هل تصبح نماذج الذكاء الاصطناعي سلعًا؟

أثار ساتيا ناديلا، الرئيس التنفيذي لشركة مايكروسوفت، مؤخرًا جدلاً باقتراحه أن نماذج الذكاء الاصطناعي المتقدمة تتجه نحو التبسيط. لاحظ ناديلا في بودكاست أن النماذج الأساسية تصبح متشابهة بشكل متزايد ومتاحة على نطاق واسع، إلى الحد الذي يصبح فيه “النماذج بحد ذاتها غير كافية” للحفاظ على ميزة تنافسية دائمة. وأشار إلى أن OpenAI – على الرغم من شبكاتها العصبية المتقدمة – “ليست شركة نماذج، بل شركة منتجات ت happened إلى memiliki نماذج رائعة”، مشيرًا إلى أن الفائدة الحقيقية تأتي من بناء المنتجات حول النماذج.

في outras كلمات، قد لا يضمن الحصول على أكثر النماذج تقدمًا مكانة قيادية في السوق، حيث يمكن أن يكون أي تقدم في الأداء قصير الأجل في مواجهة وتيرة الابتكار السريع في مجال الذكاء الاصطناعي.

تحمل وجهة نظر ناديلا وزنًا في صناعة حيث يتنافس العمالقة التكنولوجية على تدريب نماذج أكبر. يُشير حجته إلى تحول في التركيز: بدلاً من الانشغال بالتفوق في النماذج، يجب على الشركات توجيه طاقتها نحو دمج الذكاء الاصطناعي في “مجموعة نظام كاملة ومنتجات ناجحة”.

هذا يُشير إلى مشاعر أوسع بأن اختراقات الذكاء الاصطناعي اليوم تصبح ميزات أساسية غدًا. مع تصبح النماذج أكثر стандاردة وسهولة الوصول، ينتقل الضوء إلى كيفية تطبيق الذكاء الاصطناعي في الخدمات الواقعية. قد تكون الشركات مثل مايكروسوفت وغوغل، مع نظام بيئي واسع للمنتجات، في أفضل وضع للاستفادة من هذا الاتجاه لتبسيط الذكاء الاصطناعي عن طريق دمج النماذج في عروض سهلة الاستخدام.

توسيع الوصول والنماذج المفتوحة

لم يكن يُستطيع إلا عدد قليل من المختبرات بناء نماذج الذكاء الاصطناعي المتقدمة، ولكن هذه الحصرية تختفي بسرعة. تصبح قدرات الذكاء الاصطناعي متاحة بشكل متزايد للمنظمات وأ thậmن الأفراد، مما يغذي فكرة النماذج كسلع. قارن باحث الذكاء الاصطناعي أندرو إنغ منذ عام 2017 بين إمكانات الذكاء الاصطناعي و”الكهرباء الجديدة”، مشيرًا إلى أن الذكاء الاصطناعي يمكن أن يصبح مرافقًا أساسيًا متاحًا من العديد من الموردين.

ساهمت الانتشار الحديث للنماذج مفتوحة المصدر في تسريع هذا الاتجاه. على سبيل المثال، أصدرت Meta (شركة أم للفيسبوك) نماذج لغة قوية مثل LLaMA بشكل مفتوح للمطورين والباحثين بدون تكلفة. والمنطق هو استراتيجي: من خلال إتاحة الذكاء الاصطناعي مفتوح المصدر، يمكن لشركة Meta حث على تبني أوسع والحصول على مساهمات المجتمع، مع التقليل من ميزة المنافسين المملوكة.

في مجال توليد الصور، أظهر نموذج Stable Diffusion من Stability AI كيف يمكن أن يصبح اختراق سريعًا سلعة: في غضون أشهر من إطلاقه المفتوح في عام 2022، أصبح اسمًا منزليًا في الذكاء الاصطناعي التوليدي، متاحًا في تطبيقات لا حصر لها. وفي الواقع، النظام البيئي مفتوح المصدر ينتفض – هناك عشرات الآلاف من نماذج الذكاء الاصطناعي متاحة بشكل عام في مستودعات مثل Hugging Face.

هذا يعني أن المنظمات لم تواجه خيارًا ثنائيًا بين دفع ثمن نموذج واحد سري أو لا شيء على الإطلاق. بدلاً من ذلك، يمكنهم الاختيار من قائمة من النماذج (مفتوحة أو تجارية) أو حتى تحسين نماذجهم الخاصة، مثل اختيار السلع من كتالوج.

العمالقة السحابية تحول الذكاء الاصطناعي إلى خدمة مرافق

كانت مقدمو الخدمات السحابية الكبار من المسهِمين الرئيسيين – والمحركين – لتبسيط الذكاء الاصطناعي. تقدم شركات مثل مايكروسوفت وأمازون وغوغل نماذج الذكاء الاصطناعي كخدمات حسب الطلب، مشابهة للخدمات المرافقية التي يتم توفيرها عبر السحابة. لاحظ ناديلا أن “النماذج تتبسط في [السحابة]”، مشيرًا إلى كيفية جعل السحابة الذكاء الاصطناعي متاحًا على نطاق واسع.

في الواقع، يسمح شراكة Azure السحابية من مايكروسوفت مع OpenAI لأي مطور أو شركة الاستفادة من GPT-4 أو نماذج رائدة أخرى من خلال استدعاء واجهة برمجة التطبيقات، دون بناء الذكاء الاصطناعي الخاص بهم من الصفر. ذهبت منصة Bedrock من Amazon Web Services (AWS) خطوة أبعد مع منصة سوق النماذج. تقدم AWS Bedrock مجموعة من النماذج الأساسية من شركات الذكاء الاصطناعي الرائدة – من نماذج أمازون الخاصة إلى تلك من Anthropic وAI21 Labs وStability AI وغيرها – جميعها متاحة من خلال خدمة واحدة موحدة.

يُجسد هذا النهج “نماذج متعددة، منصة واحدة” التبسيط: يمكن للعملاء اختيار النموذج الذي يناسب احتياجاتهم وتغيير الموردين بسهولة نسبية، كما لو كانوا يشترون سلعة.

التفريق ما وراء النموذج نفسه

إذا كان الجميع يمتلكون وصولًا إلى نماذج الذكاء الاصطناعي المماثلة، كيف تتميز شركات الذكاء الاصطناعي عن بعضها البعض؟ هذا هو جوهر جدل التبسيط. يُشير الإجماع بين قادة الصناعة إلى أن القيمة ستكون في تطبيق الذكاء الاصطناعي، وليس فقط الخوارزمية. تعكس استراتيجية OpenAI نفسها هذا التحول. ركزت الشركة في السنوات الأخيرة على تقديم منتج متقن (ChatGPT وواجهة برمجة التطبيقات) ونظام بيئي من التحسينات – مثل خدمات التحسين الدقيق، وإضافات البرنامج، وواجهات المستخدم سهلة الاستخدام – بدلاً من إصدار رمز النموذج الخام.

في الممارسة، يعني ذلك تقديم أداء موثوق، وخيارات تخصيص، وأدوات مطور حول النموذج. بشكل مماثل، قناة فرق DeepMind وBrain التابعة لشركة غوغل، التي أصبحت الآن جزءًا من غوغل DeepMind، إلى منتجات غوغل مثل البحث، وتطبيقات المكتب، وواجهات برمجة التطبيقات السحابية – دمج الذكاء الاصطناعي لجعل هذه الخدمات أكثر ذكاءً. بالتأكيد، فإن التقدّم الفني للنموذج مهم، لكن غوغل تعرف أن المستخدمين يهتمون في النهاية بتجارب تمكّنها الذكاء الاصطناعي (محرك بحث أفضل، مساعد رقمي أكثر فائدة، إلخ)، وليس اسم النموذج أو حجمه.

نحن نشهد أيضًا الشركات تتميز من خلال التخصص. بدلاً من نموذج واحد يحكم الجميع، تبني بعض شركات الذكاء الاصطناعي نماذج مخصصة لمجالات أو مهام محددة، حيث يمكن أن يطالبوا بميزة جودة أفضل حتى في مشهد متبسط. على سبيل المثال، هناك شركات بدء تشغيل تركز حصريًا على تشخيص الصحة، أو المالية، أو القانون – مجالات حيث يمكن أن يؤدي البيانات والخبرة في المجال إلى نموذج أفضل لذلك النشاط أكثر من نظام عام الغرض.

آثار اقتصادية لتبسيط الذكاء الاصطناعي

تحمل تبسيط نماذج الذكاء الاصطناعي آثارًا اقتصادية كبيرة. في المدى القصير، يؤدي إلى خفض تكلفة قدرات الذكاء الاصطناعي. مع وجود منافسين متعددين وبدائل مفتوحة، كانت أسعار خدمات الذكاء الاصطناعي في انخفاض مستمر يذكرنا بسوق السلع الكلاسيكية.

على مدار العامين الماضيين، قامت OpenAI وموردين آخرين بقطع أسعار وصول إلى نماذج اللغة بشكل كبير. على سبيل المثال، انخفض سعر رمز OpenAI لنماذج سلسلة GPT بنسبة تزيد عن 80٪ من عام 2023 إلى عام 2024، ويرجع ذلك إلى زيادة المنافسة والتحسينات في الكفاءة.

كما يضطر المشاركون الجدد الذين يقدمون نماذج أرخص أو مفتوحة إلى تقديم المزيد مقابل أقل – سواء من خلال مستويات مجانية، أو إصدارات مفتوحة المصدر، أو صفقات حزمة. هذا هو خبر جيد للمستهلكين والشركات التي تتبنّى الذكاء الاصطناعي، حيث تصبح القدرات المتقدمة أكثر فقرًا. كما يعني ذلك أن технологيا الذكاء الاصطناعي تنتشر بشكل أسرع عبر الاقتصاد: عندما تصبح شيء أرخص وأكثر стандاردة، تتضمن أكثر الصناعات ذلك، مما يدفع الابتكار (مثل كيفية تكنولوجيا أجهزة الكمبيوتر الشخصية الرخيصة في عام 2000 إلى انفجار البرمجيات وخدمات الإنترنت).

نحن نشهد بالفعل موجة من تبني الذكاء الاصطناعي في قطاعات مثل خدمة العملاء، والتسويق، والعمليات، مدفوعة بنماذج وخدمات متاحة بسهولة. يمكن أن يوسع توافر أوسع سوقًا عامًا لحلول الذكاء الاصطناعي، حتى لو تقلّ هامش الربح على النماذج نفسها.

ديناميات اقتصادية لتبسيط الذكاء الاصطناعي (Unite AI/Alex McFarland)

ومع ذلك، يمكن أن يغير التبسيط أيضًا المنظر التنافسي بطرق محددة.对于 مختبرات الذكاء الاصطناعي الراسخة التي استثمرت مليارات في تطوير نماذج متقدمة، يثير احتمال أن تؤدي هذه النماذج فقط إلى ميزة مؤقتة أسئلة حول عائد الاستثمار. قد يحتاجون إلى تعديل نماذج أعمالهم – على سبيل المثال، التركيز على خدمات المؤسسات، أو ميزات البيانات المملوكة، أو منتجات الاشتراك مبنية على النماذج، بدلاً من بيع وصول واجهة برمجة التطبيقات فقط.

هناك أيضًا عنصر سباق التسلح: عندما يتم مواجهة أو تجاوز أي اختراق في الأداء بسرعة من قبل الآخرين (أو حتى من قبل المجتمعات مفتوحة المصدر)، يضيق نافذة الاستفادة من نموذج جديد. يدفع هذا الوضع الشركات إلى النظر في حواجز اقتصادية بديلة. واحدة من هذه الحواجز هي التكامل مع بيانات مملوكة (التي لا يتم تبسيطها) – يمكن أن يكون الذكاء الاصطناعي المعدل على بيانات شركة غنية أكثر قيمة لشركة من أي نموذج جاهز.

أخيرًا، هناك سباق بناء ولاء المستخدم ونظم بيئية حول خدمات الذكاء الاصطناعي. بمجرد أن تدمج شركة نموذج الذكاء الاصطناعي بشكل عميق في تدفق عملها (مع محفزات مخصصة، وتكاملات، وبيانات مخصصة)، لا يكون تغيير النموذج أمرًا سهلًا. تحاول مقدمو خدمات مثل OpenAI ومايكروسوفت وغيرهم زيادة هذه اللزوجة من خلال تقديم منصات شاملة – من أدوات تطوير البرمجيات إلى أسواق إضافات الذكاء الاصطناعي – التي تجعل نكهتهم من الذكاء الاصطناعي أكثر من حل كامل العمودي من مجرد سلعة قابلة للتبادل.

الشركات تتحرك في سلسلة القيمة: عندما لا يكون النموذج نفسه خندقًا، يأتي التمييز من كل ما يحيط بالنموذج – البيانات، وتجربة المستخدم، والخبرة الرأسية، والتكامل في الأنظمة الحالية.