یک لابراتوار تازه در دنیای هوش مصنوعی با نام Flapping Airplanes راهاندازی شده که میخواهد مسیر متفاوتی نسبت به غولهای فعلی این حوزه طی کند. این شرکت با سرمایه اولیه ۱۸۰ میلیون دلاری از سوی سرمایهگذاران بزرگی مانند Google Ventures، سکوییا و Index آغاز به کار کرده و هدفش توسعه رویکردی پژوهشمحور برای ساخت مدلهای زبانی بزرگ است.
ترکیب سرمایه سنگین با نگاه بلندمدت پژوهشی
بهگزارش تککرانچ، Flapping Airplanes خود را در برابر روند غالب «مقیاسمحور» قرار میدهد؛ روندی که در آن شرکتها تلاش میکنند صرفاً با افزودن داده بیشتر و توان محاسباتی عظیم، مدلهای هوش مصنوعی را بهبود دهند. سرمایهگذاران این استارتاپ تأکید میکنند که در مقابل، رویکرد «پژوهشمحور» بر این فرض استوار است که برای رسیدن به سطوح هوشمندی بالاتر، به چند جهش تحقیقاتی کلیدی نیاز داریم و باید روی پروژههایی سرمایهگذاری شود که شاید نتیجهگیری آنها ۵ تا ۱۰ سال طول بکشد.
در این نگاه جدید، تیم Flapping Airplanes و حامیانش بهجای تمرکز صرف بر ساخت دیتاسنترهای عظیم و خوشههای کامپیوتری، بهدنبال روشهای کمدادهتر و کارآمدتر برای آموزش مدلها هستند؛ رویکردی که میتواند هم هزینهها را کاهش دهد و هم وابستگی به انبوه دادههای گاه حساس و مسئلهدار را کم کند.
چرا این مدل برای صنعت و کاربران مهم است؟
اگر این نوع پروژههای پژوهشمحور موفق شوند، ممکن است شاهد نسل تازهای از مدلهای هوش مصنوعی باشیم که بهجای تکیه بر حجم بسیار زیاد دیتا و سختافزار، بر ایدههای نوآورانه الگوریتمی و معماریهای جدید بنا شدهاند. چنین تغییری میتواند رقابت در بازار هوش مصنوعی را برای بازیگران کوچکتر هم ممکنتر کند و هزینه ورود به این صنعت را کاهش دهد؛ موضوعی که برای اکوسیستم استارتاپی و توسعهدهندگان در سراسر جهان، از جمله ایران، اهمیت بالایی دارد.
برای کاربران و کسبوکارهایی که میخواهند از جدیدترین ابزارهای هوش مصنوعی استفاده کنند، داشتن دسترسی به سرویسهای متنوع و مدلهای متفاوت، یک مزیت بزرگ است. در همین راستا، اگر بهدنبال استفاده حرفهای از ابزارهای مختلف هستید، میتوانید با خرید اکانت های هوشمصنوعی از پلتفرمهای گوناگون، از نزدیک تحولات این رقابت و اثر آن بر کیفیت خدمات را تجربه کنید.
در نهایت، حتی اگر در عمل رویکرد «مقیاسمحور» همچنان دست بالا را در بازار حفظ کند، حضور بازیگری مانند Flapping Airplanes که روی تحقیق طولانیمدت و آزمایش مسیرهای متفاوت تمرکز دارد، میتواند مرزهای دانش را جابهجا کند و ایدههای تازهای برای آینده هوش مصنوعی بههمراه بیاورد.
منبع خبر: TechCrunch




