آیا توسعه هوش مصنوعی در بنبست است؟ چالشها و راهکارهای آینده, بحثهای گستردهای در مورد آینده هوش مصنوعی در حال جریان است. برخی کارشناسان معتقدند روند پیشرفت مدلهای هوش مصنوعی کند شده و احتمالا به نقطه اشباع رسیده باشد، در حالی که طیف دیگری همچنان پتانسیل رشد چشمگیر برای این فناوری را تایید میکنند.
محدودیتهای سختافزاری و دادهای مانع پیشرفت بر اساس گزارش خبررسان تکنا، یکی از موانع اصلی در توسعه مدلهای پیشرفته، دسترسی به منابع محاسباتی قدرتمند مانند پردازندههای گرافیکی (GPU) است. تقاضای فراگیر برای این تراشهها منجر به کمبود و افزایش چشمگیر قیمت شده است.
علاوه بر این، شرکتهای فعال در این حوزه با محدودیت در دستیابی به دادههای آموزشی باکیفیت و متنوع روبرو هستند؛ دادههایی که برای آموزش مدلهای بزرگ زبان (LLM) ضروری هستند، اما استخراج و تهیه آنها فرآیندی ساده نیست. راهکارهای نوین برای عبور از چالشها متخصصان تاکید میکنند که برای ادامه مسیر توسعه، باید به سراغ راهحلهای نوآورانه رفت.
استفاده از دادههای چندوجهی شامل تصاویر، صدا و ویدئو میتواند جایگزین یا مکمل مناسبی برای دادههای متنی باشد. همچنین، بسیاری از سازمانها دارای دادههای اختصاصی و ارزشمندی هستند که میتوانند برای آموزش مدلهای اختصاصی به کار روند. به جای تمرکز بر ساخت مدلهای غولپیکر، توسعه مدلهای کوچکتر و تخصصیتر که برای وظایف خاص بهینهسازی شدهاند، استراتژی کارآمدی محسوب میشود.
دادههای مصنوعی نیز میتوانند در پر کردن خلأ دادههای واقعی و ارتقای عملکرد مدلها نقش مؤثری ایفا کنند. دیدگاههای متضاد رهبران صنعت سام آلتمن، مدیرعامل اوپنایآی (OpenAI)، تأکید میکند که پیشرفت هوش مصنوعی متوقف نشده و افقهای وسیعی برای رشد وجود دارد. در مقابل، ی چون مارک آندریسِن معتقدند مدلهای فعلی به حد اشباع رسیدهاند.
با وجود این چالشها، اجماع کارشناسان بر این است که با بهرهگیری از رویکردهای خلاقانه و نوآورانه، میتوان بر موانع موجود غلبه کرد و شاهد پیشرفتهای جدید در این حوزه باشیم.