رشد پروژه‌های متن‌باز و غیرمتمرکز هوش مصنوعی در سال ۲۰۲۳ ادامه خواهد داشت

ممکن است ساخت سیستم‌هایی با قابلیت‌هایی فراتر از قابلیت‌های سیستم‌های هوش مصنوعی قوی کنونی با قابلیت‌های متعدد، نیز امکان‌پذیر شود. نگرش جامعه هوش مصنوعی می‌تواند منجر به بررسی دقیق‌تر سیستم‌ها در حین فرایند ساخت یا به کارگیری آنها شود.

گانتز در مورد این‌موضوع این‌چنین می‌گوید:

اگر مدل‌ها متن‌باز و مجموعه داده‌ها هم باز باشند، پژوهش انتقادی به میزان بسیار بیشتری امکان‌پذیر می‌شود. این‌اتفاق منجر به نمایان‌شدن بسیاری از اشتباهات و آسیب‌های مرتبط با هوش مصنوعی زایا می‌شود. پی‌بردن به این‌اشتباهات و آسیب‌ها تا به امروز بسیار دشوار بوده است.

ایجاد مدل‌های زبانی بزرگ ایجادشده توسط الوثر ای‌آی (EleutherAI) و بیگ ساینس (BigScience)، نمونه‌‌ای از این‌تلاش‌های متمرکز بر جامعه هوش‌ مصنوعی هستند. این‌مدل‌ها با پشتیبانی استارتاپ هوش مصنوعی هاگینگ فیس (Hugging Face) انجام شده‌اند. EleutherAI گروه غیرمتمرکزی از پژوهشگران، مهندسان و توسعه‌دهندگان داوطلب متمرکز روی متوازن‌سازی و مقیاس‌گذاری هوش مصنوعی و پژوهش در مورد هوش مصنوعی متن‌باز است. BigScience یک گروه علمی باز پیشگام متشکل از محققان سراسر جهان با هدف همکاری برای آموزش یک سیستم زبانی بزرگ است.

در ضمن خود Stability AI هم در حال تأمین سرمایه موردنیاز تعدادی از جوامع هوش مصنوعی است. از میان این‌جوامع می‌توان به هارمون آی‌ای (Harmonai)، جامعه متمرکز روی ساخت موسیقی و اوپن‌بیو‌ام‌ال (OpenBioML)، مجموعه‌ای گسترده از آزمایش‌های زیست‌فناوری، اشاره کرد.

داشتن سرمایه کافی و تخصص لازم هنوز هم دو اصل موردنیاز برای آموزش و راه‌اندازی مدل‌های هوش مصنوعی پیچیده هستند؛ اما ممکن است با جواب‌دادن تلاش‌های متن‌باز، مراکز داده قدیمی متداول، با فناوری محاسبه غیرمتمرکز به چالش کشیده شوند.

گروه BigScience اخیراً با انتشار پروژه متن‌باز پتالز (Petals)، گامی در راستای امکان‌پذیرکردن توسعه غیرمتمرکز، برداشت. Petals توزیع قدرت محاسباتی را برای کاربران فراهم می‌کند. این‌پروژه عملکردی مشابه پروژه فولدینگ ات‌ساین هوم (Folding@home) دارد. Folding@home برای راه‌اندازی مدل‌های زبانی هوش مجموعه بزرگ طراحی شده است. استفاده از این‌پروژه معمولاً نیازمند استفاده از یک پردازنده گرافیکی یا یک سرور و دوام بالا و قدرتمند است.

چاندرا باگاواتولا (Chandra Bhagavatula)، دانشمند پژوهشگر ارشد موسسه هوش مصنوعی آلن Allen، در ایمیلی در مورد آموزش و راه‌اندازی مدل‌های مدرن هوش مصنوعی زایا، این‌چنین گفت:

آموزش و راه‌اندازی مدل‌های مدرن هوش مصنوعی زایا، از نظر محاسباتی پرهزینه است. برخی از تخمین‌های غیررسمی هزینه روزانه اجرای سیستم ChatGPT را در حدود ۳ میلیون دلار برآورد کرده‌اند. در نظر گرفتن چنین هزینه‌هایی، برای تداوم فعالیت این‌چت بات هوش مصنوعی و گسترده‌کردن دسترسی به آن در آینده ضروری می‌شود.

به نظر باگاواتولا تا زمانی که روش‌ها و داده‌های در دسترس، اختصاصی باقی بمانند، لابراتوارهای هوش مصنوعی همچنان مزیت رقابتی خود را حفظ خواهند کرد؛ مثلاً به‌تازگی OpenAI مدل پوینت- ای (Point-E) را با قابلیت ایجاد عناصر سه‌بعدی بر مبنای درخواست‌های متنی منتشر کرده؛ اما با اینکه OpenAI مدل را متن‌باز کرده، از افشای منبع داده‌های استفاده‌شده برای آموزش Point-E یا انتشار خود داده‌ها اجتناب کرده است.

مدل هوش مصنوعی Point-E با قابلیت ایجاد طرح‌های سه‌بعدی بر مبنای ورودی متن

باگاواتولا در مورد این‌موضوع این‌چنین گفته است:

به نظر من تلاش‌های متن‌باز و تلاش‌های غیرمتمرکز، واقعاً ارزشمند نیستند و نمی‌توانند برای تعداد زیادی از پژوهشگران، متخصصان حوزه هوش مصنوعی و کاربران سودمند باشند. بهترین مدل‌ها برخلاف متن‌بازبودن به دلیل محدودبودن منابع آنها، هنوز برای بسیاری از پژوهشگران و متخصصان غیر قابل دسترس هستند.