فهرست مطالب
مدیرعامل شرکت OpenAI در مصاحبه‌ای اعلام کرد که استفاده از حافظه رم در کامپیوترهای شخصی برای هوش مصنوعی روشی نادرست است.
به گزارش سرویس هوش مصنوعی تکناک، مدیرعامل OpenAI یعنی سم آلتمن (Sam Altman) در مصاحبه‌ای استفاده از حافظه رم کامپیوترهای شخصی برای اجرای محلی مدل‌های هوش مصنوعی را رویکردی ناکارآمد دانست. او معتقد است اختصاص دادن بخشی از ظرفیت محدود حافظه جهان به سیستم‌های شخصی که بیشتر اوقات بلااستفاده می‌مانند، با منطق حاکم بر زیرساخت‌های کلان‌داده سازگار نیست. این دیدگاه در شرایطی مطرح می‌شود که شرکت‌های بزرگ برای تأمین نیاز مراکز داده خود، حجم عظیمی از حافظه را به کار می‌گیرند.
هدررفت منابع جهانی در سیستم‌های شخصی
در جریان این گفت‌وگو که در کانال یوتیوب Cheeky Pint انجام شد، موضوع استنتاج محلی با استفاده از مدل‌های متن‌باز روی رایانه‌های شخصی مورد بررسی قرار گرفت. بر اساس تحلیل مطرح‌شده، سیستم‌های خانگی تنها پنج درصد از زمان خود را به پردازش‌های سنگین اختصاص می‌دهند و نگه داشتن تراشه‌های حافظه در این دستگاه‌ها به جای متمرکز کردن آنها در فضای ابری، منابع جهانی را هدر می‌دهد. این دیدگاه در حالی مطرح می‌شود که بسیاری از کاربران علاقه‌مندند وظایف هوش مصنوعی را به‌صورت محلی و بدون وابستگی به سرورهای ابری روی سیستم‌های خود اجرا کنند.
همخوانی دیدگاه مدیرعامل با منافع تجاری
شرکت OpenAI بیشتر بر مدل‌های منبع‌بسته و پردازش ابری متکی است و دفاع مدیرعامل این شرکت از زیرساخت‌های متمرکز، تا حد زیادی با منافع تجاری مجموعه‌های بزرگ فناوری همخوانی دارد. اجرای مدل‌های پیشرفته روی سخت‌افزار خانگی می‌تواند به مرور زمان هزینه‌های اشتراک کاربران را کاهش دهد و نیاز به سرویس‌های ابری گران‌قیمت را کم رنگ کند. با این حال، رویکرد شرکت‌های بزرگ بر پایه توسعه مداوم مراکز داده بنا شده است و این نگرانی وجود دارد که کاربران به‌جای خرید و مالکیت سخت‌افزارهای قدرتمند، ناچار شوند توان پردازشی و ایجنت‌های هوش مصنوعی را به‌صورت ابری اجاره کنند.
به‌نقل از تامز هاردور، این دیدگاه، چالش میان تمرکززدایی سخت‌افزاری و بهره‌وری زیرساخت‌های ابری را برجسته می‌کند. در حالی که طرفداران اجرای محلی برنامه‌ها بر استقلال سخت‌افزاری کاربران تأکید دارند، مدیران ارشد شرکت‌های پیشرو هوش مصنوعی معتقدند بهینه‌سازی مصرف انرژی و مدیریت منابع در مقیاس گسترده، با استفاده از سرورهای ابری امکان‌پذیرتر است. این بحث به موضوعات دیگری مانند امنیت کدهای برنامه‌نویسی و استانداردهای ریاضی مدل‌های هوش مصنوعی نیز گسترش می‌یابد.
