هیاهو در حال محو شدن است و مردم می‌پرسند که هوش مصنوعی مولد واقعا به چه درد می‌خورد و برای چه کاری خوب است. تا اینجای کار، هیچ کس پاسخ درخوری نداده است.
با انتشار خدمت ChatGPT از شرکت OpenAI در نوامبر ۲۰۲۲ دنیا را طوفان هوش مصنوعی مولد در بر گرفت.
تقریبا طی یک شب صد میلیون نفر شروع به استفاده از آن کردند.
سام آلتمن، مدیر عامل OpenAI، شرکتی که ChatGPT را ایجاد کرد، به یک نام آشنا تبدیل شد. و حداقل نیم دوجین شرکت در تلاش برای ساختن یک سیستم بهتر با OpenAI به رقابت پرداختند. خود OpenAI با جانشینی که احتمالاً GPT-5 نامیده شود، به دنبال پیشی گرفتن از مدل پرچمدارش GPT-4 است، که در مارس ۲۰۲۳ معرفی شده بود. تقریبا همه شرکت‌ها سخت در جستجوی راه‌هایی برای به کارگیری ChatGPT (یا فناوری مشابهی که توسط شرکتهای دیگر ساخته شده است) در کسب و کار خود هستند.
فقط یک نکته وجود دارد: هوش مصنوعی مولد آنقدرها هم خوب کار نمی‌کند، و شاید هرگز خوب کار نکند!
اساساً موتور هوش مصنوعی مولد یک "جاهای خالی پر کن" است، یا چیزی که گاهی در فضای مجازی به عنوان یک "تکمیل کننده خودکار به شدت تقویت شده" (autocomplete on steroids) می‌گویند.
چنین سیستم هایی در پیش بینی آنچه ممکن است در یک زمینه معین خوب یا قابل قبول به نظر برسد، عالی هستند، اما در درک سطح عمیق‌تری از آنچه که می‌گویند، ناتوانند.
به صورت ذاتی و ساختاری هوش مصنوعی قادر به راستی آزمایی (fact-checking) کار خودش نیست. این منجر به مشکلات بزرگی با «توهم» شده است، که در آن سیستم بدون داشتن صلاحیت، چیزهایی که درست نیستند را در حالی اظهار می‌کند که اشتباهات احمقانه در همه چیز از حساب گرفته تا علم در آن وارد کرده است. این سیستم‌ها نسخه‌های نمایشی شگفت انگیزی می‌سازند اما خودشان اغلب محصول بی‌کفیتی هستند.
اگر سال ۲۰۲۳ سال هیاهوی هوش مصنوعی بود، سال ۲۰۲۴ سال سرخوردگی هوش مصنوعی بوده است. چیزی که در آگوست ۲۰۲۳ با شک و تردید اولیه در مورد آن صحبت می‌شد، بیشتر احساس می‌شود: هوش مصنوعی مولد ممکن است به درد نخور باشد.
سودی وجود ندارد - برآوردها نشان می‌دهد که زیان عملیاتی OpenAI در سال ۲۰۲۴ ممکن است ۵ میلیارد دلار باشد - و ارزش گذاری بیش از ۸۰ میلیارد دلار با این فقدان سود مطابقت ندارد. در همین حال، به نظر می رسد بسیاری از مشتریان نسبت به انتظارات اولیه فوق العاده بالایی که حالا دیگر عادی شده، از کاری که واقعا می‌توانند با ChatGPT انجام دهند ناامید شده‌اند.
علاوه بر این، اساساً به نظر می‌رسد که همه شرکتهای بزرگ با دستور العمل یکسانی کار می‌کنند، مدل‌های زبانی بزرگ و بزرگتر می‌سازند اما همگی کمابیش در جایگاه یکسانی قرار می‌گیرند، یعنی مدل‌هایی که تقریبا به خوبی GPT-4 هستند، اما خیلی بهتر از آن نیستند. این بدین معناست که هیچ شرکتی توانایی دفاع از محصول خود در طول زمان را ندارد، و به نوبه خود به این معنی است که سود در حال کاهش است. OpenAI از قبل مجبور به کاهش قیمت شده است. اکنون متا فناوری مشابهی را به صورت رایگان ارائه می‌دهد.
در زمان نگارش این متن OpenAI در حال نمایش محصولات جدیدی است اما واقعا آنها را منتشر نکرده است.
اگر GPT-5 تا قبل از پایان سال 2025 با پیشرفت بزرگی که شایسته این نام باشد به بازار نیاید، و به طور قطعی بهتر از آنچه رقبای خود می‌توانند ارائه دهند نباشد، شکوفایی آن از بین خواهد رفت. شور و شوقی که OpenAI را حمایت و تقویت می‌کرد از بین می‌رود و از آنجایی که OpenAI نماد و نماینده‌ی این حوزه است، ممکن است همه چیز به زودی از بین برود.
رهبران فناوری کسب‌وکار در حال پایان دادن به دو سال آزمایش‌های سریع هوش مصنوعی در شرکتهای خود هستند و دلارهای هوش مصنوعی خود را صرف پروژه‌های اثبات‌شده‌ای با تمرکز بر بازگشت سرمایه می‌کنند.
جانی لیروی، مدیر ارشد فناوری تامین کننده صنعتی W.W. گرینگر: «زمانی که هوش مصنوعی مولد به وجود آمد، مقدار مشخصی از بودجه اختیاری وجود داشت که می‌توانستیم برای تجربه و آزمایش برخی از این فناوری به آن نگاه کنیم.» اما در واقع برای مقیاس فراتر از برخی از این آزمایش‌ها، ما نیاز به ارائه یک توجیه تجاری بهتر را مشاهده می‌کنیم.
اریک برینیولفسون، یکی از بنیانگذاران شرکت تحقیقاتی و نرم افزاری Workhelix، روز دوشنبه در نشست شبکه CIO وال استریت ژورنال در نیویورک گفت: در حالی که رهبران فناوری قبلاً از نعمت رهبری شرکتهای خود برای آزمایش آزادانه هوش مصنوعی برخوردار بودند، "اکنون پنجره آزمایش ما عمدتاً بسته شده است."
"امسال سالی است که باید انتظار نتایج تجاری داشته باشید." وی افزود این فناوری به اندازه کافی بالغ است که بتواند این نتایج را ارائه دهد. "این زمانی است که باید مزایای آن را دریافت کنید و امیدوار باشید که رقبای شما همچنان در حال بازی و آزمایش هستند."
فیلیپ راتل، مدیر ارشد فناوری شرکت نرم‌افزاری پایگاه داده گراف Neo4j، در این رویداد گفت: مشکل این است که تقریباً ۷۰ درصد از پروژه‌های هوش مصنوعی مولدِ مشتریان تجاری هنوز در مرحله آزمایشی یا تجربی گیر کرده‌اند. وی افزود به عنوان مثال مدل‌های هوش مصنوعی مولد در خلاصه کردن متن خوب هستند، اما در انجام وظایف پیچیده‌تر توانایی کمتری دارند.
ناوین رائو، معاون هوش مصنوعی مولد در شرکت داده‌های ابری Databricks، گفت: حدود ۹۰ درصد از آزمایش‌های هوش مصنوعی مولد فراتر از آزمایشگاه پیش نمی‌روند. او گفت: "دقت و قابلیت اطمینان مشکل بزرگی است."
https://www.wired.com/story/generative-ai-will-need-to-prove-its-usefulness/
https://fortune.com/2024/08/06/generative-ai-reality-check-tech-selloff-new-phase-less-hype-more-roi/
https://www.wsj.com/articles/companies-had-fun-experimenting-with-ai-now-they-have-to-show-the-returns-2a683592
