ساتیا نادلا در عصر عاملهای هوش مصنوعی، نسبت به «توکن-ماکسینگ» هشدار داد
مدیرعامل مایکروسافت، ساتیا نادلا، هشدار تأملبرانگیزی را نسبت به «توکن-ماکسینگ» (token-maxing) صادر کرده است؛ یعنی تمایل به استفاده از مدلهای پیشرو (frontier models) پرهزینه برای وظایفی که هزینههای محاسباتی آنها را توجیه نمیکنند. نادلا ضمن اذعان به ماهیت اعتیادآور هوش مصنوعی قدرتمند، استدلال میکند که ارزش اقتصادی باید به جای مقیاس محض مدل، توسط کارایی هدایت شود.
تله اقتصادی توکن-ماکسینگ
نادلا در مصاحبهای اخیر، به یک عدم تعادل بحرانی در چشمانداز فعلی پیادهسازی هوش مصنوعی اشاره کرد. او اصطلاح «توکن-ماکسینگ» را برای توصیف بهکارگیری بدون تفکرِ پیشرفتهترین و پرمصرفترین مدلهای زبانی بزرگ (LLMs) برای هر وظیفه ممکنی ابداع کرد. از نظر نادلا، این مسئله اساساً مربوط به اقتصاد واحد (unit economics) است: «حقیقت تلخ این است که هزینه نهایی بهبود بهرهوری باید با هزینه نهایی هر توکن مطابقت داشته باشد.»
اگر شرکتی از یک مدل پیشرو عظیم و گرانقیمت برای حل یک مسئله پیشپاافتاده استفاده کند که یک مدل کوچکتر و تخصصیتر میتوانست از پس آن برآید، هزینه «توکن» از سود حاصل از افزایش تدریجی بهرهوری فراتر میرود. نادلا پیشنهاد میکند که برای اینکه هوش مصنوعی محرک رشد اقتصادی واقعی و پایدار باشد، صنعت باید به سمت مدیریت (orchestration) دقیقتر مدلها حرکت کند؛ بهگونهای که پیچیدگی ابزار با پیچیدگی مسئله همخوانی داشته باشد.
گذار از کدنویسی به پوشش شناختی
علیرغم هشدار او درباره کارایی، چشمانداز نادلا برای آینده مهندسی نرمافزار بهشدت نیازمند منابع است. او پیشبینی یک تغییر پارادایم را میکند که در آن توسعهدهندگان از نوشتن دستی نحو (syntax) فاصله گرفته و به سمت مدیریت انبوهی از عاملهای هوش مصنوعی حرکت میکنند. در این آینده، یک مهندس واحد ممکن است بر صدها یا حتی هزاران عامل خودمختار که در لحظه در حال تولید کد هستند، نظارت کند.
برای پیمودن این مسیر، نادلا مفهوم «پوشش شناختی» (cognitive coverage) را معرفی میکند. با گذار توسعهدهندگان از نویسنده به ناظر، مهارت اصلی آنها توانایی درک عمیق و بازرسی (audit) کدی خواهد بود که شخصاً ننوشتهاند. نادلا با تأکید بر اینکه اگرچه کار دستیِ کدنویسی کاهش مییابد، اما نیاز به تحصیلات عمیق در علوم کامپیوتر برای تضمین یکپارچگی سیستم، بیش از هر زمان دیگری باقی خواهد ماند، خاطرنشان کرد: «من مخزنی (repo) پر از کدهای نوشته شده توسط عاملها دارم. من دارم از نظر شناختی درک میکنم که چه اتفاقی افتاده است.»
چرا این موضوع برای اکوسیستم هوش مصنوعی اهمیت دارد
اظهارات نادلا نشاندهنده بلوغ صنعت هوش مصنوعی است. ما از مرحله «عنصر شگفتی» در مدلهای پیشرو عبور کرده و در حال ورود به عصر بهینهسازی و جریانهای کاری عاملمحور هستیم. برای توسعهدهندگان و بنیانگذاران، نتیجهگیری روشن است: ارزش آینده تنها در دسترسی به بزرگترین مدلها نیست، بلکه در ساخت لایههای پیچیده ارکستراسیون نهفته است که بتوانند مدل مناسب را در زمان مناسب مستقر کنند. برندگان این حوزه کسانی خواهند بود که بر «پوشش شناختی» تسلط یافته و در عین حال، انضباط مالی لازم را برای پرهیز از تلهی بیشسازی توکن حفظ کنند.
نکات کلیدی
- کارایی از هر چیزی مهمتر است: رشد اقتصادی واقعی در هوش مصنوعی مستلزم تطبیق هزینه نهایی توکنهای یک مدل با بهرهوری واقعی حاصل از آنهاست.
- ظهور پوشش شناختی: مهندسی نرمافزار از کدنویسی دستی به سمت نظارت و بازرسی سطح بالا بر پایگاههای کد عظیم تولیدشده توسط عاملها در حال حرکت است.
- ارکستراسیون عاملمحور: مرز بعدی توسعه شامل مدیریت هزاران عامل هوش مصنوعی است که برای حفظ کنترل، نیازمند دانش عمیق و بنیادی در علوم کامپیوتر است.