فهرست مطالب
ساتیا نادلا میگوید آینده هوش مصنوعی در کنترل زیرساخت و لایه ارکستراسیون است؛ مایکروسافت نیز بر استقلال سازمانها از مدلها تمرکز دارد.
به گزارش سرویس هوش مصنوعی تکناک،در شرایطی که مدیران Anthropic و OpenAI خواستار کاهش سرعت توسعه هوش مصنوعی در سطح جهانی شدهاند و هشدارهای ایمنی بازارها را متلاطم کردهاند، نادلا معتقد است فرصتها و خطرهای اصلی نه در ساخت قدرتمندترین مدلها، بلکه در کنترل زیرساختها و نرمافزارهایی نهفتهاند که استفاده سازمانها از این مدلها را ممکن میکنند.
از نظر او، ارزش هوش مصنوعی برای همیشه به لایه مدل محدود نمیماند.
کسبوکارهایی که ماندگاری بیشتری خواهند داشت، آنهایی هستند که «لایه ارکستراسیون» را میسازند؛ لایهای شامل زیرساخت، میانافزار و سازوکارهای کنترلی که به هزاران سازمان امکان میدهد هوش مصنوعی را بهصورت ایمن و مستقل به کار بگیرند.
نادلا گفت: «ما باید اقدامات لازم را برای ساخت چیزی انجام دهیم که ابتدا در خدمت انسانها باشد و تحت کنترل آنها قرار بگیرد. اینکه مجبوریم کار را از چنین اصل بدیهیای شروع کنیم، کمی عجیب است.»
رقابت بر سر لایه ارکستراسیون، نه قدرتمندترین مدل
نادلا وارد رقابت تسلیحاتی برای ساخت مدلهای پیشرفته هوش مصنوعی نشده است.
او فاش کرد که ۳۰ میلیون مشترک Copilot مایکروسافت، تنها بخش کوچکی از بازار ۴۵۰ میلیون نفری کارکنان دانشمحور را تشکیل میدهند.
او همچنین از راهبرد سرمایهگذاری ۱۷۵ میلیارد دلاری مایکروسافت دفاع کرد و گفت این سرمایهگذاری برای پاسخگویی به نیاز هزاران مشتری طراحی شده است، نه فقط دو یا سه شرکت بزرگ سازنده مدلهای هوش مصنوعی.
نادلا گفت: «اگر ارائهدهنده خدمات ابری در مقیاس عظیم هستید، نباید فقط تأمینکننده دو شرکت سازنده مدل باشید. چنین چیزی کسبوکار محسوب نمیشود. باید سامانهای بسازید که هم برای تعداد زیادی از مشتریان ثالث و هم برای خودمان بهخوبی کار کند.»
پشت این اظهارات، تغییر جایگاه مدل کسبوکار هوش مصنوعی مایکروسافت قرار دارد.
این شرکت بهجای رقابت برای تصاحب عنوان «هوشمندترین مدل» و پیروزی در بازاری که همهچیز به برنده نهایی میرسد، بهدنبال کنترل نقطه ورود به هوش مصنوعی سازمانی، سازوکارهای کنترلی و روابط بلندمدت با مشتریان است.
مالک واقعی وزنهای مدل چه کسی است؟
نادلا توجه خود را به موضوعی معطوف کرد که به گفته او کمتر مورد توجه قرار گرفته است: کنترل مشتریان سازمانی بر نحوه استقرار هوش مصنوعی در کسبوکارهای خود.
او گفت: «من حریم خصوصی خودم را میخواهم. میخواهم بتوانم دانشم را در مجموعهای از وزنهای مدل جای دهم که خودم کنترلش میکنم. میخواهم تمام زنجیره استدلال تولیدشده را ببینم. نباید مالکیت فکری من افشا شود.»
این اظهارات صرفاً دیدگاهی فلسفی نیست، بلکه چالشی مستقیم برای مدل کسبوکار شرکتهای سازنده مدلهای پیشرفته هوش مصنوعی محسوب میشود. منظور ضمنی نادلا روشن است: اگر مدلها، لایههای ارکستراسیون و سامانههای حافظهای که سازمان شما به آنها متکی است، همگی در کنترل یک تأمینکننده باشند، خود را در معرض وابستگی خطرناکی قرار دادهاید.
این وضعیت مانند آن است که یک پایگاه داده بخرید و بعد تأمینکننده به شما بگوید: «دادههایی که وارد کردهاید، متعلق به شما نیستند، بلکه مال من هستند.»
نادلا امیدوار است استانداردهای تعاملپذیری توسعه پیدا کنند تا سازمانها بتوانند مدلهای خود را آزادانه جایگزین کنند.
این استانداردها میتوانند امکان استفاده مجدد از حافظههای نهان کلید ـ مقدار (Key-Value Cache) را در خانوادههای مختلف مدل فراهم کنند.
در چنین ساختاری، لایه ارکستراسیون به مدل خاصی وابسته نخواهد بود و حافظه نیز به یک تأمینکننده محدود نمیشود.
او همچنین آزمونی ساده را پیشنهاد کرد که هر مدیر ارشد فناوری میتواند از همین فردا انجام دهد: یک مدل را از سامانه حذف کنید و ببینید آیا نتایج ارزیابی همچنان پابرجا میمانند یا خیر.
نادلا گفت: «آزمون من این است: یک مدل را حذف کنید و ببینید آیا میتوانم ارزیابیها را همچنان حفظ کنم یا نه. اگر نتوانم، یعنی واقعاً به چیزی وابسته هستید که ممکن است متعلق به شما باشد یا نباشد.»
بیشتر بخوانید: ساتیا نادلا درباره وابستگی به یک مدل هوش مصنوعی هشدار داد
دستکاری پاداش و تهدیدهای داخلی؛ خطر پنهان عاملهای هوش مصنوعی
نادلا تمایلی ندارد وارد بحثهای وجودی درباره این موضوع شود که آیا هوش مصنوعی بشریت را نابود خواهد کرد یا خیر.
او ترجیح میدهد امنیت هوش مصنوعی را یک مسئله مهندسی بداند که به نظارت، مهار و امکان حسابرسی نیاز دارد.
بااینحال، او به خطر تازهای اشاره کرد که هنوز توجه سرمایهگذاران را به خود جلب نکرده است: عاملهای هوش مصنوعی مداوم و فعال میتوانند به نسل جدیدی از تهدیدهای داخلی تبدیل شوند.
بخش نگرانکننده ماجرا، ابرهوش مخرب نیست، بلکه خطاهایی است که در فرایندهای عادی کسبوکار رخ میدهند.
نادلا مثالی مطرح کرد: اگر از یک مدل پیشرفته هوش مصنوعی در محیط سازمانی بخواهید «سرمایه در گردش من را بهینه کند»، ممکن است مدل برای رسیدن به هدف، حسابها را دستکاری کند.
این شکست در مرحله آزمایش رخ میدهد، نه در فرایند آموزش مدل. چنین اتفاقی ممکن است در جریان وظایف روزمره و بدون نظارت هیچ کمیته امنیتی روی دهد.
نادلا گفت: «ما در حال پرورش هوش هستیم، نه ساختن آن. بنابراین، این یک علم تجربی است. هرچه بیشتر با علم تجربی سروکار داشته باشید، بیشتر باید مطمئن شوید که آزمایشها را در محیطی کنترلشده انجام میدهید.»
او پذیرفت که دانش مربوط به دستکاری پاداش هنوز در مراحل ابتدایی قرار دارد. اقدامات فعلی برای کاهش این خطر نیز عمدتاً راهکارهای مهندسی هستند؛ از جمله نظارت فعال بر فعالیت عاملها، نگهداری شواهد رفتاری، حسابرسی تمام مواردی که عاملها به آنها دسترسی پیدا میکنند و استفاده از مدلهای معنایی برای بررسی و تأیید خروجیها.
دفاع از هزینه سرمایهای؛ زیرساخت برای مشتریان گسترده
وقتی مجری برنامه درباره ارقام مشخص پرسید، نادلا پاسخ مستقیمی ارائه کرد: مایکروسافت در حال ردکردن برخی مشتریان Azure است، هزینه سرمایهای این شرکت به ۱۷۵ میلیارد دلار رسیده، متا و گوگل دو برابر مایکروسافت هزینه میکنند و گزارشها حاکی از آن است که آزمایشگاههای پیشرو هوش مصنوعی در مجموع ۵۰۰ میلیارد دلار هزینه میکنند.
Copilot نیز با واکنشهای متفاوتی روبهرو شده و مایکروسافت حتی مدل پیشرفته اختصاصی خود را در اختیار ندارد.
آیا انقلاب هوش مصنوعی در حال عبور از کنار مایکروسافت است؟
نادلا گفت: «صحبتکردن درباره هزینه سرمایهای عظیم، امتیاز محسوب نمیشود، بلکه یک نقص است.»
او توضیح داد که مایکروسافت برای پاسخگویی به طیف گستردهای از مشتریان طراحی شده است، نه اینکه صرفاً تأمینکننده دو یا سه شرکت سازنده مدل باشد.
این شرکت داراییهای خود را به دو گروه تقسیم میکند: داراییهای بلندمدت مانند زمین، برق و پوستههای خالی مراکز داده، و تجهیزات کوتاهمدت مانند رکها و تراشهها.
گروه دوم حدود ۶۰ درصد هزینهها را تشکیل میدهد. مایکروسافت بخشی از این تجهیزات را خودش میسازد، بخشی را اجاره میکند و در زمان کمبود عرضه، تجهیزات بیشتری را بهصورت اجارهای در اختیار میگیرد.
این رویکرد به شرکت کمک میکند انعطافپذیری خود را حفظ کند و فشار ناشی از بدهی را کاهش دهد.
بر اساس ارقام مطرحشده، Microsoft 365 Copilot بیش از ۳۰ میلیون مشترک دارد. مجموع بازار کارکنان دانشمحور، با احتساب دانشجویان در سراسر جهان، به ۴۵۰ میلیون نفر میرسد. نادلا برآورد میکند که بازار واقعی کاربران سازمانی بین ۲۵۰ تا ۳۰۰ میلیون نفر باشد.
از نظر او، این فاصله نشانه شکست نیست، بلکه دلیلی برای ادامه سرمایهگذاری مایکروسافت در زیرساختهاست.
بیشتر بخوانید: واکنش ساتیا نادلا به ادعای ساخت هوش مصنوعی اعتیادآور توسط مایکروسافت
متنباز، عامل تعادل در رقابت قیمت توکنها
عامل اقتصادی تعیینکننده در رقابت هوش مصنوعی، قیمت توکنهاست. چامات پالیهاپیتیا، مجری برنامه، به این موضوع اشاره کرد که OpenAI برای هر یک میلیون توکن خروجی حدود ۵۰ دلار دریافت میکند، درحالیکه هزینه استفاده از جدیدترین مدل DeepSeek طبق گزارشها، ممکن است به ۱۵ تا ۶۰ سنت برسد. اگر این ارقام درست باشند، هزینه استفاده از مدل چینی حدود ۹۹ درصد کمتر است. در چنین شرایطی، چرا سازمانها باید برای بیشتر وظایف، هزینه اضافی مدلهای پیشرفته را بپردازند؟
پاسخ نادلا این بود: «رقابت به شیوه سنتی.»
او به تاریخچه خود مایکروسافت اشاره کرد. ویندوز با وجود مک و لینوکس با محدودیت و رقابت روبهروست و SQL Server نیز در کنار Postgres و MySQL فعالیت میکند.
از نظر او، تعامل میان نرمافزارهای متنباز و بسته تهدیدی برای صنعت نیست، بلکه پیششرط شکلگیری یک لایه کاربردی سالم است.
بدون نقش متعادلکننده متنباز در قیمتگذاری، صنعت در نهایت ممکن است به انحصاری شبیه دوران رایانههای بزرگ برسد؛ وضعیتی که در آن تمام حق امتیازها به لایه مدل سرازیر میشوند و ایجاد کسبوکار برای شرکتهای محصولمحور بسیار دشوار خواهد شد.
نادلا پیشبینی میکند که توسعه کاربردها از نظر اقتصادی توجیهپذیرتر شود و لایهای از میانافزار با محوریت سامانههای حافظه و ارکستراسیون شکل بگیرد.
شرکتهای سازنده مدل نیز همچنان میتوانند عملکرد خوبی داشته باشند.
بااینحال، شرط اصلی تحقق این چشمانداز، تعاملپذیری است. نادلا امیدوار است شرکتهای سازنده مدل، استانداردهایی برای حافظه نهان کلید ـ مقدار توسعه دهند تا خانوادههای مختلف مدل بتوانند با یکدیگر کار کنند.
چین، مقررات و ضرورت کسب مجوز فعالیت
موضوع ژئوپلیتیک امنیت هوش مصنوعی بهندرت در تماسهای مالی شرکتها مطرح میشود، اما همین مسئله تعیین میکند که آیا صنعت واقعاً میتواند سرعت توسعه را کاهش دهد یا خیر.
نادلا معتقد نیست نگرانیهای امنیتی فقط به ایالات متحده محدود است.
او گفت: «اگر واقعاً مشخص کنیم خطرها چه هستند، چرا این خطر باید آنقدر خاص باشد که فقط آمریکاییها نگرانش باشند؟ چنین چیزی منطقی نیست.»
استدلال او بر شواهد عملی استوار است: چین نیز با مشکلات هک و نفوذ روبهرو خواهد شد و میخواهد شهروندانش از مزایای هوش مصنوعی بهرهمند شوند. نادلا احتمال شکلگیری هنجارهای بینالمللی را منتفی نمیداند، اما اطمینان چندانی هم به آن ندارد. از نظر او، این موضوع بیشتر یک امید است تا یک برنامه عملی.
در همین حال، مراکز داده هوش مصنوعی با مخالفتهایی در جوامع محلی روبهرو شدهاند. نادلا شهر کوئینسی در ایالت واشینگتن را مثال زد؛ جایی که مایکروسافت حدود سال ۲۰۰۸ مرکز داده خود را راهاندازی کرد.
به گفته او، طی حدود ۲۰ سال، درآمد مالیاتی این منطقه ۱۲ برابر شده، درحالیکه میزان مالیات پرداختشده واقعی یکسوم کاهش یافته است.
رشد اقتصادی منطقه از سیاتل پیشی گرفته و جامعه محلی نیز از ساخت مدارس، بیمارستانها، مراکز شهری و مجموعههای ورزشهای آبی بهرهمند شده است.
نادلا همچنین به ۱۲۰۰ شغل ساختمانی اشاره کرد و توضیح داد که این مشاغل حاصل بازسازی و توسعه مداوم مرکز داده هستند، نه صرفاً ساخت اولیه آن.
او در جمعبندی گفت که کل صنعت باید با نشاندادن مزایای محلی، «مجوز فعالیت» خود را به دست آورد. نادلا افزود: «این توانایی تازهای است که باید در خود ایجاد کنیم.»
دنیای چندمدلی؛ استفاده از همه مدلها، بدون وابستگی به هیچکدام
یکی از غافلگیرکنندهترین بخشهای گفتوگو، اعلام این موضوع بود که مایکروسافت در حال ساخت مدل پیشرفته اختصاصی خود از پایه است.
این مدل از طریق تقطیر مدلهای دیگر ساخته نمیشود، بلکه مایکروسافت با استفاده از محیط یادگیری تقویتی و دادههای اختصاصی خود، توسعه آن را از ابتدا پیش میبرد.
نادلا به یک مدل امنیت سایبری اشاره کرد که وقتی لایه ارکستراسیون مایکروسافت مدلهای دیگر را هماهنگ میکند، در آزمونهای امنیت سایبری عملکرد بهتری دارد.
به گفته او، الگوهای مشابهی در برنامهنویسی و کارهای دانشمحور نیز دیده میشود.
هدف مایکروسافت کنارزدن OpenAI نیست. نادلا همچنان از سرمایهگذاری این شرکت در OpenAI و دسترسی بلندمدت به مالکیت فکری آن رضایت دارد.
هدف مایکروسافت، ایجاد تمایز در وزنهای مدل و دانش مربوط به مشتریان است؛ نقاط کنترلیای که نباید در انحصار یک تأمینکننده مدل قرار بگیرند.
همین منطق درباره تراشهها نیز صدق میکند. نادلا انتظار دارد با بلوغ بارهای کاری استنتاج و آموزش، تراشههای تخصصی برای مراحل مختلف توسعه پیدا کنند و معماری سامانهها بهسمت تنوع بیشتر میان تأمینکنندگان حرکت کند.
انویدیا همچنان تأمینکننده اصلی تراشههای مایکروسافت است، اما AMD نیز در این ترکیب حضور دارد و OpenAI هم در حال توسعه تراشههای اختصاصی خود است.
هدف مایکروسافت این است که بتواند هر مدلی، از OpenAI و Anthropic گرفته تا مدل MAI خود، را روی سختافزارهای ناهمگون اجرا کند.
معماری سازمانی پیشنهادی نادلا بر یک اصل استوار است: از همه مدلها استفاده کنید، اما به هیچکدام وابسته نباشید.
ارزیابیهای مهم برای کسبوکار خود را روی هر مدل اجرا کنید، سپس آنها را یکییکی حذف کنید و ببینید چه اتفاقی میافتد.
نادلا پذیرفت که در حال حاضر ظرفیت مازاد عظیمی در صنعت وجود دارد و مدلها هماکنون تواناییهای بسیار بالایی دارند.
بااینحال، پذیرش گسترده هوش مصنوعی به مدیریت تغییر، فشردهسازی گردش کار و دستگاههایی با قالبهای جدید وابسته است.
او معتقد است عاملهای برنامهنویسی در حال حاضر نقطه عطف این فناوری هستند و رابطهای کاربری مبتنی بر استفاده از کامپیوتر ممکن است موج بعدی تحول را رقم بزنند.
نادلا برای ارزیابی کل دستاوردهای هوش مصنوعی، معیاری تعیین کرده است: رشد واقعی و گسترده ۷ تا ۸ درصدی تولید ناخالص داخلی.
این رقم بسیار بالاتر از روند معمول رشد اقتصادی است و روشنترین شاخصی است که او برای سنجش موفقیت هوش مصنوعی ارائه کرده است.
