Recursive Superintelligence یک قرارداد چندساله ۴۱۰ میلیون دلاری برای محاسبات با Amazon Web Services منعقد کرده است و بخش اعظم ذخیره مالی ۶۵۰ میلیون دلاری خود را به قدرت پردازش خام اختصاص داده است. این قرارداد نشان‌دهنده تغییری در آزمایشگاه‌های پیشرو هوش مصنوعی است: آن‌ها به جای استخدام مهندسان بیشتر، در حال خرید ماشین‌هایی هستند که عامل‌های نرم‌افزاری خود-بهبودبخش را اجرا می‌کنند.

از حالت مخفی به استراتژی مبتنی بر اولویت محاسبات

این استارتاپ مستقر در سان‌فرانسیسکو پس از جذب ۶۵۰ میلیون دلار، در ماه می از حالت مخفی خارج شد. اکثر سرمایه‌گذاری‌های هوش مصنوعی این سرمایه را صرف تیم‌های مهندسی، جذب استعدادهای ارشد و ساخت دفاتر می‌کنند. Socher، بنیان‌گذار شرکت، استراتژی معکوس را این‌گونه توصیف کرد: «کمتر درباره تعداد کارکنان و بیشتر درباره تعداد عامل‌ها». این شرکت با در نظر گرفتن گره‌های محاسباتی (compute nodes) به عنوان نوآوران اصلی، امیدوار است که سیستم‌های خود-بهبودبخش بازگشتی (RSI) آن بتوانند محصولات را با حداقل دخالت انسانی طراحی، آزمایش و تکرار کنند.

چرا قرارداد AWS اهمیت دارد

مشارکت‌های معمول با ارائه‌دهندگان ابری، اعتبار (credits) را با سهام یا برنامه‌های مشترک ورود به بازار ترکیب می‌کنند. این توافق یک خرید مستقیم توان محاسباتی است و مقیاس آن AWS را مجبور می‌کند تا از نمونه‌های عمومی (generic instances) فراتر رود. Jason Bennett، معاون AWS در امور استارتاپ‌ها و سرمایه‌گذاری خطرپذیر، گفت که این مشارکت شامل توسعه مشترک زیرساخت‌هایی است که برای حجم کاری تکرارشونده‌ای که تحقیقات RSI می‌طلبد، تنظیم شده‌اند؛ از جمله ساختارهای شبکه سفارشی، سطوح ذخیره‌سازی و الگوریتم‌های زمان‌بندی که باعث می‌شوند میلیاردها حلقه آموزش بدون گلوگاه (bottleneck) به کار خود ادامه دهند.

برای AWS، این قرارداد یک میدان آزمایش است. اگر Recursive نشان دهد که ابرهای ساخته‌شده برای اهداف خاص، RSI را تسریع می‌کنند، سایر استارتاپ‌های هوش مصنوعی در سطح پایه ممکن است از این الگو کپی کنند و نحوه قیمت‌گذاری و بسته‌بندی خدمات ارائه‌دهندگان ابری برای موج بعدی تحقیقات هوش مصنوعی را بازتعریف کنند.

رقابت برای دستیابی به RSI ملموس

RSI مدت‌هاست که در حوزه تئوری باقی مانده است. برخی از پژوهشگران هشدار می‌دهند که این پدیده می‌تواند باعث یک «انفجار هوش» ناگهانی شود، در حالی که برخی دیگر استدلال می‌کنند که بهبود به صورت تدریجی خواهد بود. Recursive روی گزینه دوم شرط‌بندی کرده و هدفش تبدیل حلقه خود-بهبودبخش به نرم‌افزاری آماده عرضه به بازار در عرض چند ماه است. Socher به طور علنی ضرب‌الاجلی برای ماه اکتبر تعیین کرده است تا اولین محصول قابل استفاده حاصل از عامل‌های خود-تغییردهنده خود را ارائه دهد.

اگر این جدول زمانی محقق شود، این شرکت یک نقطه داده ملموس برای بحث‌های گسترده‌تر فراهم خواهد کرد: آیا یک مدل مبتنی بر محاسبات می‌تواند سریع‌تر از رویکرد سنتیِ متکی بر استعدادهای انسانی، ارزش تجاری ایجاد کند؟ موفقیت در این مسیر، این ایده را تأیید می‌کند که مقیاس‌پذیری عامل‌ها، و نه مهندسان، سریع‌ترین راه برای دستیابی به قابلیت‌های پیشرفته هوش مصنوعی است.

ریسک‌ها و استدلال‌های مخالف

این استراتژی با تردیدهایی روبروست. منتقدان خاطرنشان می‌کنند که توان محاسباتی خام، هر چقدر هم که عظیم باشد، نمی‌تواند جایگزین حل مسئله خلاقانه‌ای شود که پژوهشگران انسانی ارائه می‌دهند. سیستم‌های RSI همچنان به اهداف دقیق طراحی‌شده، بررسی‌های ایمنی و ابزارهای تفسیرپذیری نیاز دارند؛ حوزه‌هایی که تخصص انسانی در آن‌ها همچنان ضروری است. اختصاص ۴۱۰ میلیون دلار به خدمات ابری همچنین فرصت مانور بسیار کمی برای مواجهه با عقب‌گردهای غیرمنتظره، مانند هزینه‌های اضافی یا بن‌بست‌های الگوریتمی که منجر به بازگشت به تحقیقات تحت هدایت انسان می‌شود، باقی می‌گذارد.

نگرانی دیگر، زمان‌بندی است. حتی اگر Recursive محصولی را تا اکتبر عرضه کند، پذیرش آن ممکن است به دلیل وضعیت نوپای نرم‌افزارهای خود-بهبودبخش محدود باشد. شرکت‌ها ممکن است از ابزارهایی که فرآیندهای تصمیم‌گیری داخلی آن‌ها مبهم است دوری کنند، به‌ویژه با تشدید نظارت نهادهای تنظیم‌گر بر سیستم‌های هوش مصنوعی خودمختار.

آنچه باید در آینده زیر نظر داشت

  • عرضه محصول در اکتبر: یک محصول کاربردی مبتنی بر RSI، اولین آزمایش واقعی برای فرضیه «اولویت با محاسبات» خواهد بود. بازخوردهای اولیه کاربران و معیارهای عملکرد به دقت تحلیل خواهند شد.
  • به‌روزرسانی‌های زیرساخت AWS: خدمات جدید یا مدل‌های قیمت‌گذاری که در نتیجه این مشارکت اعلام می‌شوند، می‌توانند به استاندارد عملی برای سایر آزمایشگاه‌های هوش مصنوعی تبدیل شوند.
  • پویایی‌های تأمین مالی: اگر رویکرد Recursive کارآمد باشد، موجی از سرمایه ممکن است به سمت استارتاپ‌های سنگین از نظر محاسباتی سرازیر شود و محاسبات سرمایه‌گذاری خطرپذیر در حوزه هوش مصنوعی را تغییر دهد.
  • پاسخ‌های نظارتی: سیستم‌های خود-بهبودبخشِ قابل اثبات می‌توانند سیاست‌گذارانی را که نگران تصمیم‌گیری‌های خودمختار هستند، به خود جذب کنند و الزامات انطباق در آینده را شکل دهند.

خلاصه کلام

Recursive Superintelligence شرط می‌بندد که خرید محاسبات کافی می‌تواند از بازی سنتیِ استخدام مهندسان بیشتر پیشی بگیرد. قرارداد ۴۱۰ میلیون دلاری با AWS این قمار را آشکار می‌کند و عرضه محصول در ماه اکتبر، اولین معیار واقعی برای این خواهد بود که آیا در رقابت برای دستیابی به هوش مصنوعی پیشرفته، «تعداد عامل‌ها» واقعاً می‌تواند جایگزین «تعداد کارکنان» شود یا خیر.