نه زیرساخت، نه داده، نه هزینه‌کرد؛ نگهداشت استعداد بحران اصلی شرکت‌های هوش مصنوعی است

به نقل از آکسیوس، اهمیت موضوع در این است که هرچند جذب پژوهشگران نخبه هوش مصنوعی کار دشواری است، اما حفظ آن‌ها حتی پس از ارائه حقوق‌های نجومی، عناوین شغلی معتبر و دسترسی به منابع عظیم محاسباتی تقریباً به همان اندازه دشوار شده است. این جابه‌جایی‌های مکرر نشان‌دهنده شرایطی کم‌سابقه است که در آن گروه کوچکی از پژوهشگران می‌توانند دستمزدهایی کم‌سابقه مطالبه کنند و هم‌زمان میان شرکت‌هایی با فرهنگ سازمانی، مأموریت و زیرساخت‌های فنی متفاوت، حق انتخاب داشته باشند.

اگر به تصویر بزرگ‌تر نگاه کنیم می‌بینیم که اکوسیستم هوش مصنوعی مرزی، امروز بیش از آنکه مجموعه‌ای از رقبای مستقل باشد، به یک اکوسیستم به‌شدت به‌هم‌پیوسته شباهت دارد. شرکت‌ها درحالی‌که برای جذب استعدادها و تصاحب بازار رقابتی شدید با یکدیگر دارند، هم‌زمان در یکدیگر سرمایه‌گذاری می‌کنند، از خدمات یکدیگر بهره می‌برند، به همان ارائه‌دهندگان خدمات ابری متکی هستند و نیروهای خود را از یک جامعه کوچک و مشترک از پژوهشگران جذب می‌کنند.

تازه‌ترین جابه‌جایی خبرساز مربوط به «لیلیان ونگ» (Lilian Weng)، یکی از هم‌بنیان‌گذاران آزمایشگاه Thinking Machines Lab متعلق به «میرا موراتی» (Mira Murati) است که خود مدیر ارشد فناوری سابق OpenAI بود و سپتامبر ۲۰۲۴ از این شرکت جدا شد. ونگ دلیل این تصمیم را فشارهای ناشی از نقش هم‌بنیان‌گذار بر سلامت خود عنوان کرد و گفت ترجیح می‌دهد در جایگاهی با تمرکز بیشتر فعالیت کند. تنها چند روز بعد، اینفورمیشن گزارش داد که او دوباره به OpenAI بازمی‌گردد تا روی پروژه خودبهبودی بازگشتی (Recursive Self-Improvement) کار کند؛ ایده‌ای که بر اساس آن، سامانه‌های هوش مصنوعی می‌توانند نقش فزاینده‌ای در بهبود نسل‌های آینده هوش مصنوعی ایفا کنند.

ونگ چهارمین هم‌بنیان‌گذار Thinking Machines است که طی یک سال گذشته این شرکت را ترک می‌کند؛ موضوعی که نشان می‌دهد حتی استارتاپ‌های برخوردار از سرمایه فراوان نیز ممکن است در حفظ اعضای مؤسس خود با مشکل مواجه شوند.

البته Thinking Machines تنها آزمایشگاهی نیست که با مشکل حفظ نیروهای کلیدی دست‌وپنجه نرم می‌کند. گوگل در ماه ژوئن دو پژوهشگر سرشناس خود را به رقبایش واگذار کرد؛ «نوآم شزیر» (Noam Shazeer) به OpenAI پیوست و «جان جامپر» (John Jumper)، مدیر ارشد اجرایی DeepMind که به همراه «دمیس هاسابیس» جایزه نوبل شیمی ۲۰۲۴ را کسب کرد، به آنتروپیک پیوست. متا نیز هزینه‌های هنگفتی صرف جذب پژوهشگران برجسته برای واحد «ابرهوش» (Superintelligence) تحت مدیریت «الکساندر وانگ» (Alexandr Wang) کرده است، اما چند تن از همین نیروهای ارزشمند نیز مدت کوتاهی بعد این شرکت را ترک کردند که برخی از آن‌ها به OpenAI پیوستند. سال گذشته نیز «ایلیا سوتسکور» (Ilya Sutskever)، هم‌بنیان‌گذار و دانشمند ارشد پیشین OpenAI، مدیرعامل استارتاپ خود به نام Safe Superintelligence را به متا واگذار کرد.

پول اهمیت دارد. برخی پژوهشگران پیشنهادهایی دریافت می‌کنند که ردکردن آن‌ها بسیار دشوار است، درحالی‌که برخی دیگر ترجیح می‌دهند پیش از عرضه اولیه سهام احتمالی، در شرکت‌هایی مانند آنتروپیک یا OpenAI سهام دریافت کنند. یک منبع آگاه به Axios گفته است که داریو آمودی (Dario Amodei)، مدیرعامل آنتروپیک، نسبت به جذب افرادی که انگیزه اصلی آن‌ها پول است و نه مأموریت شرکت، ابراز نگرانی کرده است. برخی پژوهشگران همچنین معتقدند بازه زمانی‌ای که تخصص آن‌ها ارزش مالی فوق‌العاده‌ای دارد، در حال محدودتر شدن است. آن‌ها نگران‌اند که با خودکار شدن تدریجی بخش بیشتری از فرایند توسعه و بهبود مدل‌های جدید توسط خود سامانه‌های هوش مصنوعی، قدرت چانه‌زنی‌شان کاهش یابد.

اما نکته اینجاست که تنها عامل تعیین‌کننده در این جابه‌جایی‌ها، میزان حقوق و مزایا نیست. پژوهشگران برجسته می‌گویند دسترسی به توان محاسباتی، میزان نفوذ در تصمیم‌گیری درباره آنچه ساخته می‌شود و آزادی برای دنبال‌کردن رویکرد فنی موردنظر خودشان نیز برایشان اهمیت فراوانی دارد. افزون بر این، در حوزه‌ای که بسیاری از فعالان آن باور دارند دستاوردهایشان می‌تواند اقتصاد جهانی را دگرگون کند یا مشخص کند کدام شرکت زودتر به هوش مصنوعی تحول‌آفرین دست می‌یابد، جایگاه حرفه‌ای، بلندپروازی و تفاوت‌های ایدئولوژیک گاهی به‌اندازه پول اهمیت پیدا می‌کند.

یکی از مدیران شرکت‌های جذب نیروی فناوری به Axios گفته است: «بخشی از این موضوع به پول مربوط می‌شود و بخشی هم به‌نوعی میل و غرور برای تغییر جهان.» «تارا شولمن» (Tara Shulman)، مشاور مالی‌ای که با بسیاری از میلیونرهای تازه‌وارد صنعت فناوری همکاری می‌کند، به Axios گفته است: «بدون تردید افراد می‌خواهند مطمئن شوند که امنیت مالی کافی برای خود فراهم کرده‌اند.» او افزود: «مهندسانی که تاکنون درآمدهای بسیار بالایی داشته‌اند، از خود می‌پرسند اگر این شرایط تغییر کند چه خواهد شد؟ این سؤال بسیار بیشتر از آنچه تصور می‌کنید، میان افرادی که سهام تشویقی قابل‌توجهی دارند و از نظر مالی در موقعیت بسیار موفقی هستند، مطرح می‌شود.»

واقعیت این است که جابه‌جایی مداوم نیروها نه‌تنها برای پژوهشگران، بلکه برای خود آزمایشگاه‌ها نیز هزینه‌بر است. برنامه‌های پژوهشی بر پایه اعتماد، دانش سازمانی و تیم‌هایی شکل می‌گیرند که طی دوره‌های طولانی در کنار یکدیگر فعالیت می‌کنند. خروج مکرر نیروها می‌تواند پروژه‌ها را مختل کند، موجب بی‌ثباتی میان سایر کارکنان شود و شرکت‌ها را وادار کند بارها برای جذب یا حفظ همان گروه کوچک از افراد، هزینه‌های سنگینی بپردازند.

اکنون بیش از ۴۰۰ نفر از کارکنان سابق اپل در OpenAI مشغول به کار هستند. اپل نیز علیه OpenAI اقامه دعوی کرده و مدعی است این شرکت با استفاده از نام‌های رمز داخلی اپل، تلاش کرده از طریق استخدام نیروهای این شرکت به اطلاعات محرمانه دست پیدا کند. شرکت‌های هوش مصنوعی دریافته‌اند که شاید بتوانند زمان و تخصص افراد را با پرداخت پول بخرند، اما به‌دست‌آوردن وفاداری بلندمدت آن‌ها به‌مراتب دشوارتر است.