تكاليف تطوير الذكاء الاصطناعي المتصاعدة

عمان-منصة طلال أبو غزالة للاعلام المعرفي

  في السباق الدؤوب لكشف إمكانات الذكاء الاصطناعي الكاملة، يبدو واضحًا أن الحجم الأكبر غالبًا ما يعد الأفضل. فقد تبنّى عمالقة التكنولوجيا مثل مايكروسوفت وجوجل وغيرهما هذه الفكرة بكل حماسة، حيث استثمروا موارد هائلة في تدريب نماذج الذكاء الاصطناعي الكبيرة بشكل متزايد.

بصفتي رئيسًا لتحالف التحضر المستدام في نيويورك (CSU) ورئيسا سابقا للتحالف العالمي للأمم المتحدة لتكنولوجيا المعلومات والاتصالات والتنمية (UN-GAID)، أجد نفسي أتساءل عن تكلفة هذا المسعى.

في العام الماضي، جاء GPT4 من OpenAI، وهو نموذج لغوي بقدرات مثيرة للإعجاب، بتكلفة تدريب خيالية بلغت 78.4 مليون دولار. ويقتبس عمالقة التكنولوجيا الآخرون أرقامًا مماثلة لبناء أنظمة الذكاء الاصطناعي الخاصة بهم، مما أذهلني. تنبع هذه التكاليف الفلكية من جشع لا يشبع، حيث يطالب عمالقة الذكاء الاصطناعي بموارد هائلة لتدريب النماذج بشكل أسرع وبكميات متزايدة من البيانات.
دخلت مجموعة ممفيس الفائقة، المملوكة لإيلون ماسك السباق، والتي تستعد لتصبح أقوى مجموعة ذكاء اصطناعي فائقة في العالم بحلول ديسمبر 2024. إن شهية هذه المجموعة للموارد هائلة حقًا: 100,000 بطاقة Nvidia H100 ذات التبريد السائل، تستهلك 150 ميغاوات من الكهرباء في الساعة (وهي كمية كافية لتزويد 100,000 منزل بالطاقة)، وتتطلب مليون جالون من الماء يوميًا للتبريد. يتماشى هذا النهج مع الفلسفة الأميركية، التي ترى أن زيادة القوة الحاسوبية تعني أداءً أفضل، وغالبًا على حساب الاستدامة والممارسات البيئية.

مع ذلك، أرى أن هذا النهج القائم على القوة الحاسوبية ليس سوى جزء من حلم الذكاء الاصطناعي حيث إن الكفاءة مهمة. ويجب على عمالقة التكنولوجيا التحرك نحو تطوير خوارزميات. يجب موازنة السعي وراء النماذج الأكبر والأكبر بإنشاء خوارزميات أكثر رشاقة وذكاء لا تستخدم كميات هائلة من الموارد. مع مواجهة العالم لتغير المناخ، يجب أن نواجه أزمة الاستدامة التي يطرحها الذكاء الاصطناعي. تتطلب العملية كثيفة الطاقة لتدريب النماذج اهتمامًا عاجلاً. إن تجاهل البصمة الكربونية لمستقبلنا الرقمي سعيا وراء أنظمة ذكاء اصطناعي أكبر وأفضل أمر قصير النظر، ويتم ذلك لأغراض مادية بحتة لملء جيوب أسياد الشركات. 

البيانات الجيدة هي قضية مهمة أخرى يجب التعامل معها عند بناء أنظمة الذكاء الاصطناعي. فالبيانات هي شريان الحياة للذكاء الاصطناعي، وبحر المعلومات واسع ومع الإنترنت نعمة ونقمة في ذات الوقت. البيانات المتاحة للجمهور، التي يتم استخراجها من الويب، غالبًا ما تفتقر إلى الدقة، ما يؤدي إلى تحيزات تُشوه نماذج الذكاء الاصطناعي. يجب علينا إعادة ضبط تركيزنا، مع إعطاء الأولوية للجودة على الكمية، حيث إن اختيار البيانات الدقيق، والتصنيف الأنقى، والإشراف القوي هي أمور لا يمكن التفاوض عليها.

مع تزايد اندماج الذكاء الاصطناعي في حياتنا، تصبح اليقظة أمرًا بالغ الأهمية.

يجب تدريب هذه العمالقة الضخمة من الذكاء الاصطناعي تحت ظروف صارمة، مع الإشراف كضرورة أساسية. التدابير الوقائية التي نتبناها اليوم ستشكل عالمنا المدفوع بالذكاء الاصطناعي غدًا.

تقدم الصين منظورًا بديلاً. تركيزها على تطوير أنظمة الذكاء الاصطناعي باستخدام خوارزميات فعّالة، وبيانات ذات جودة أفضل، ودرجة أعلى من المساءلة والشفافية، يُعد مثالًا مستدامًا. أقترح أن نلقي نظرة فاحصة على ما تقوم به الصين، إذ إنها تطور الذكاء الاصطناعي مع مراعاة الاستدامة بوضوح. يجب علينا أن نتوخى الحذر، موازنين بين القوة والمسؤولية، حيث يعتمد مستقبل الذكاء الاصطناعي لدينا على الخيارات التي نتخذها اليوم.