یان لکان درباره حباب قریب‌الوقوع برای OpenAI و Anthropic هشدار داد

یان لکان، دانشمند ارشد هوش مصنوعی Meta، هشدار شدیدی در مورد پایداری اقتصادی چشم‌انداز فعلی هوش مصنوعی مولد صادر کرده است. لکان در گفتگوی اخیر خود با CNBC اشاره کرد که آزمایشگاه‌های پیشرو مانند OpenAI و Anthropic به دلیل ساختارهای هزینه‌ای ناپایدار، به سمت یک «انفجار حباب بزرگ» پیش می‌روند.

گسست اقتصادی در هوش مصنوعی مولد

هسته اصلی استدلال لکان در شکاف رو به گسترش میان هزینه‌های سرسام‌آور اجرای مدل‌های زبانی بزرگ (LLMs) و مدل‌های قیمت‌گذاری موجود برای مصرف‌کنندگان نهفته است. در حالی که توان محاسباتی مورد نیاز برای آموزش و اجرای مدل‌های پیشرو همچنان به صورت نمایی در حال افزایش است، هزینه‌های عملیاتی با نرخ متناسب کاهش نمی‌یابند.

این اصطکاک اقتصادی سناریویی را ایجاد کرده است که در آن شرکت‌های هوش مصنوعی عملاً در هر پرس‌وجو (query) در حال ضرر دادن هستند و سرمایه‌های عظیم سرمایه‌گذاران به عنوان یارانه برای استفاده در دنیای واقعی عمل می‌کند. این دیدگاه توسط سم آلتمن، مدیرعامل OpenAI نیز تایید شده است؛ او اخیراً هزینه بالای هوش مصنوعی برای کسب‌وکارها را یک «مسئله بزرگ» توصیف کرد. بدون یک تغییر اساسی — چه از طریق کاهش شدید هزینه‌ها و چه از طریق افزایش قیمت خدمات — مدل کسب‌وکار فعلی برای ارائه‌دهندگان LLM همچنان متزلزل باقی خواهد ماند.

انتقادات از xAI و جنگ استعدادها

لکان انتقادات خود را به غول‌های این صنعت محدود نکرد و xAI متعلق به ایلان ماسک را نیز هدف قرار داد. لکان با توصیف این استارتاپ به عنوان «نوعی شکست»، به بی‌ثباتی داخلی اشاره کرد و به‌طور مشخص خاطرنشان کرد که تیم بنیان‌گذار آن جدا شده‌اند و ماسک با دشواری فزاینده‌ای در جذب استعدادهای مهندسی سطح بالا روبرو است.

لکان نسبت به اینکه xAI بتواند به طور مؤثر با سرعت تحقیق و مقیاس مشاهده شده در OpenAI یا Anthropic رقابت کند، ابراز تردید کرد. این نقد نشان‌دهنده تنش رو به رشدی در این صنعت است: در حالی که سرمایه فراوان است، تمرکز استعدادهای نخبه و تخصص‌های ویژه در حال تبدیل شدن به گلوگاه اصلی برای توسعه مدل‌های پیشرو است.

مدل‌های جهان در مقابل مدل‌های زبانی بزرگ

این هشدار در لحظه‌ای حساس برای فلسفه فنی خود لکان مطرح می‌شود. لکان به جای تمرکز مضاعف بر معماری LLM مبتنی بر transformer که بر بازار مسلط است، از توسعه «مدل‌های جهان» (world models) حمایت می‌کند. این‌ها سیستم‌هایی هستند که برای ایجاد درک بنیادی از واقعیت فیزیکی و رابطه علت و معلولی طراحی شده‌اند، نه اینکه صرفاً توکن بعدی را در یک دنباله پیش‌بینی کنند.

کسب‌وکار او، AMI Labs، اخیراً ۱ میلیارد دلار برای دنبال کردن این مسیر خاص جذب کرده است. این نشان‌دهنده یک واگرایی استراتژیک در چشم‌انداز هوش مصنوعی است: در حالی که «کمپ LLM» برای مقیاس‌پذیری و کارایی محاسباتی می‌جنگد، «کمپ مدل جهانی» (world model camp) به دنبال حل مسائل استدلال و تجسم (embodiment) است که مدل‌های مولد فعلی هنوز برای تسلط بر آن‌ها در تکاپو هستند. اگر حباب LLM بترکد، می‌تواند باعث بازتخصیص عظیم سرمایه به سمت این رویکردهای متنوع‌تر از نظر معماری شود.

نکات کلیدی

• شکنندگی اقتصادی: آزمایشگاه‌های پیشرو هوش مصنوعی در حال حاضر برای پوشش شکاف بین هزینه‌های عملیاتی بالا و قیمت‌گذاری قابل‌عرضه در بازار، به یارانه‌های سرمایه‌گذاران متکی هستند.
• واگرایی استراتژیک: یک شکاف فنی رو به رشد بین مقیاس‌گذاری LLMها و دنبال کردن «مدل‌های جهانی» که هدفشان درک فیزیکی واقعی است، وجود دارد.
• گلوگاه‌های استعداد: توانایی جذب و حفظ پژوهشگران تراز اول، به اندازه دسترسی به خوشه‌های محاسباتی عظیم برای بقای شرکت‌ها حیاتی می‌شود.