يقول الرئيس التنفيذي لشركة أنثروبيك إن تكلفة تدريب الذكاء الاصطناعي قد ترتفع إلى 100 مليار دولار في السنوات الثلاث المقبلة

تتزايد تكلفة تدريب نماذج الذكاء الاصطناعي بشكلٍ كبير، وتشير التوقعات إلى زيادة ملحوظة خلال السنوات القليلة المقبلة. وقد سلّط داريو أمودي، الرئيس التنفيذي لشركة أنثروبيك الناشئة في مجال الذكاء الاصطناعي، الضوء على هذه التكاليف المتزايدة خلال حلقة حديثة من بودكاست "In Good Company".

اقرأ أيضاً: عمال سامسونج يضربون عن العمل للمطالبة بأجور أعلى في ظل المنافسة المتزايدة في مجال الذكاء الاصطناعي

تتطلب نماذج الذكاء الاصطناعي المتقدمة الحالية، مثل ChatGPT-4، حوالي 100 مليون دولار للتدريب. ولكن، وفقًا لأمودي، قد يرتفع هذا المبلغ إلى ما بين 10 مليارات و100 مليار دولار في السنوات الثلاث المقبلة. 

يؤدي تطوير الذكاء الاصطناعي العام إلى ارتفاع التكاليف

يعود هذا الارتفاع الحاد إلى التحول من الذكاء الاصطناعي التوليدي، مثل ChatGPT، إلى الذكاء الاصطناعي العام (AGI). ويسعى التقدم نحو الذكاء الاصطناعي العام إلى تطوير أنظمة قادرة على فهم المعرفة واكتسابها واستخدامها بطريقة مشابهة للعقل البشري.

"أعتقد أنه إذا وصلنا إلى 10 أو 100 مليار دولار، وأعتقد أن ذلك سيحدث في عام 2025 أو 2026 أو ربما 2027... فأعتقد أن هناك فرصة جيدة أن نتمكن بحلول ذلك الوقت من الحصول على نماذج أفضل من معظم البشر في معظم الأشياء." 

أمودي

بحسب موقع Tom's Hardware، فإن البنية التحتية الحالية لهذه التطورات ضخمة للغاية. فعلى سبيل المثال، تطلّب تدريب ChatGPT أكثر من 30,000 وحدة معالجة رسومية (GPU)، وتتراوح تكلفة كل شريحة Nvidia B200 AI بين 30,000 و40,000 دولار أمريكي. ويُعدّ هذا الاستثمار في الأجهزة أحد العوامل التي قد تُفسّر ارتفاع التكاليف. 

تؤدي الموارد الحاسوبية إلى زيادة تكاليف تدريب الذكاء الاصطناعي

هناك عدة أسباب وراء ارتفاع تكلفة تدريب الذكاء الاصطناعي، أهمها ضخامة الموارد الحاسوبية المطلوبة. فمع تطور نماذج التعلم العميق، تزداد الحاجة إلى وحدات معالجة رسومية (GPUs) فائقة الأداء، وغيرها من الأجهزة المصممة خصيصًا لهذا الغرض. وقد تم شحن أكثر من 3.8 مليون وحدة معالجة رسومية إلى مراكز البيانات في عام 2023، مما يدل على حجم البنية التحتية اللازمة. 

اقرأ أيضاً: الذكاء الاصطناعي سيؤثر على نطاق واسعمن الخدمات العامة

يُعدّ استهلاك الطاقة عاملاً مهماً آخر. فاستهلاك الطاقة لجميع وحدات معالجة الرسومات (GPUs) التي بيعت العام الماضي يكفي لتزويد 1.3 مليون منزل بالكهرباء. ولا يؤدي هذا الاستهلاك المرتفع للطاقة إلى ارتفاع تكاليف الشركة فحسب، بل يثير أيضاً مخاوف بشأن تأثيره على البيئة والحفاظ عليها. ووفقاً لتقرير حديث صادر عن جوجل، ارتفعت انبعاثات الشركة بنحو 50% خلال أربع سنوات، ويعود ذلك أساساً إلى الطاقة اللازمة لتعلم الذكاء الاصطناعي.

تستثمر شركات التكنولوجيا العملاقة بكثافة في البنية التحتية للذكاء الاصطناعي

علاوة على ذلك، تستثمر شركات التكنولوجيا الرائدة مبالغ طائلة في تطوير الذكاء الاصطناعي. فعلى سبيل المثال، يعتزم إيلون ماسك شراء 300 ألف شريحة من أحدث رقائق الذكاء الاصطناعي من شركة إنفيديا. وبالمثل، يُقال إن مايكروسوفت وOpenAI تعملان على إنشاء مركز بيانات بتكلفة 100 مليار دولار لدعم تطوير الذكاء الاصطناعي.

اقرأ أيضاً: ويمبلدون تستخدم الذكاء الاصطناعي لمكافحة الإساءة عبر الإنترنت

رغم ارتفاع هذه التكاليف، تُبذل جهودٌ حثيثةٌ لترشيد تكاليف تدريب الذكاء الاصطناعي. وقد قدّمت شركة DeepMind التابعة لشركة جوجل مؤخرًا تقنيةً تُسمى اختيار الأمثلة المشتركة (JEST)، والتي تدّعي أنها تُقلّل عدد التكرارات بمقدار 13 ضعفًا، والموارد الحاسوبية اللازمة بمقدار 10 أضعاف. وهذا يُسهم في خفض الموارد المُستخدَمة والوقت المُستغرَق.

مع ذلك، ورغم هذه التطورات، فإن الاتجاه العام يتجه نحو ارتفاع التكاليف نتيجة لتطور الذكاء الاصطناعي العام. فمن الذكاء الاصطناعي التوليدي إلى الذكاء الاصطناعي العام، باتت النماذج مطالبة بتحليل مجموعات البيانات الضخمة، والتعلم منها، وتوقع المواقف المختلفة، وحل المشكلات التي تتطلب تفكيراً نقدياً. 

التقارير Cryptopolitan بواسطة بريندا كانانا