵۰۰ میلیون دلاری و ارزش‌گذاری ۱۰ میلیارد دلاری، با استخدام متخصصانی از گلدمن ساکس و مک‌کینزی، «راهنمای نمره‌دهی» برای مشاوره، مالی و حقوق تولید می‌کند. فودی و دو هم‌بنیان‌گذارش، در ۲۲ سالگی، به جوان‌ترین میلیاردرهای خودساخته تبدیل شده‌اند. این تنها یک نمونه است. شرکت‌هایی مانند Surge AI (با ارزش ۱۵ میلیارد دلاری) با استخدام برندگان مدال فیلدز (معتبرترین جایزه ریاضی) و وکلای دیوان عالی، در حال رقابت برای جذب نخبه‌ترین استعدادهای جهان هستند.

پارادوکس مراوچک: ساده برای انسان، سخت برای ماشین

شاید فکر کنید که هوش مصنوعی که می‌تواند در امتحان وکالت قبول شود، پس حتماً می‌تواند یک پرونده واقعی را هم مدیریت کند. اما واقعیت این است که مدل‌ها در کارهای به ظاهر پیش‌پاافتاده‌ای که برای انسان ساده است، بسیار ضعیف عمل می‌کنند. این «پارادوکس مراوچک» نام دارد. الکس رتنر، مدیرعامل Snorkel AI، توضیح می‌دهد: «آن نوع کار واقعی، با معیارهای موفقیت مبهم و میانی که به نظر از یک مسابقه کدنویسی پیش‌پاافتاده‌تر می‌رسد، جایی است که مدل‌ها تقلا می‌کنند.» به عنوان مثال، یک مدل ممکن است کدی بنویسد که اجرا شود، اما آیا این کد تمیز، کارآمد و مطابق با استانداردهای تیم است؟ برای آموزش این ظرایف، باید هزاران معیار ریز و درشت توسط متخصصان تعریف شود.

کارخانه تولید «راهنمای نمره‌دهی»: کاری طاقت‌فرسا و گران

تصور کنید می‌خواهید به هوش مصنوعی یاد بدهید چگونه در یک موقعیت اورژانسی پزشکی مشاوره دهد. یک «راهنمای نمره‌دهی» برای این کار ممکن است شامل ۲۰ معیار مختلف باشد: «چک کردن نبض»، «پیدا کردن دفیبریلاتور»، «اجرای احیای قلبی ریوی» و… . تهیه تنها یک روبریک ممکن است بیش از ۱۰ ساعت زمان ببرد. حالا تصور کنید یک آزمایشگاه هوش مصنوعی برای یک دوره آموزشی، ده‌ها یا صدها هزار مورد از این روبریک‌ها را سفارش دهد. این حجم از کار، نیاز به ارتش جدیدی از متخصصان دارد. تقاضا آنقدر زیاد است که شرکت Handshake AI که در اصل یک پلتفرم کاریابی برای دانشجویان بود، پس از ورود به این بازار، در پنج ماه از ۳ نفر به ۱۵۰ نفر نیرو رسید و مدیرعامل آن می‌گوید: «ما داشتیم از کمبود میز کار رنج می‌بردیم!»

نقشه راه برای شما: در این اقتصاد جدید چه جایگاهی دارید؟

اگر عاشق هوش مصنوعی هستید، این تحول چند درس کلیدی برای شما دارد:
۱. تخصص انسانی ارزش جدیدی پیدا کرده است: آینده نزدیک، نه تنها با جایگزینی مشاغل، که با ارزش‌گذاری مجدد بر روی تخصص‌های خاص تعریف می‌شود. توانایی شما در قضاوت، تحلیل و انجام کارهای پیچیده، به منبعی برای آموزش نسل بعدی ماشین‌ها تبدیل شده است.
۲. اقتصاد «کلنگ و بیل» هوش مصنوعی سودآور است: در حالی که بسیاری از آزمایشگاه‌های پیشرو هنوز در جستجوی سود هستند، شرکت‌های تامین‌کننده داده (مثل مرکور و سورج) از هم اکنون سودآورند. این نشان می‌دهد گاهی فروش ابزارها (داده) از استخراج طلا (ساخت AGI) امن‌تر و سودآورتر است.
۳. هوش مصنوعی عمومی شاید آنقدرها هم نزدیک نباشد: روند فعلی نشان می‌دهد پیشرفت در هوش مصنوعی بیش از آنکه با یک جهش جادویی به سمت هوش عمومی همراه باشد، با تلاش طاقت‌فرسا برای جمع‌آوری داده در هر حوزه تخصصی جدید پیش می‌رود. این، روایت غالب را به چالش می‌کشد.

آینده‌ای که در آن کل اقتصاد یک «سالن ورزشی» هوش مصنوعی است

برندان فودی از مرکور تصویری جالب ارائه می‌دهد: «اگر از دور نگاه کنید، به نظر می‌رسد کل اقتصاد در حال تبدیل شدن به یک محیط یادگیری تقویتی است.» در این دیدگاه، هر تعامل پشتیبانی، هر گزارش مالی، هر طرح حقوقی، می‌تواند به داده‌ای برای آموزش و بهبود یک مدل تبدیل شود. این رویا یا کابوس (بسته به دیدگاه شما) در حال حاضر در حال محقق شدن است. شرکت‌هایی مانند Centaur AI برای یک شرکت تولید تشک هوشمند، ۵۰ هزار نفر را برای برچسب زدن صدای «خر و پف» استخدام کردند تا یک قابلیت خاص را به محصول اضافه کنند. این نشان می‌دهد تقاضا برای داده‌های سفارشی و خاص، محدود به غول‌های فناوری نیست و در تمام صنایع نفوذ خواهد کرد.

جمع‌بندی: طلای جدید، خاکستری قدیمی

رقابت برای ساخت هوش مصنوعی قدرتمند، به جنگ جدیدی برای دستیابی به خرد و تخصص انسانی تبدیل شده است. داستان مرکور و ده‌ها شرکت مشابه، روایتی است از تولد یک صنعت میلیاردی در سایه. آنها در حال «تغذیه ماشین» با ظریف‌ترین بخش‌های دانش بشری هستند. اما این سوال بزرگ باقی می‌ماند: آیا این مسیر طاقت‌فرسای تولید داده‌های سفارشی برای هر کار کوچک، ما را به هوش عمومی مصنوعی واقعی می‌رساند، یا صرفاً نشان می‌دهد که ماشین‌ها در نهایت ابزارهایی بسیار پیشرفته (اما نه خدایان کامپیوتری) خواهند بود که برای هر حوزه جدید، به غذای انسانی ما وابسته‌اند؟ پاسخ این سوال، نه تنها آینده فناوری، که آینده کار و اقتصاد ما را نیز شکل خواهد داد. شما به عنوان کسی که این تحولات را دنبال می‌کنید، شاهد شکل‌گیری یکی از جذاب‌ترین فصل‌های تاریخ فناوری هستید. حالا نوبت شماست: به نظر شما، آیا این سرمایه‌گذاری میلیاردی روی داده‌های انسانی، نهایتاً به تولد یک هوش عمومی مستقل منجر می‌شود یا تنها حلقه‌ای از یک چرخه بی‌پایان تقاضا و عرضه است؟

منبع:

https://www.theverge.com/cs/features/831818/ai-mercor-handshake-scale-surge-staffing-companies

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *