به گزارش خبرنگار اجتماعی پایگاه خبری خبرآنی، گروهی از محققان دانشگاه کالیفرنیا، برکلی، مدعی شده‌اند که موفق به بازتولید فناوری اصلی مدل هوش مصنوعی DeepSeek با هزینه‌ای در حدود 30 دلار شده‌اند. این خبر پرسش‌های جدیدی را درباره میزان هزینه‌های لازم برای توسعه هوش مصنوعی پیشرفته و نقش شرکت‌های بزرگ فناوری در این عرصه مطرح کرده است.
چالش هزینه در دنیای هوش مصنوعی
DeepSeek اخیراً با معرفی مدل R1، که ادعا می‌شود توانایی‌های ChatGPT و دیگر سیستم‌های پرهزینه را با کسری از هزینه‌های معمول در سیلیکون‌ولی ارائه می‌دهد، خبرساز شد. اما تیم دانشگاه برکلی، به سرپرستی «جیایی پان»، دانشجوی دکتری، پا را فراتر گذاشته و نسخه‌ای کوچک‌تر از این مدل با نام TinyZero را توسعه داده است. این مدل که بر روی GitHub برای آزمایش عمومی منتشر شده، علی‌رغم ابعاد کوچک‌تر خود، برخی از رفتارهای اصلی مدل DeepSeek R1-Zero را نشان می‌دهد.
پان در توصیف این پروژه، بر تکنیک «یادگیری تقویتی» تأکید کرده است. در این روش، هوش مصنوعی ابتدا با حدس‌های تصادفی شروع به فعالیت می‌کند و سپس به‌مرور، از طریق اصلاح و جستجوی راه‌حل‌های بهینه، عملکرد خود را بهبود می‌بخشد. وی در یکی از پست‌های خود به آزمایش TinyZero در حل یک بازی تلویزیونی بریتانیایی به نام Countdown اشاره کرده و نوشته است: «نتایج: فقط کار می‌کند!» به گفته او، این مدل در ابتدا خروجی‌های نادرست تولید می‌کرد، اما به‌مرور توانست اشتباهات خود را اصلاح کند.
موج جدید در هوش مصنوعی؟
ادعای موفقیت TinyZero با هزینه‌ای ناچیز، در تضاد با تصور رایج در صنعت هوش مصنوعی است که توسعه مدل‌های پیشرفته را نیازمند مراکز داده عظیم، پردازنده‌های قدرتمند و هزینه‌های میلیارد دلاری می‌داند. پیش از این، DeepSeek نیز با اعلام اینکه مدل اصلی خود را با هزینه‌ای چند میلیون دلاری آموزش داده، شوکی به دنیای فناوری وارد کرد. اکنون تیم برکلی نشان داده که حتی این رقم نیز می‌تواند به‌مراتب کاهش یابد.
بااین‌حال، برخی کارشناسان نسبت به این ادعاها با احتیاط برخورد می‌کنند. منتقدان معتقدند که هزینه‌های پایین اعلام‌شده ممکن است تمام واقعیت را منعکس نکند، چراکه برخی شرکت‌ها از روش‌های جایگزین یا مدل‌های از پیش آموزش‌دیده برای کاهش هزینه‌ها بهره می‌برند. علاوه بر این، TinyZero اگرچه توانایی‌های مدل‌های یادگیری تقویتی را نشان می‌دهد، اما هنوز از نظر ابعاد و قابلیت‌ها قابل مقایسه با سیستم‌های پیشرفته‌تر مانند DeepSeek R1 نیست و بیشتر به‌عنوان یک اثبات مفهومی مطرح می‌شود.
آینده هوش مصنوعی: مسیرهای متفاوت توسعه
این اتفاق، گمانه‌زنی‌ها درباره آینده زیرساخت‌های هوش مصنوعی را افزایش داده است. آیا مدل‌های منبع‌باز و مقرون‌به‌صرفه می‌توانند شرکت‌های بزرگی مانند OpenAI، گوگل و مایکروسافت را به چالش بکشند؟ برخی معتقدند که مقیاس و پیچیدگی سیستم‌های بزرگ، هزینه‌های بالایی را اجتناب‌ناپذیر می‌کند، اما در مقابل، این نگرانی نیز وجود دارد که هزینه‌های اعلام‌شده توسط غول‌های فناوری، بیش از حد برآورد شده باشد.
در نهایت، موفقیت TinyZero و DeepSeek R1 نشان می‌دهد که توسعه هوش مصنوعی دیگر تنها در انحصار شرکت‌های بزرگ با بودجه‌های کلان نیست. چه این روند به تغییرات بنیادی در زیرساخت‌های فناوری منجر شود و چه صرفاً یک تجربه جالب علمی باقی بماند، بحث درباره هوش مصنوعی ارزان و کارآمد تازه آغاز شده است.
انتهای پیام/
