معماری هوش مصنوعی در بوته صنعت؛ تبیین راهبردهای توسعه مدل‌های زبانی بومی و چالش‌های استقرار سخت‌افزاری هوش مصنوعی

دکتر فیلی تلاش نمود تا با تکیه بر تحلیل‌های آماری و شواهد تجربی، مسیر حرکت صنایع کشور را از مصرف‌کنندگی صرف ابزارهای خارجی به سمت ایجاد زیرساخت‌های پایدار و مستقل بومی هدایت کند. این گزارش تحلیلی، به کالبدشکافی اظهارات و توصیه‌های راهبردی او برای توسعه‌دهندگان و مدیران صنعتی می‌پردازد.

پیوند تکامل بیولوژیکی مغز انسان با مدل‌های محاسباتی

دکتر فیلی بحث فنی خود را با نگاهی به ریشه‌های فرگشتی انسان و تبیین ماهیت و چیستی مدل زبانی آغاز کرد. وی با تکیه بر پیشینه آکادمیک خود توضیح داد که زبان فراتر از یک ابزار ساده برای ارتباطات روزمره یا خوش‌زبانی در مناسبات اجتماعی است؛ زبان در حقیقت شالوده اصلی و نحوه مدل‌سازی دانش در مغز بشر به شمار می‌رود.

به باور این استاد دانشگاه، بزرگ‌ترین جهش فرگشتی انسان که در نهایت به خودآگاهی وی منجر شد، شکل‌گیری زبان بود. او خاطرنشان کرد که تک‌تک انسان‌ها به طور بیولوژیکی دارای یک مدل زبانی بومی در مغز خود هستند که از طریق آن دانش را انباشت، پردازش و سازمان‌دهی می‌کنند. دانشمندان علوم کامپیوتر دقیقاً با الهام و الگوبرداری از همین ساختار شگفت‌انگیز مغز انسان، تلاش کردند تا مدل‌های زبانی محاسباتی را در بستر پردازش ماشین شبیه‌سازی کرده و توسعه دهند.

از ترجمه فرانسوی تا سونامی چت‌جی‌پی‌تی؛ تاریخچه ترنسفورمرها

سیر تاریخی توسعه این فناوری نشان می‌دهد که مدل‌های زبانی ابداعات نوظهور و بی‌سابقه‌ای نیستند. دکتر فیلی با اشاره به تجربه تدریس خود از سال ۲۰۰۵ در حوزه پردازش زبان طبیعی یادآور شد که در آن سال‌ها، این مباحث هرگز در مقیاس وسیع و تجاری کنونی مطرح نبودند.

نقطه عطف بنیادی این حوزه در سال ۲۰۱۷ و با انتشار مقاله تاریخی «توجه تمام آن چیزی است که نیاز دارید» رقم خورد؛ مقاله‌ای که حتی نویسندگان آن در آن مقطع از دامنه تحولات شگرفی که در جهان ایجاد خواهد کرد، کاملاً بی‌خبر بودند. نویسندگان این مقاله صرفاً به دنبال توسعه یک شبکه عصبی عمیق به نام ترنسفورمر برای بهبود کیفیت ترجمه ماشینی انگلیسی به فرانسوی بودند. این شبکه از دو بخش انکودر در سمت چپ و دکودر در سمت راست تشکیل شده بود که به ترتیب پایه‌گذار مدل معروف برت و نسل اول جی‌پی‌تی در سال ۲۰۱۸ شدند.

دکتر فیلی با بیانی صمیمانه به خاطره‌ای از دوران تدریس خود در سال ۲۰۱۸ اشاره کرد که در آن زمان به دانشجویانش توصیه کرده بود مدل جی‌پی‌تی-۱ را به دلیل ضعف‌هایش رها کنند و بر روی مدل کارآمدتر «برت» تمرکز نمایند؛ توصیه‌ای که تا پیش از معرفی نسخه ۳.۵ جی‌پی‌تی در اواخر سال ۲۰۲۲ کاملاً با واقعیت‌های فنی انطباق داشت.

تغییر بنیادین قواعد بازی در حوزه هوش مصنوعی مولد از اواخر سال ۲۰۲۲ با معرفی نسخه GPT-3.5 آغاز شد. ایده اصلی و جزئیات ریاضی ساختار شبکه ترنسفورمر تغییر چندانی نکرده بود، بلکه تفاوت اصلی در جهش بی‌سابقه مقیاس رخ داد. بزرگ شدن مدل به معنای افزایش نجومی پارامترهای شبکه عصبی، تزریق حجم عظیمی از داده‌های آموزشی و بستر پایداری از سخت‌افزارهای پردازشی فوق‌العاده قوی بود. اجرای این ایده در مقیاس بزرگ، خروجی شگفت‌انگیزی را در قالب ChatGPT به نمایش گذاشت و مدل‌های انکودربیس نظیر برت را عملاً به حاشیه راند.

 از آن زمان به بعد، رقابت نفس‌گیری میان ابرشرکت‌های فناوری جهان برای توسعه مدل‌های بزرگ‌تر آغاز شد که اگرچه هزینه‌های پردازشی نجومی، مصرف فزاینده انرژی و تولید کربن بیشتری را به همراه دارد، اما کیفیت خروجی‌ها را به طور مستمر بهبود می‌بخشد.

دو راهی بزرگ صنایع؛ مدل‌های تجاری یا متن‌باز؟

یکی از بخش‌های کلیدی سخنرانی دکتر فیلی به تحلیل چالش‌های اقتصادی و فنی صنایع در مواجهه با دو راهی انتخاب میان مدل‌های تجاری (Closed Source) و متن‌باز (Open Source) اختصاص داشت. مدل‌های تجاری که توسط غول‌های فناوری غربی ارائه می‌شوند، کیفیت بالا، ابزارهای به شدت قدرتمند و سرعت فوق‌العاده‌ای در بهره‌برداری دارند، به طوری که ساخت یک نمونه اولیه کارآمد با استفاده از آن‌ها در کمتر از یک ماه ممکن است.

با این حال، وی با تکیه بر تجربه مستقیم خود در پروژه هوشمندسازی خدمات بانک ملت، نسبت به هزینه‌های پنهان و سرسام‌آور این مدل‌ها در بلند مدت هشدار داد. به گفته وی، هزینه این پروژه بانکی به دلیل پرداخت‌های دلاری مبتنی بر تعداد توکن، در ماه دوم به دو هزار دلار و در ماه سوم به سه هزار دلار افزایش یافت که نشان می‌دهد استفاده مداوم از مدل‌های خارجی در مقیاس صنعتی اصلاً توجیه اقتصادی ندارد.

علاوه بر جنبه‌های مالی، خطرات امنیتی ارسال داده‌های حساس ملی و بانکی به سرورهای خارجی و وابستگی شدید به ابزارهایی که با تهدید دائم تحریم مواجه هستند، چالش‌های غیرقابل چشم‌پوشی هستند. دکتر فیلی با به‌کارگیری یک تشبیه رسا توضیح داد که استفاده محض از ای‌پی‌آی‌های خارجی شبیه این است که شرکت زیمنس آلمان بیاید در کشور نیروگاه نصب کند و ما خوشحال باشیم که برق داریم، بدون آنکه دانش عمیق ساخت آن نیروگاه را کسب کرده باشیم.

در نقطه مقابل، مدل‌های متن‌باز قرار دارند که هرچند کیفیت پایین‌تری نسبت به نسخه‌های تجاری دارند، پیاده‌سازی سخت‌تری را به همراه می‌آورند و در کوتاه ‌مدت به دلیل نیاز مبرم به خرید سخت‌افزار تخصصی هزینه‌بر هستند، اما استقلال کامل، امنیت بالا، پایداری عملیاتی بومی و امکان پژوهش در لایه‌های عمیق فناوری را به ارمغان می‌آورند. وی تأکید کرد که سازمان‌های بزرگ و استراتژیک در نهایت ناگزیرند برای حفاظت از داده‌های حساس خود، نسخه‌های بومی و محلی را بر روی سرورهای داخلی مستقر کنند.

بن‌بست خدمات ابری و ضرورت استقرار درون‌سازمانی سخت‌افزار

در بررسی چالش‌های استقرار سخت‌افزاری، دکتر فیلی به وضعیت ناپخته صنعت خدمات ابری در کشور اشاره کرد و یادآور شد که صنعت ارائه خدمات ابری مدل‌های زبانی و پردازنده‌های گرافیکی (GPU-as-a-Service) در ایران هنوز به بلوغ کافی نرسیده است.

از سوی دیگر، به دلیل حساسیت‌های امنیتی شدید، بسیاری از وزارتخانه‌ها و سازمان‌های بزرگ حاضر نیستند داده‌های خود را به شبکه‌ای خارج از اینترانت داخلی خود متصل کنند. وی به عنوان دستیار و نماینده وزارت علوم در دانشگاه تهران که در جریان جزئیات سکوی ملی هوش مصنوعی شریف قرار دارد، اشاره کرد که حتی سازمان‌ها اجازه اتصال به شبکه‌های ملی بیرونی را هم نمی‌دهند. برای نمونه، سازمانی بزرگ مانند فولاد مبارکه هرگز داده‌های حیاتی خود را وارد شبکه‌های عمومی نخواهد کرد؛ بنابراین، راه‌اندازی و پیاده‌سازی سخت‌افزارها درون خود سازمان به صورت درون‌سازمانی (On-Premise)، تنها راهکار عملیاتی است.

او معتقد است با توجه به شرایط تورمی کشور، سرمایه‌گذاری بر روی تجهیزات سخت‌افزاری پردازشی نه تنها هزینه نیست، بلکه به دلیل حفظ ارزش زمانی پول، مانند سرمایه‌گذاری روی ملک، به شدت توجیه اقتصادی دارد.

پله‌های رشد هوش مصنوعی در سازمان و نقد مدل‌های زبانی بزرگ

دکتر فیلی، به عنوان مدیر توسعه فناوری‌های شرکت آدام، مراحل رشد یک سازمان در مسیر هوشمندسازی را به صورت پله‌پله تعریف کرد. اولین سطح، مهندسی پرامپت است که به باور وی در چند سال آینده تبدیل به سواد عمومی جامعه خواهد شد؛ یعنی همان‌طور که امروزه خواندن و نوشتن سواد پایه است، در آینده مهندسی پرامپت سواد عمومی خواهد بود. سطوح بعدی شامل ایجاد تغییرات جزئی، تنظیم دقیق (Fine-Tuning) و در نهایت آموزش کامل مدل است.

وی توسعه یک مدل زبانی بزرگ از پایه را به دلیل هزینه‌های پردازشی نجومی خارج از بضاعت سخت‌افزاری کشور دانست و پیشنهاد داد که سازمان‌ها کار خود را از پله‌های پایین‌تر و با کسب یک موفقیت سریع آغاز کنند تا اعتماد و درک واقعی در ذهن مدیران ارشد شکل بگیرد. او به پروژه بانکی خود اشاره کرد که مدیران آن در ابتدا درکی از ضرورت موضوع نداشتند، اما تماشای یک دموی کوچک و موفق در مقیاس محلی، آن‌ها را متقاعد کرد تا بودجه‌ای معادل نیم میلیون دلار را به خرید سخت‌افزارهای پردازشی اختصاص دهند.

یکی از بخش‌های چالش‌برانگیز این ارائه، توصیه صریح و غیرمنتظره این استاد دانشگاه به صنایع بود؛ جایی که وی اعلام کرد تا جای ممکن از مدل‌های زبانی بزرگ استفاده نکنید. دکتر فیلی معتقد است مدل‌های زبانی بزرگ هزینه استهلاک، مصرف انرژی و کربن بسیار بالایی دارند و از طرفی باعث تنبل شدن توسعه‌دهندگان نرم‌افزار شده‌اند. او با یک تمثیل کاربردی بیان کرد که سپردن کارهای ساده به مدل‌های بزرگ زبانی شبیه این است که برای جابه‌جایی یک یخچال کوچک، یک تریلی هجده‌چرخ دم در خانه بیاورید؛ تریلی کار را انجام می‌دهد اما هزینه و استهلاک آن عقلانی نیست.

وی راهکار جایگزین را استفاده از روش‌های سنتی یادگیری ماشین یا مدل‌های زبانی کوچک و تخصصی (SLM) دانست که در کارهای تک‌منظوره بازدهی فوق‌العاده‌ای دارند. همان‌طور که مدل Wisper برای تبدیل گفتار به متن، با حجمی بسیار ناچیز، عملکردی مشابه یا حتی بهتر از ابرمدل‌هایی مثل جمینای ارائه می‌دهد.

توهم دانایی در ابزارهای بدون کد و خطای گنجشک به جای قناری

دکتر فیلی پدیده اتوماسیون‌های بدون کد یا کم‌کد هوش مصنوعی نظیر زپیر یا n8n را نیز بررسی کرد و هشدار داد که این ابزارها نوعی توهم دانایی در افراد ایجاد می‌کنند. اگرچه این پلتفرم‌ها برای ساخت سریع نمونه اولیه و انتقال نیازمندی‌ها به برنامه‌نویسان بسیار کارآمد هستند، اما در اسکیل‌های بزرگ عملیاتی کارایی پایداری ندارند و توسعه‌دهندگان هرگز نباید محصول نهایی پایدار را با اتکا به این ابزارها تولید کنند. تیم تحت هدایت وی پس از عبور از نمونه اولیه، یک مدل متن‌باز کوچک را بر اساس داده‌های دقیق بومی فایت‌تیون کرده و در زیرساخت داخلی بانک مستقر ساختند که اکنون به طور عملیاتی مورد استفاده قرار می‌گیرد.

این متخصص هوش مصنوعی در پایان سخنرانی خود، از خطای استراتژیک موسوم به «گنجشک را جای قناری فروختن» سخن گفت و به سازمان‌ها توصیه کرد که هرگز دموی اولیه کار خود را با مدل‌های فوق‌العاده‌ای نظیر GPT-4 به مدیران نشان ندهند؛ چرا که با سوئیچ نهایی بر روی مدل‌های متن‌باز محلی مثل لاما، با افت شدید کیفیت خروجی روبه‌رو خواهند شد و مدیران احساس فریب‌خوردگی خواهند کرد.

 به جای آن، دموها باید از ابتدا با مدل‌های واقعی‌تر تست شوند تا انتظارات معقولی شکل بگیرد. او بر اساس سه رکن اصلی هوش مصنوعی یعنی داده، زیرساخت و الگوریتم، یادآور شد که توانمندی الگوریتمی دانشمندان ایرانی در سطح بسیار بالایی قرار دارد، اما گلوگاه اساسی و اولویت شماره یک کشور برای موفقیت در حوزه فناوری‌های آینده، مدیریت، جمع‌آوری و سرمایه‌گذاری بر روی عنصر حیاتی داده است.