از سرور تا مغز آدمیزاد؛ استراتژی تازه متا در هوش مصنوعی

گزارش‌هایی منتشر شده که نشان می‌دهد شرکت متا قصد دارد نزدیک به نیمی از سهام شرکت Scale AI را در ازای پرداخت ۱۵ میلیارد دلار تصاحب کند. این معامله چشم‌انداز تازه‌ای پیش روی اکوسیستم هوش مصنوعی می‌گذارد و یک سؤال بنیادین را مطرح می‌کند: پس از تأمین سخت‌افزار و زیرساخت‌های محاسباتی، چه چیزی بیش از همه برای آموزش مدل‌های هوشمند ضروری است؟ پاسخ ساده است؛ داده باکیفیت و هوش انسانی.

در سال‌های گذشته سرریز سرمایه‌گذاری در زیرساخت‌های ابری و مراکز داده، از تراشه‌های پیشرفته تا تأمین برق رایانه‌های کلان، جریان پیدا کرده است. اما حالا این منابع در دسترس به نقطه اشباع نزدیک شده‌اند و نگرانی درباره «اوج داده» (Peak Data) به زبان هشدارآمیزی که بنیان‌گذار اوپن‌ای‌آی مطرح کرد، شنیده می‌شود. اگر روزگاری برق و سرورها گلوگاه مسیر توسعه به‌شمار می‌رفتند، امروز داده خوب و انسان خبره، مرحله حیاتی بعدی محسوب می‌شوند.

نقش Scale AI در تولید و پالایش داده

Scale AI با تکیه بر تیم‌های انسانی متخصص، داده‌های خام را برچسب‌گذاری، تصحیح و دسته‌بندی می‌کند تا مدل‌ها بتوانند مفاهیمِ مختلف دنیای واقعی را درک کنند. به تعبیر مؤسس این شرکت، الکساندر وانگ، منابع عمومی با محدودیت مواجه شده و انواع تازه‌ای از محتوا که ارزش آموزشی دارند، دشوارتر در دسترس قرار می‌گیرند. اگر مدل‌ها قرار است پیچیده‌تر عمل کنند، باید «نشانه»های درست‌تری دریافت کنند؛ و این همان جایی است که تبحر انسانی از ماشین‌ها برتری پیدا می‌کند.

متا با سرمایه‌گذاری روی Scale AI در حقیقت در حال خرید قابلیت‌های تولید داده با کیفیت و جذب نیروی متخصصی است که بتواند هزاران ساعت داده تصویری، صوتی و متنی را برای مناسبت‌های آموزشی کنار هم قرار دهد. این فرآیند فرایندی زمان‌بر و پرهزینه است و خود یک صنعت مجزا را شکل داده است؛ صنعتی که هر مدل بزرگ نیاز دارد تا برای پیش‌بینی دقیق‌تر، نیروی انسانی آن را راهنمایی کند.

یادگیری تقویتی با بازخورد انسان؛ پلی میان هوش مصنوعی و متخصصان

عنوان RLHF یا «یادگیری تقویتی با بازخورد انسان» در دل این معامله خودنمایی می‌کند. در این رویکرد، پس از آنکه مدل مراحل ابتداییِ پیش‌بینی را پشت سر می‌گذارد، کارشناسان انسانی با اصلاح خطاها و امتیازدهی به خروجی‌ها، مسیر آموزش را اصلاح می‌کنند. نتیجه کار، مدلی است که نه فقط الگوهای آماری را تقلید می‌کند، بلکه معیارهای انسانیِ مرتبط با دقت و اخلاق را نیز در بر می‌گیرد.

در حالی که الگوریتم‌های خالص ممکن است صرفاً با بررسی همبستگی‌ها کار کنند، حضور مداوم نیروی انسانی تضمین می‌دهد که نتایج مدل با انتظارات واقعیِ کاربران منطبق باشد. به همین دلیل برخی از صاحب‌نظران برای این ترکیب استعاره «هوش سیری‌آنتروپ» یا «هوش اسب – انسان» پیشنهاد کرده‌اند؛ پدیده‌ای که در آن قدرت پردازش خودکار با دانش و درک پویا همراه می‌شود.

ملاحظات حریم خصوصی در کار با داده‌های کاریبر

یکی از محدودیت‌های اساسی در جذب داده‌ برای متا و شرکت‌های مشابه، قوانین حفاظت از حریم خصوصی است. در اروپا کاربران می‌توانند مانع استفاده از مطالب عمومی‌شان در اینستاگرام برای آموزش مدل‌ها شوند؛ در حالی که شهروندان آمریکا چنین حق سلبی ندارند. پرونده حقوقی ردیت علیه آنتروپیک مبنی بر «کپی‌برداری» بدون رضایت از محتوای کاربران، نمونه‌ای از تعارض میان نیاز به داده و حقوق کاربران است.

این تعارض، یکی از بزرگ‌ترین موانع توسعه هوش مصنوعی است؛ زیرا پیوستگی میان حجم مطلوب داده و احترام به حریم خصوصی باید با دقت تنظیم شود. شرکت‌ها برای جلب اعتماد افکار عمومی، باید شفافیت بیشتری در سیاست‌های داده‌محوری نشان دهند و شاید به مرور شیوه‌های جدیدی مثل داده‌های مصنوعی یا مدل‌های فدراسیون‌شده را جایگزین کنند.

رقابت بر سر منابع انسانی نخبه

اقدام متا در پیشنهاد خرید ۱۵ میلیارد دلار برای ۴۹ درصد سهام Scale AI، بیش از هر چیز نشانگر این است که نیروی انسانی ماهر در حوزه هوش مصنوعی به کالای نادری بدل شده است. تصاحب بنیان‌گذار و تیم اصلی Scale AI می‌تواند به معنای انتقال دانش ضمنی آنان به درون ساختار متا باشد؛ دانشی که شکل‌دهنده راهبردهای بلندمدت در پروژه‌های «ابرهوش» خواهد بود.

اگر زاکربرگ نخستین کسی باشد که موفق به ایجاد یک «ابرهوش» تجاری می‌شود، بازار میلیون‌ها دلاری مرتبط با خدمات هوش مصنوعی و افزونه‌های آن در دسترس شرکتش قرار خواهد گرفت. در چنین مسیری، ۱۵ میلیارد دلار نه هزینه که سرمایه‌گذاری راهبردی است؛ سرمایه‌ای که قرار است شکل‌دهنده نسل بعدی محصولات، خدمات و چشم‌اندازهای تازه در شبکه‌های اجتماعی و فراتر از آن باشد.

تأثیر بر اکوسیستم فناوری و آینده هوش مصنوعی

تأثیر این معامله فراتر از متا و Scale AI خواهد بود. وقتی یک غول فناوری حاضر است مبلغی معادل درآمد چهار سال یک شرکت نوپا را برای دسترسی به متخصصان و داده‌های پاک‌سازی‌شده بپردازد، سیگنالی به تمامی فعالان حاکم بر اکوسیستم است: سرآغاز دور جدید رقابت برای جذب انسان‌های نخبه و داده‌های تصفیه‌شده که قادرند مدل‌ها را به سطوح خلاقیت و دقت بالاتری برسانند.

هم‌زمان با این تحولات، انتظار می‌رود سایر شرکت‌های بزرگ نیز با ایجاد مشارکت‌های راهبردی یا سرمایه‌گذاری‌های سنگین وارد میدان شوند. چه بسا در آینده نزدیک، شاهد تأسیس مراکز مشترک پژوهش و آموزش داده باشیم که مهم‌ترین وظیفه‌شان، همگام‌سازی هوش ماشینی و تفکر انسانی و تولید داده‌های تخصصی در حجم‌های بالا باشد.

کلام آخر؛ انسان، عنصر گمشده پازل هوش مصنوعی

در نهایت، معامله احتمالی متا با Scale AI یک نشانه روشن است: پس از سرمایه‌گذاری‌های هنگفت در سخت‌افزار و زیرساخت‌های ابری، اکنون ارزشمندترین دارایی در دنیای هوش مصنوعی، سرمایه انسانی و داده‌های دست‌چین‌شده به دست انسان است. در مواجهه با پایان منابع رایگان، دستیابی به داده‌های باکیفیت و حفظ حق مالکیت کاربران، راز موفقیت مدل‌های آینده خواهد بود.

حرکت متا به سمت ترکیب ماشین و انسان در فرایند آموزش، نمایانگر بازگشتی به اصول بنیادین هوش مصنوعی است؛ یعنی همراهی توان محاسباتی با خرد انسانی. این راند تازه در رقابت صنعت فناوری، مشخص خواهد کرد که کدام شرکت‌ها می‌توانند از پسِ چالش «اوج داده» برآیند و به مرحله‌ای برسند که مدل‌ها نه فقط ابزار تحلیل که خلاقانی خودآموز و قابل اتکا شوند.ش