هوش مصنوعی در رایانش ابری از نظر مایکروسافت قدرتی خیره‌کننده دارد!

در کنگره MIT درباره هوش مصنوعی و بازار کار در آینده – 2020 که چندی پیش برگزار شد، ساتیا نادلا مدیرعامل مایکروسافت در یک مصاحبه حضور داشت. او در پاسخ به این پرسش که در صف‌آرایی انواع فناوری‌‌‌‌ها، وی بیشتر تحت تأثیر کدام تکنولوژی قرار گرفته است، گفت که از میان همه فناوری‌‌‌‌ها، قدرت هوش مصنوعی در رایانش ابری برای پردازش‌های کلان او را عمیقا تحت تأثیر قرار داده است.

نادلا به دیوید آتور‌‌‌‌‌‌، استاد اقتصاد در MIT که این جلسه گفتگو را به صورت آنلاین ترتیب داده بود، گفت: «قدرت هوش مصنوعی در رایانش ابری متحول‌‌کننده است.»

نادلا از مدل زبان عمومی GPT-3 از OpenAI نام برد که نوعی آزمایشگاه هوش مصنوعی به شمار‌‌‌‌‌‌‌‌‌‌ می‌‌رود که به دنبال یک مدل تجاری ‌‌‌‌کسب‌‌وکار است.

اما GPT-3 یک مدل زبانی رگرسیون خودکار Autoregressive language model با 175 میلیارد پارامتر است. شرکت OpenAI طی یک توافق با مایکروسافت، مجوز استفاده از GPT-3 را در اختیار این شرکت قرار داد تا از آن در محصولات و خدمات خود استفاده کند؛ در حالی که همچنان OpenAI می‌تواند API‌‌‌‌‌‌های خود را به بازار ارائه دهد. در حال حاضر، API OpenAI در نسخه محدود بتا ارائه می‌شود و همزمان با این ارائه، شرکای تحقیقاتی و هم‌رده‌های تجاری این شرکت نیز در حال آزمایش و ارزیابی توانایی‌‌‌‌‌‌های خود هستند.

اما مجوزی که مایکروسافت در اختیار داشته باشد منحصربه‌فرد است؛ چرا که رقبای مایکروسافت در زمینه رایانش ابری‌‌‌‌‌‌ نمی‌‌توانند به همان روش به آن دسترسی داشته باشند. این توافق‌نامه اگر چه به قیمت راه‌اندازی و ارائه GPT-3 و حفظ آن در مایکروسافت، به اضافه هزینه‌‌‌‌‌‌های دیگر تمام شد، اما برای کمک به OpenAI اقدام مهمی بود. این هزینه‌‌‌‌‌‌های دیگر شامل 10 میلیون دلار هزینه تحقیق در زمینه GPT-3 و آموزش این مدل هوش مصنوعی‌‌‌‌‌‌، ده‌‌‌‌‌‌‌‌ها هزار دلار هزینه رایانش ابری ماهانه و نیز هزینه‌‌‌‌‌‌ برق برای اجرای این مدل‌‌‌‌‌‌‌‌‌‌ها‌‌‌‌‌‌ تخمین زده‌‌‌‌‌‌‌‌‌‌ می‌‌شود. همچنین هزینه سالانه یک میلیون دلار برای آموزش مجدد مدل برای جلوگیری از پوسیدگی و نیز هزینه‌‌‌‌‌‌های اضافی پشتیبانی مشتری‌‌‌‌‌‌، بازاریابی‌‌‌‌‌‌، فناوری اطلاعات‌‌‌‌‌‌، حقوقی و سایر شرایط برای عرضه یک محصول ‌‌‌‌‌‌‌‌‌‌نرم‌‌افزاری در بازار را نیز به مجموع این هزینه‌‌‌‌‌‌‌‌ها‌‌‌‌‌‌‌‌‌‌ می‌‌توان اضافه کرد.

مایکروسافت در اوایل سال جاری در کنفرانس توسعه‌‌دهندگان Build اعلام کرد که با OpenAI همکاری را آغاز کرده تا آنچه پیش‌‌‌‌‌‌‌‌‌‌‌‌تر به عنوان «یکی از پنج ابررایانه برتر عمومی در جهان» از آن نام برده بود را محقق کند. این زیرساخت در Azure‌‌‌‌ به عنوان ارائه‌‌دهنده رایانش ابری مایکروسافت‌‌‌‌‌‌، برای آموزش مدل‌‌‌‌‌‌های هوش مصنوعی «بسیار بزرگ» در دسترس خواهد بود.

هدف این همکاری بین مایکروسافت و OpenAI «ایجاد فناوری‌‌‌‌‌‌های جدید ابررایانه در Azure» است. نادلا در این باره اظهار داشت که این همکاری‌‌‌‌‌‌‌‌ها فقط در فناوری ابری اتفاق‌‌‌‌‌‌ نمی‌‌افتد‌‌‌‌‌‌، بلکه در تکنولوژی‌‌‌‌‌‌های لبه دانش نیز روی خواهد داد.

اپلیکیشن‌‌‌‌‌‌های کاربردی برای رایانش ابری و لبه‎‎ای مانند تولید زبان طبیعی‌‌‌‌‌‌، تکمیل تصویر یا شبیه‌سازی مجازی از حسگرهای پوشیدنی بسیار کاربردی‌‌اند. نادلا در این باره گفت: «دیدن قابلیت‌‌‌‌‌‌های هوش مصنوعی در رایانش ابری و به‌طور مشخص، مدل GPT-3 که برای این کار استفاده‌‌‌‌‌‌‌‌‌‌ می‌‌شود، بسیار حیرت‌انگیز است». وی گفت: «چیزی در معماری این مدل وجود دارد که به من اطمینان‌‌‌‌‌‌‌‌‌‌ می‌‌دهد در آینده با شتاب بیشتری پیشرفت‌‌‌‌‌‌های چشمگیر خواهیم داشت.»

مزیت استراتژیک نهفته در دستیار صوتی جستجوگر مدل‌‌‌‌‌‌های GPT-3

از نظر استراتژیک‌‌‌‌‌‌، ممکن است مدل‌‌‌‌‌‌های GPT-3 به مایکروسافت یک مزیت واقعی بدهند. به عنوان مثال در بازار موتورهای جستجو‌‌‌‌‌‌، موتور جستجوی Bing از مجموعه مایکروسافت، اندکی بیش از 6٪ سهم بازار را در اختیار دارد. این موتور جستجو بعد از گوگل قرار دارد که به عنوان غول تمام‌‌عیار موتورهای جستجو، 87٪ از سهم بازار را در اختیار گرفته است. این‌که حالا GPT-3 بتواند مایکروسافت را آن‌قدر توانمند کند که با به‌کارگیری آن، ویژگی‌‌‌‌‌‌های جدیدی را برای موتور جستجوی خود بازتعریف کند، در آینده مشخص خواهد شد.

مایکروسافت همچنین احتمالاً مزایای احتمالی GPT-3 را‌‌‌‌‌‌‌‌‌‌ می‌‌تواند در بازار دستیار صوتی مورد بررسی قرار دهد‌‌‌‌‌‌، جایی که کورتانا از مجموعه مایکروسافت، با 22٪ سهم پشت سیری اپل که 35٪ سهم بازار را به راحتی در دست دارد، قرار گرفته است.

در کنار همه این رویدادها، نادلا همچنین نگرانی‌‌‌‌‌‌‌‌‌‌‌‌‌‌هایی درباره قدرت هوش مصنوعی و اتوماسیون دارد. او‌‌‌‌‌‌‌‌‌‌ می‌‌گوید: «ما پیش از به‌‎کارگیری هوش مصنوعی به یک سری اصول نیاز داریم، از اصول اخلاقی گرفته تا اصول مهندسی و طراحی واقعی و عملی و نیز به فرایندی نیاز داریم که به ما امکان پاسخگویی را بدهد؛ به‌طوری که مدل نهایی ما یک مدل کاملا اخلاقی و غیرمغرضانه و به دور از تعصبات باشد. ما باید مدل‌‌‌‌‌‌های هوش مصنوعی را «تعصب‌زدایی» کنیم و این کار مهندسی دشواری است. وی گفت‌‌‌‌‌‌، «عواقب ناخواسته» و «موارد سوءاستفاده» نیز چالش‌‌‌‌‌‌های دیگری است که هوش مصنوعی با آن‌‌‌‌‌‌‌‌ها دست‌به‌گریبان است.

دیوید آتور سپس از نادلا سوال کرد که مایکروسافت چگونه دربرابر چالش‌‌‌‌‌‌‌‌ها و مشکلاتی که در مسیر استفاده از هوش مصنوعی وجود دارد، تصمیمات لازم را اتخاذ خواهد کرد؟ در پاسخ، نادلا از تعبیر «هوش مصنوعی کوچک در دنیای واقعی»  استفاده کرد و از ابزارهای ‌‌‌‌‌‌‌‌‌‌نرم‌‌افزاری و قدرت شرکت مایکروسافت نام برد که به چندین محصول امکان‌‌‌‌‌‌‌‌‌‌ می‌‌دهد تا به عنوان بخشی از یک بستر تجاری، به‌خوبی کار کنند. این بنیاد بر اساس آن‌‌چه «سرویس داده مشترک» برای برنامه‌‌‌‌‌‌‌‌ها نامیده‌‌‌‌‌‌‌‌‌‌ می‌‌شود ساخته شده و از این ماه (نوامبر) Dataverse نامیده خواهد شد. دراین پلتفرم، داده‌‌‌‌‌‌‌‌ها در جداول ذخیره‌‌‌‌‌‌‌‌‌‌ می‌‌شوند که‌‌‌‌‌‌‌‌‌‌ می‌‌توانند روی ابر قرار بگیرند. نادلا اضافه کرد: «با استفاده از این ابزارها‌‌‌‌‌‌، افراد‌‌‌‌‌‌‌‌‌‌ می‌‌توانند تخصص اصلی خود را گرفته و آن را به اتوماسیون تبدیل کنند.»

سوال بعدی درباره انواع شغل هوش مصنوعی بود. نادلا در پاسخ به این سوال که: «پیش‌بینی‌‌‌‌‌‌‌‌‌‌ می‌‌کنید پس از به کارگیری هوش مصنوعی، در آینده چه فرصت‌‌‌‌‌‌های شغلی جدیدی ایجاد‌‌‌‌‌‌‌‌‌‌ می‌‌شود؟» مقایسه تغییرات ‌‌‌‌کسب‌‌وکارهای امروز با شروع به کار رایانه‌‌‌‌‌‌‌‌ها و پردازنده‌‌‌‌‌‌های کلمات را بیان کرد و درباره فرصت‌های موجود برای یک متخصص هوش مصنوعی صحبت کرد: «با ورود هوش مصنوعی دقیقا همان اتفاقی‌‌‌‌‌‌‌‌‌‌ می‌‌افتد که هم اکنون روی داده است. همان‌طور که رایانه در کارخانه‌‌‌‌‌‌های تولیدی‌‌‌‌‌‌، بنگاه‌‌‌‌‌‌های خرده‌فروشی‌‌‌‌‌‌، بیمارستان‌‌‌‌‌‌‌‌ها و مزارع تعبیه شده‌‌اند، هوش منصوعی نیز به همین صورت در همه جا یافت خواهد شد. وی گفت: «فناوری هوش مصنوعی در کنار همه تحولاتی که برای صنایع دارد، شغل‌‌‌‌‌‌های جدیدی را نیز شکل‌‌‌‌‌‌‌‌‌‌ می‌‌دهد و مشاغل موجود را تغییر‌‌‌‌‌‌‌‌‌‌ می‌‌دهد.»

«دموکراتیک‌‌سازی هوش مصنوعی» موانع پیش رو را کوچک‌‌‌‌‌‌‌‌‌‌‌‌تر خواهد کرد

در این مناظره همچنین درباره این‌‌که آیا فرصت‌‌‌‌‌‌های هوش مصنوعی به آن دسته از کارمندان فاقد مهارت‌‌‌‌‌‌های انتزاعی مانند برنامه‌نویسی نیز گسترش‌‌‌‌‌‌‌‌‌‌ می‌‌یابد؟ از نادلا سوال شد. در پاسخ به این سوال، بحثی درباره «دموکراتیک‌سازی هوش مصنوعی» شکل گرفت که این روند موانع پیش روی افراد و سازمان‌‌‌‌‌‌‌‌ها را برای کسب تجربه‌‌‌‌‌‌های جدید با هوش مصنوعی کوچک‌‌‌‌‌‌‌‌‌‌‌‌تر می‌‌کند و به آن‌‌‌‌‌‌‌‌ها اجازه‌‌‌‌‌‌‌‌‌‌ می‌‌دهد، برای مثال‌‌‌‌‌‌، از داده‌‌‌‌‌‌‌‌ها و الگوریتم‌‌‌‌‌‌های موجود در دسترس عموم برای ساخت مدل‌‌‌‌‌‌های هوش مصنوعی در زیرساخت‌‌‌‌‌‌های ابری استفاده کنند.

آتور درباره اتصال هوش مصنوعی به زیرساخت‌‌‌‌‌‌های آموزشی همچنین از نادلا پرسید که آیا‌‌‌‌‌‌‌‌‌‌ می‌‌توان دسترسی به آموزش را «دموکراتیک» کرد؟ نادلا در پاسخ به این سوال گفت : «علوم فناورانه یا STEM Science, technology, engineering, and mathematics علومی مهم‌‌اند، اما ما برای اخذ مدرک کارشناسی ارشد در علوم کامپیوتر نیازی به تخصص در همه این حوزه‌‌‌‌‌‌‌‌ها نداریم. اگر‌‌‌‌‌‌‌‌‌‌ می‌‌خواهید تخصص را برای کمک به بهره‌‌وری کارمندان دموکراتیک کنید‌‌‌‌‌‌، برای این مسئله نیز راه‌حل‌‌‌‌‌‌‌‌‌‌‌‌‌‌هایی وجود دارد.»

آتور در ادامه مناظره از نادلا پرسید: «آیا میان پیشرفت‌‌‌‌‌‌های فناوری و افزایش روزافزون کارگران با دستمزد پایین و دستمزد بالا ارتباطی وجود دارد؟ چه کاری‌‌‌‌‌‌‌‌‌‌ می‌‌توان در این زمینه انجام داد؟»

نادلا در پاسخ به این سوال گفت: مایکروسافت متعهد است آموزش‌‌‌‌‌‌‌‌‌‌‌‌‌‌هایی را که منجر به اعتبار‌‌‌‌‌‌‌‌‌‌ می‌‌شود‌‌‌‌‌‌، در دسترس همگان قرار دهد. او افزود: «ما به یک حلقه بازخورد در زمان واقعی بین مشاغل آینده و مهارت‌‌‌‌‌‌های ضروری نیاز داریم. برای اعتبار دادن به این مهارت‌‌‌‌‌‌‌‌‌‌ها‌‌‌‌‌‌، شاهد هستیم که شرکت‌‌‌‌‌‌های بیشتری به عنوان بخشی از گردش کار روزانه خود در آموزش شرکت‌‌‌‌‌‌‌‌ها سرمایه‌‌گذاری‌‌‌‌‌‌‌‌‌‌ می‌‌کنند. مایکروسافت هم از این جریان مستثنا نیست و روی آن تمرکز حداکثری دارد.»

نادلا پیشنهاد کرد: اعتبار مالیاتی برای شرکت‌‌‌‌‌‌‌‌‌‌‌‌‌‌هایی که در امر آموزش ‌‌سرمایه‎‌گذاری‌‌‌‌‌‌‌‌‌‌ می‌‌کنند ایده خوبی است. وی گفت: «ما در این حوزه به یک مکانیزم تشویقی نیاز داریم و وجود یک حلقه بازخورد به موفقیت برنامه‌‌‌‌‌‌های آموزشی کمک‌‌‌‌‌‌‌‌‌‌ می‌‌کند.»

آتور در پایان این سوال را مطرح کرد که آیا بعد از کاهش همه‌‌گیری کرونا، «حضور و ارائه از راه دور Telepresence» باقی خواهد ماند؟ نادلا در پاسخ، چهار نظر را بیان کرد: اول‌‌‌‌‌‌، همکاری بین کارشناسان عرصه عملی هوش مصنوعی و دانشمندان ادامه خواهد یافت‌‌‌‌‌‌، زیرا ثابت شده است که این همکاری از برخی جهات مثمرثمر است. دوم‌‌‌‌‌‌، شکل جلسات تغییر خواهد کرد اما همکاری قبل‌‌‌‌‌‌، حین و بعد از جلسات ادامه خواهد داشت. سوم‌‌‌‌‌‌، یادگیری و ارائه آموزش با استفاده از ابزارهای مجازی بهتر کمک‌‌‌‌‌‌‌‌‌‌ می‌‌کند و درنهایت، «خستگی ویدئویی» که همیشه بعد از جلسات ویدئویی به حاضران جلسه منتقل‌‌‌‌‌‌‌‌‌‌ می‌‌شد به یک تجربه واقعی تبدیل خواهد شد.

نادلا گفت: «ما باید مردم را به ترک عادت‌‌‌‌‌‌های سابق و فرایندهای روتین گذشته خود ترغیب کنیم و در یک جریان مشترک با آن‌‌‌‌‌‌‌‌ها هماهنگ شویم، تا بار شناخت تجربه‌‌های جدید را کاهش دهیم. یکی از نگرانی‌‌‌‌‌‌های من این است که ما در حال سوزاندن سرمایه اجتماعی ساخته شده هستیم. ما باید تکنیک‌‌‌‌‌‌های جدیدی را برای بازگرداندن سرمایه اجتماعی یاد بگیریم.»

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید