چرا جامعه منبع باز ممکن است بزرگترین برنده پیامد OpenAI باشد

امروز صبح، مایکروسافت این حرکت غافلگیرکننده را انجام داد استخدام سم آلتمن و گرگ براکمن، به ترتیب مدیر عامل و رئیس سابق OpenAI. به نظر می رسد این تصمیم استراتژیک تلاش مایکروسافت برای نجات آنچه می تواند از هرج و مرج است که آزمایشگاه تحقیقاتی پیشرو هوش مصنوعی را درست قبل از آخر هفته، زمانی که هیئت مدیره غیرانتفاعی ناظر OpenAI تصمیم گرفت آتش آلتمن.

با این حال، فصل آخر کودتای OpenAI هنوز نوشته نشده است. چندین محقق قبلاً ترک کرده اند و صدها کارمند و همچنین مدیران ارشد OpenAI این کار را انجام داده اند در شورش برخلاف تصمیم هیئت مدیره رابطه بین مایکروسافت و OpenAI نیز نامشخص است، زیرا مایکروسافت قصد دارد یک بازوی تحقیقاتی داخلی با Altman و Brockman راه اندازی کند که بدون شک با OpenAI رقابت خواهد کرد.

با این حال یک چیز واضح است: OpenAI هرگز یکسان نخواهد بود. همین امر را می توان در مورد محصولاتش از جمله ChatGPT و پلتفرم API آن نیز گفت. این تحول به عنوان یادآور وضعیت سیال صنعت هوش مصنوعی پیشرفته است. دانشمندان، مهندسان و فیلسوفان به بحث در مورد خطرات سیستم های پیشرفته هوش مصنوعی و تهدیدات وجودی هوش عمومی مصنوعی (AGI) ادامه خواهند داد.

احتمالاً چنین درگیری‌هایی دوباره رخ خواهد داد، به‌ویژه در آزمایشگاه‌های هوش مصنوعی که تلاش می‌کنند بین ماموریت دوگانه تحقیق و توسعه محصول تعادل برقرار کنند.

بنابراین، شرکت‌هایی که محصولات و برنامه‌های کاربردی را در بالای پلتفرم OpenAI ساخته‌اند، باید استراتژی‌های خود را ارزیابی کنند، زیرا آینده شرکت در تعادل است.

در این زمینه، بازار مدل های منبع باز ممکن است بزرگترین برنده باشد. برخلاف سیستم‌های منبع بسته مانند پلتفرم OpenAI، مدل‌های منبع باز کنترل و مسئولیت کامل را به کسانی که از آنها در محصولات خود استفاده می‌کنند، می‌دهند. آنها یک نقطه شکست ندارند، مانند یک سرور API یا یک هیئت متخاصم که نمی تواند تصمیم بگیرد که ارسال محصول را تسریع کند یا ترمز کند و خطرات x را اندازه گیری کند.

شرکت‌ها می‌توانند تصمیم بگیرند که کجا و چگونه مدل‌های منبع باز را اجرا کنند، خواه این مدل‌ها روی سرورهای خودشان باشد، در یک ابر عمومی یا در یک پلت‌فرم سرویس‌دهی مدل. اکثر پلتفرم های ابری اصلی دسترسی آماده به مدل های منبع باز مانند Llama 2، Mistral، Falcon و MPT را فراهم می کنند. این شامل Microsoft Azure AI Studio و بستر آمازونو همچنین استارت آپ های متعددی که دسترسی آسان به نسخه های میزبانی شده مدل های منبع باز را ارائه می دهند. این طیف گسترده از گزینه ها به شرکت ها اجازه می دهد تا مدل ها را مطابق زیرساخت موجود خود اجرا کنند.

علاوه بر این، مدل‌های منبع باز معمولاً عملکرد پایدارتری نسبت به مدل‌های خصوصی دارند. در سال گذشته، گزارش های متعددی مبنی بر تنزل عملکرد مدل OpenAI (یا به طور دقیق تر، تغییر می کند) در حالی که شرکت به بازآموزی، اصلاح و تغییر اقدامات حفاظتی ادامه می دهد. این مدل‌ها به‌طور موثر جعبه‌های سیاه درون جعبه‌های سیاه هستند و دستیابی به خروجی‌های پایدار را دشوار می‌سازد.

در مقابل، مدل‌های منبع باز عملکرد پایداری را ارائه می‌دهند و شرکت‌ها تصمیم می‌گیرند چه زمانی به‌روزرسانی شوند، چه تدابیری را رعایت کنند، و از قفل‌های وحشت‌زده به دلیل کاربران تصادفی که جیلبریک‌های آنلاین را پست می‌کنند، اجتناب می‌کنند. چشم انداز مدل منبع باز نیز به لطف اشتراک دانش بین محققان و توسعه دهندگان به سرعت در حال پیشرفت است.

در حال حاضر ابزارها و تکنیک های زیادی برای سفارشی کردن LLM های منبع باز برای برنامه های خاص وجود دارد که برای مدل های خصوصی در دسترس نیستند. شرکت ها می توانند از کوانتیزاسیون برای کاهش هزینه های مدل های در حال اجرا یا کارمندان استفاده کنند سازگاری با رتبه پایین برای تنظیم دقیق آنها با کسری از هزینه واقعی، اجازه می دهد هزاران مدل برای اجرا روی یک GPU مدل های منبع باز را می توان برای انواع برنامه ها و بودجه ها نصب کرد.

مشکل شرکت‌هایی مانند OpenAI این است که آنها سعی می‌کنند به طور همزمان با دو چیز مقابله کنند: دستیابی به AGI و ارائه محصولات سودآور برای تأمین مالی تحقیقات خود. همانطور که حماسه OpenAI نشان می دهد، این دو هدف گاهی اوقات می توانند کاملاً متضاد باشند.

در واقعیت، بیشتر شرکت‌ها AGI نمی‌خواهند. و در بیشتر موارد، آنها نیازی به مدل های پیشرفته با تریلیون ها پارامتر ندارند. چیزی که آنها نیاز دارند، پایه ای محکم است که بتوانند بر روی آن برنامه های کاربردی LLM پایدار بسازند، حتی اگر یک مدل زبان بزرگ (LLM) با چند میلیارد پارامتر باشد. این فرصتی است که اکوسیستم منبع باز فراهم می کند. همانطور که پیامدهای OpenAI همچنان آشکار می شود، شرکت های بیشتری احتمالاً به سمت LLM های منبع باز هجوم خواهند آورد.

پلتفرم هایی مانند ChatGPT برای نمونه سازی سریع و کاوش در قابلیت های فناوری پیشرفته هوش مصنوعی مفید خواهند بود. اما هنگامی که آنها برنامه مناسب را پیدا کردند، شرکت ها با سرمایه گذاری در فناوری که بدون توجه به سیاست شرکت توسعه دهنده آن باقی می ماند، خدمات بهتری دریافت خواهند کرد.