گوگل دسترسی متا به هوش مصنوعی جمینی را محدود کرد! – پامپا

در سال‌های اخیر، مدل‌های پیشرفته هوش مصنوعی به بخش جدایی‌ناپذیر فعالیت شرکت‌های بزرگ فناوری تبدیل شده‌اند. هر کسب‌وکاری که در حوزه فناوری فعالیت می‌کند، برای توسعه محصولات، تحلیل داده‌ها و ارائه خدمات نوین، به توان پردازشی عظیم و مدل‌های هوش مصنوعی قدرتمند نیاز دارد. اما این حجم عظیم استفاده از خدمات هوش مصنوعی گاهی موجب درگیری‌ها و اختلافاتی هم می‌شود. در همین زمینه، گزارش‌هایی منتشر شده که نشان می‌دهد شرکت گوگل دسترسی شرکت متا را به مدل‌های هوش مصنوعی «جمینی» (Gemini) محدود کرده است؛ موضوعی که به گفته منابع معتبر، به دلیل درخواست بسیار زیاد متا برای ظرفیت پردازشی بوده است.

بر اساس گزارش روزنامه فایننشال تایمز، این تصمیم از یکی دو ماه قبل به اطلاع متا رسیده است. گوگل در این زمان اعلام کرده بود که قادر نیست تمام ظرفیت پردازشی مورد نیاز متا را برای استفاده از مدل‌های جمینی تأمین کند. این کمبود ظرفیت، سرعت برخی پروژه‌های مرتبط با هوش مصنوعی در متا را کاهش داده و نشان می‌دهد رقابت میان شرکت‌های بزرگ فناوری برای دسترسی به منابع پردازشی، روزبه‌روز شدیدتر می‌شود.

دلیل اعمال محدودیت گوگل برای متا

طبق گزارش فایننشال تایمز، میزان تقاضای متا برای استفاده از مدل‌های جمینی بسیار بیشتر از حد معمول بوده است. این حجم درخواست باعث شد گوگل نتواند نیازهای پردازشی متا را به طور کامل تأمین کند. در نتیجه، به جای ارائه ظرفیت کامل، گوگل تنها بخشی از منابع را در اختیار متا قرار داد؛ موضوعی که به گفته منابع آگاه، سرعت توسعه برخی پروژه‌های داخلی هوش مصنوعی در متا را کاهش داده است.

این اتفاق تنها برای متا رخ نداده و چند مشتری دیگر گوگل نیز با محدودیت‌های مشابهی مواجه شده‌اند. البته، تأثیر این محدودیت‌ها بر سایر شرکت‌ها کمتر بوده، زیرا میزان تقاضای آن‌ها نسبت به متا پایین‌تر بوده است.

مفهوم «توکن هوش مصنوعی» و اهمیت آن

پس از اعمال محدودیت‌ها، متا از کارکنان خود خواسته است که در استفاده از «توکن‌های هوش مصنوعی» (AI Tokens) دقت بیشتری داشته باشند. توکن هوش مصنوعی واحدی است که میزان پردازش یک مدل در هنگام اجرای درخواست‌ها را اندازه‌گیری می‌کند. هرچه تعداد توکن‌های مصرف شده بیشتر باشد، هزینه پردازشی نیز افزایش می‌یابد.

منابع معتبر مانند OpenAI Documentation توضیح می‌دهند که توکن‌ها در واقع بخش‌های کوچک متن هستند که مدل آن‌ها را پردازش می‌کند. کاهش مصرف توکن‌های غیرضروری می‌تواند هزینه‌ها را کاهش داده و استفاده از منابع محدود را بهینه‌تر کند. این اقدام متا نشان می‌دهد حتی بزرگ‌ترین شرکت‌های فناوری نیز مجبور شده‌اند استفاده از هوش مصنوعی را با دقت بیشتری مدیریت کنند.

چرا ظرفیت پردازشی محدود شده است؟

با وجود سرمایه‌گذاری میلیاردی شرکت‌های بزرگ در ساخت تراشه‌های هوش مصنوعی، مراکز داده و سرورها، تقاضا برای توان پردازشی با سرعتی بسیار بیشتر از ظرفیت تولید رشد می‌کند. توسعه زیرساخت‌های جدید هوش مصنوعی زمان‌بر است و همین موضوع باعث ایجاد کمبود منابع حتی برای ارائه‌دهندگان بزرگ خدمات ابری شده است.

برای مثال، ساخت یک مرکز داده پیشرفته ممکن است چندین سال طول بکشد و نیازمند سرمایه‌گذاری عظیم باشد. همچنین تولید تراشه‌های مخصوص هوش مصنوعی مانند چیپ‌های گرافیکی پیشرفته، فرآیندی پیچیده و محدود به چند شرکت خاص است. همین عوامل باعث شده‌اند رقابت برای دسترسی به منابع پردازشی، به یکی از مهم‌ترین بخش‌های رقابت هوش مصنوعی تبدیل شود.

آینده رقابت در زمینه هوش مصنوعی

با توجه به روند فعلی، شرکت‌هایی که بتوانند در سال‌های آینده تراشه‌های کافی، مراکز داده گسترده و توان پردازشی عظیم فراهم کنند، در رقابت جهانی هوش مصنوعی برتری قابل توجهی خواهند داشت. این برتری نه تنها در توسعه مدل‌های جدید، بلکه در ارائه خدمات سریع‌تر، دقیق‌تر و مقرون‌به‌صرفه‌تر نیز نقشی تعیین کننده خواهد داشت.

در واقع، رقابت هوش مصنوعی تنها رقابت بر سر مدل‌ها نیست؛ بلکه رقابت بر سر منابعی است که این مدل‌ها را قادر به فعالیت می‌کنند. محدود شدن دسترسی متا به مدل‌های جمینی گوگل، نمونه‌ای از این واقعیت است که حتی غول‌های فناوری نیز برای تأمین منابع پردازشی با چالش روبه‌رو هستند.