مدل رفلکشن به‌زودی عرضه می‌شود تا با مدل‌های هوش مصنوعی چینی و آمریکایی رقابت کند و مسیر توسعه هوش مصنوعی اختصاصی را برای شرکت‌ها هموار سازد.

فهرست مطالب

استارت‌آپ آمریکایی رفلکشن با حمایت انویدیا خود را برای عرضه یک مدل هوش مصنوعی قدرتمند با وزن‌های باز آماده می‌کند که می‌تواند هم استارت‌آپ‌های نوظهور چینی و هم غول‌های آمریکایی این صنعت را به چالش بکشد.

به‌ گزارش سرویس هوش مصنوعی تک‌ناک، ترکیب یک مدل آمریکایی با وزن‌های باز و پردازنده‌های گرافیکی انویدیا می‌تواند جایگزین ارزان‌تری برای سرویس‌های آنتروپیک، OpenAI و گوگل در اختیار کاربران و کسب‌وکارها قرار دهد.

مدل‌های باز که با هدف رقابت با محصولات چینی توسعه می‌یابند، ممکن است در مقایسه با سه مدل پیشرفته و اختصاصی پیشرو در بازار، نظارت و تنظیم‌گری دشوارتری داشته باشند. در مقابل، حامیان این رویکرد معتقد هستند دسترسی گسترده و شفافیت بیشتر چنین مدل‌هایی می‌تواند مزایای امنیتی مهمی به همراه داشته باشد. منابع آگاه به اکسیوس گفته‌اند که نخستین مدل رفلکشن قرار است در همین ماه با محصولات دیگری از شرکت‌های غربی که از وزن‌های باز استفاده می‌کنند، همراه شود. این موج تازه عرضه می‌تواند بُعد رقابتی جدیدی به رشد شتابان صنعت هوش مصنوعی اضافه کند.

مدل رفلکشن در چه سطحی قرار دارد؟

مدل رفلکشن با حمایت انویدیا وارد رقابت با غول‌های هوش مصنوعی می‌شود

انتظار می‌رود مدل جدید رفلکشن در زمان عرضه، از پیشرفته‌ترین مدل‌های آمریکایی عقب‌تر باشد، اما بتواند با برترین مدل‌های چینی دارای وزن‌های باز رقابت کند. به گفته منابع اکسیوس، این مدل با وجود فاصله احتمالی از پیشرفته‌ترین محصولات بازار، از توانایی‌های قابل‌ توجهی برخوردار خواهد بود و می‌تواند به شرکت‌ها برای ساخت سامانه‌های هوش مصنوعی اختصاصی با هزینه کمتر کمک کند. در برخی کاربردها، ترکیب یک مدل باز با توانایی متوسط‌تر و داده‌های اختصاصی باکیفیت یک شرکت می‌تواند نتایجی هم‌سطح با گران‌ترین مدل‌های پیشرفته هوش مصنوعی ارائه دهد. چنین رویکردی به کسب‌وکارها اجازه می‌دهد بدون پرداخت هزینه‌های سنگین استفاده از قدرتمندترین مدل‌های تجاری، سامانه‌هایی متناسب با نیازهای خود بسازند.

مدل‌های دارای وزن‌های باز چگونه بازار را تغییر می‌دهند؟

مدل‌های دارای وزن‌های باز، که قدرتمندترین نمونه‌های آنها در چین توسعه یافته‌اند، در ماه‌های اخیر به یکی از محورهای اصلی توجه در سیلیکون‌ولی تبدیل شده‌اند. برخلاف مدل‌های بسته‌ای مانند کلود و چت‌جی‌پی‌تی، وزن‌های این مدل‌ها معمولا به‌ صورت رایگان در دسترس قرار می‌گیرد و توسعه‌دهندگان می‌توانند آنها را دانلود، اجرا و متناسب با نیازهای خود سفارشی‌سازی کنند. در پلتفرم‌هایی که امکان استفاده از مدل‌های متعدد را فراهم می‌کنند، سهم مجموع مدل‌های دارای وزن‌های باز گاهی از نیمی از کل استفاده نیز فراتر رفته است. با وجود این‌، وضعیت در بازار سازمانی متفاوت است. این بازار که هزینه‌های بسیار بیشتری دارد و استفاده از مدل‌ها در آن اغلب از طریق رابط‌های برنامه‌نویسی کاربردی و قراردادهای تجاری انجام می‌شود، همچنان سهم محدودی از استفاده را به مدل‌های دارای وزن‌های باز اختصاص می‌دهد.

حتما بخوانید: شکایت جنجالی علیه Character.AI؛ چت‌بات‌ها کاربران را به خودزنی ترغیب کردند

چشم‌انداز اصلی مدل رفلکشن

هدف بلندمدت رفلکشن عرضه یک مدل هوش مصنوعی نیست. این استارت‌آپ می‌خواهد مفهوم «کارخانه هوش مصنوعی» را توسعه دهد؛ زیرساختی که به سازمان‌ها امکان می‌دهد اکوسیستم هوش مصنوعی اختصاصی خود را ایجاد و مدیریت کنند. در این الگو، یک شرکت می‌تواند داده‌های محرمانه و اختصاصی خود را با مدل‌های رفلکشن ترکیب کند و با تأمین توان پردازشی مورد نیاز، سامانه‌ای سفارشی و کم‌هزینه بسازد. این رویکرد به سازمان‌ها اجازه می‌دهد کنترل بیشتری بر داده‌ها، زیرساخت و نحوه استفاده از هوش مصنوعی داشته باشند. برخی نهادها، به‌ویژه صندوق‌های پوشش ریسک و شرکت‌های معاملاتی، از هم‌اکنون به توسعه سامانه‌های اختصاصی علاقه‌مند هستند، چرا که داده‌های محرمانه آنها می‌تواند مزیت رقابتی مهمی ایجاد کند و به‌سادگی در اختیار سرویس‌های عمومی هوش مصنوعی قرار نمی‌گیرد. رفلکشن نیز آزمایش این ایده را آغاز کرده است. این شرکت از همکاری با گروه شینسه‌گه در کره جنوبی برای ایجاد یک کارخانه هوش مصنوعی مستقل و تحت حاکمیت این کشور خبر داده است.

قراردادهای بزرگ برای تامین توان پردازشی

رفلکشن طی هفته‌های اخیر با طرف‌های علاقه‌مند در واشینگتن و مناطق دیگر مذاکره کرده است تا جزئیات عرضه مدل جدید و نحوه عملکرد کارخانه هوش مصنوعی خود را توضیح دهد. هم‌زمان، این استارت‌آپ با سرعت در حال تامین ظرفیت پردازشی مورد نیاز برای توسعه و گسترش محصولات خود است. رفلکشن طی هفته‌های اخیر قراردادهای بزرگی با شرکت‌های نیبیوس و اسپیس‌ایکس امضا کرده است تا سرورهای هوش مصنوعی مجهز به پردازنده‌های گرافیکی انویدیا را اجاره کند. این قراردادها نشان می‌دهند که عرضه یک مدل قدرتمند تنها بخشی از برنامه شرکت است؛ رفلکشن برای رقابت در مقیاس سازمانی به زیرساخت پردازشی گسترده‌ای نیز نیاز دارد.

میشا لاسکین، مدیرعامل رفلکشن و از کارکنان سابق گوگل تاکید کرده است که توسعه قابلیت‌های پیشرفته در مدل‌های این شرکت فرایند زمان‌بری خواهد بود. او در گفت‌وگو با شبکه CNBC، مدل‌های هوش مصنوعی را به موشک تشبیه کرد و گفت که ساخت یک موشک بزرگ به زمان نیاز دارد. این اظهارنظر نشان می‌دهد رفلکشن انتظار ندارد از همان ابتدای کار به سطح عملکرد پیشرفته‌ترین مدل‌های آمریکایی برسد.

چرا انویدیا از مدل‌های باز حمایت می‌کند؟

مدل رفلکشن می‌تواند غول‌های فناوری را به چالش بکشد

ایده کارخانه هوش مصنوعی سال‌ها است که در مرکز چشم‌انداز جنسن هوانگ، مدیرعامل انویدیا قرار دارد. او از مدلی حمایت می‌کند که در آن سخت‌افزارهای پردازشی با مدل‌های متن‌باز ترکیب می‌شوند تا شرکت‌ها بتوانند سامانه‌های هوش مصنوعی خود را بسازند و مالکیت داده‌های خود را حفظ کنند. این رویکرد برای سازمان‌های بزرگ غربی، از جمله بانک‌ها و وزارت دفاع آمریکا اهمیت ویژه‌ای دارد. چنین نهادهایی به‌ دلیل نگرانی‌های امنیتی معمولا تمایلی به استفاده از مدل‌های قدرتمند چینی ندارند. رفلکشن و دیگر شرکت‌های غربی می‌خواهند با عرضه جایگزین‌های قابل‌ اتکا، این خلا را پر کنند. گزارش‌های وال‌استریت ژورنال و اینفورمیشن حاکی از آن است که هوانگ طی سال‌های گذشته از تقویت اکوسیستم هوش مصنوعی باز حمایت کرده و پشتیبانی قابل توجهی از تلاش رفلکشن برای ساخت یک مدل باز پیشرفته نشان داده است.

مدل رفلکشن رقابت در هوش مصنوعی را متحول می‌کند

عرضه مدل جدید رفلکشن، همراه با ارتباط نزدیک این استارت‌آپ با انویدیا، می‌تواند توجه تازه‌ای به مدل‌های دارای وزن‌های باز جلب کند. اگر این محصول بتواند توانایی فنی مناسب را با هزینه کمتر و امکان استفاده از داده‌های اختصاصی ترکیب کند، شرکت‌ها گزینه جدیدی برای کاهش وابستگی به سرویس‌های گران‌قیمت هوش مصنوعی خواهند داشت. ورود رفلکشن به بازار در کنار مدل‌های دیگری که شرکت‌های غربی قصد دارند به‌زودی عرضه کنند، می‌تواند رقابت میان بازیگران آمریکایی و چینی را تشدید کند. با وجود این‌، میزان موفقیت این تحول به عملکرد واقعی مدل، هزینه زیرساخت و توانایی شرکت در پاسخ‌گویی به الزامات امنیتی و سازمانی بستگی خواهد داشت.