آیا پیشرفت هوش مصنوعی به بن‌بست رسیده است؟

به گزارش «نبض فناوری» به نقل از تکنا، یکی از اصلی‌ترین چالش‌ها در توسعه‌ی مدل‌های هوش مصنوعی، دسترسی به منابع محاسباتی قدرتمند مانند GPU است. تقاضای بالای این تراشه‌ها باعث کمبود و افزایش قیمت آن‌ها شده است. علاوه بر این، شرکت‌ها با محدودیت در دسترسی به داده‌های آموزشی باکیفیت مواجه هستند. داده‌های آموزشی با حجم بالا و متنوع برای آموزش مدل‌های بزرگ زبان ضروری هستند، اما پیدا کردن چنین داده‌هایی به خصوص داده‌های باکیفیت، به سادگی ممکن نیست.

کارشناسان معتقدند برای ادامه‌ی پیشرفت هوش مصنوعی، باید به دنبال راهکارهای جدیدی بود. به جای تکیه بر داده‌های متنی، می‌توان از داده‌های چندوجهی مانند تصاویر، صدا و ویدئو نیز استفاده کرد. بسیاری از شرکت‌ها دارای داده‌های خصوصی و ارزشمندی هستند که می‌توانند برای آموزش مدل‌های هوش مصنوعی استفاده شوند. به جای ساختن مدل‌های بسیار بزرگ، می‌توان مدل‌های کوچکتر و تخصصی‌تری را ایجاد کرد که برای وظایف خاصی بهینه شده باشند. داده‌های مصنوعی می‌توانند برای تکمیل داده‌های واقعی و بهبود عملکرد مدل‌ها استفاده شوند.

سام آلتمن، مدیرعامل OpenAI، معتقد است که پیشرفت هوش مصنوعی متوقف نشده است و پتانسیل‌های زیادی برای رشد وجود دارد. در مقابل، برخی دیگر مانند مارک اندریسن معتقدند که مدل‌های هوش مصنوعی به نقطه‌ی اشباع رسیده‌اند. اگرچه پیشرفت هوش مصنوعی با چالش‌هایی روبرو است، اما کارشناسان بر این باورند که با استفاده از راهکارهای نوآورانه می‌توان به این چالش‌ها غلبه کرد و به پیشرفت‌های بیشتری در این حوزه دست یافت.