هشت پروژه از 10 پروژه مرتبط با هوش مصنوعی شکست می خورند و میلیاردها بودجه می سوزند. تحقیقات جدید نشان می دهد که چرا این صنعت یک صنعت پرخطر است

OpenAI، استارت‌آپ میلیارد دلاری که انقلاب مولد هوش مصنوعی را با ChatGPT آغاز کرد، پیش‌بینی می‌شود در سال 2024 ضرر 5 میلیارد دلاری را متحمل شود. گفته می شود که ارزش آن پس از تزریق یک میلیارد دلار به 100 میلیارد دلار افزایش می یابد.

به یاد داشته باشید که این تنها یک شرکت است که مدل‌های هوش مصنوعی خود را آموزش می‌دهد، و چندین شرکت دیگر نیز شاهد همان بحران مالی هستند. هوش مصنوعی همچنان داغ‌ترین روند در صنعت فناوری است، اما کاملاً بی‌ثبات است و می‌تواند مانند فردایی وجود نداشته باشد. گروهی از دانشمندان و مهندسان تخمین زده‌اند که 80 درصد از این پروژه‌ها با شکست مواجه می‌شوند و دلایل آن را به همراه ارائه برخی راه‌حل‌ها برجسته می‌کنند.

یکی از دلایل شکست پروژه‌های هوش مصنوعی این است که بنیانگذاران شرکت نمی‌دانند کدام مشکل نیاز به حل دارد و تنها بر نمایش فناوری به دیگران متمرکز هستند

یک اندیشکده سیاست جهانی غیرانتفاعی، موسسه تحقیقاتی و شرکت مشاوره بخش دولتی به نام RAND Corporation پنج دلیل را برای شکست 80 درصد پروژه های هوش مصنوعی برجسته کرده است. اولین و مهمترین دلیل این است که «ذینفعان صنعت» به اشتباه درک می کنند که چه مشکلی باید در طول هوش مصنوعی حل شود. دلیل دیگر پروژه‌های شکست خورده این است که شرکت‌ها داده‌های کافی برای آموزش مؤثر یک مدل هوش مصنوعی را ندارند، که منجر به نتایج ناهمواری می‌شود که کاربران را از استفاده مجدد از این پلتفرم منصرف می‌کند.

مسائل بیشتر، مانند زیرساخت ناکافی می‌تواند سرعت شکست پروژه هوش مصنوعی را تسریع کند، و با فرض اینکه منابع فراوان هستند، بنیان‌گذاران شرکت بیشتر بر نمایش برتری فناوری در مقابل رقبا تمرکز می‌کنند تا ارزشی برای کاربران. در حالی که می‌توانید دلایل باقی‌مانده‌ای را که باعث تسریع سقوط یک پروژه می‌شوند بررسی کنید، شرکت RAND راه‌حل‌هایی برای کاهش خطرات شکست ارائه کرده است.

یکی از آنها سرمایه گذاری در زیرساخت است، زیرا تمرکز بر روی این زمینه نه تنها زمان لازم برای تکمیل آموزش مدل هوش مصنوعی را کاهش می دهد، بلکه می تواند یک مزیت بزرگ را نیز ارائه دهد. داده های با کیفیت بالا برای آموزش موثر سایر مدل های هوش مصنوعی در دسترس است. بنیانگذاران همچنین باید بدانند که هوش مصنوعی یک گلوله جادویی نیست و محدودیت‌های خود را دارد.

در حالی که آموزش موثر یک مدل هوش مصنوعی می‌تواند منجر به محصولی قوی‌تر شود، ما ChatGPT را به عنوان یک نمونه با ارزش داریم، زیرا این مدل بر روی ترابایت داده آموزش داده است و همچنان می‌تواند نتیجه نادرستی ایجاد کند. در مجموع هفت راه حل در گزارش ذکر شده است، بنابراین می توانید همه آنها را مرور کنید و در صورت موافقت با این راه حل ها، در نظرات به ما اطلاع دهید.

منبع خبر: RAND