آزمایشگاه هوش مصنوعی «Flapping Airplanes» با سرمایه اولیه ۱۸۰ میلیون دلار راهاندازی شد
آزمایشگاه هوش مصنوعی تازهتأسیس «Flapping Airplanes» روز چهارشنبه با جذب ۱۸۰ میلیون دلار سرمایه بذری از سوی Google Ventures، Sequoia و Index رسماً آغاز به کار کرد. ماموریت این مجموعه تمرکز بر یافتن روشهایی است که نیاز مدلهای بزرگ به داده و محاسبات گسترده را کاهش دهد — هدفی که در صورت تحقق میتواند تحولی جدی در مسیر توسعه هوش مصنوعی ایجاد کند.
چرا کاهش نیاز به داده مهم است؟
مدلهای زبانی بزرگ امروز به مجموعههای عظیم داده و ظرفیت محاسباتی بسیار بالا نیاز دارند؛ موضوعی که هزینههای مالی و زیستمحیطی قابلتوجهی به همراه دارد و دسترسی به توسعه و نوآوری را در انحصار شرکتهای دارای منابع عظیم قرار میدهد. رویکردهای کمتر «دادهمحور» میتواند مزایایی مانند کاهش انرژی مصرفی، تسهیل دسترسی مؤسسات کوچکتر و حفظ حریم خصوصی دادهها را به همراه داشته باشد.
رویکرد Flapping Airplanes و دیدگاه سرمایهگذاران
اگرچه جزئیات فنی کامل انتشار نیافته، سرمایهگذاری بزرگ VCها و پشتیبانی Sequoia نشاندهنده اعتماد بازار به چشمانداز تیم مؤسس است. بهعلاوه، تحلیل یکی از شرکای Sequoia، دیوید کان، نکتهای کلیدی را برجسته میکند: Flapping Airplanes از جریان غالب «مقیاسبخشی صرف» پا فراتر میگذارد و به سمت رویکرد پژوهشی بلندمدت حرکت میکند.
پارادایمها در توسعه هوش مصنوعی: مقیاسسازی در برابر پژوهش بلندمدت
کان در توضیحات خود دو پارادایم را مقایسه میکند:
– پارادایم مقیاسسازی (compute-first): اولویت اصلی ساخت خوشههای عظیم سرور و دنبال کردن دستاوردهای کوتاهمدت (۱–۲ سال) است تا با افزایش بیسابقه داده و توان محاسباتی به اهداف بلندپروازانهتری مانند AGI نزدیک شد.
– پارادایم پژوهشی (research-first): تمرکز بر سرمایهگذاریهای طولانیمدت پژوهشی (۵–۱۰ سال یا بیشتر) و گسترش فضای جستجو با انجام آزمایشها و ایدههایی است که احتمال موفقیت فردی آنها کم است، اما در مجموع مسیرهای جدید و نوآورانهای باز میکنند.
اهمیت حرکت به سمت رویکردهای کمتر دادهمحور
حرکت آزمایشگاههایی مانند Flapping Airplanes به سمت راهحلهایی که مصرف داده و محاسبات را کاهش میدهند، میتواند تنوع رویکردها در اکوسیستم هوش مصنوعی را افزایش دهد و فشار تمرکز منابع در چند شرکت بزرگ را کاهش دهد. علاوه بر این، سرمایهگذاری در پژوهشهای بلندمدت ممکن است کشف پیشرفتهای بنیادی را امکانپذیر کند که صرفاً از طریق «ساخت بیشتر» محاسبات به دست نخواهند آمد.
جمعبندی
راهاندازی Flapping Airplanes با حمایت سرمایهگذاران برجسته، توجهها را به گزینههای جایگزین توسعه هوش مصنوعی جلب کرده است؛ گزینههایی که به جای تکیه صرف بر افزایش مقیاس محاسبات و داده، روی پژوهش بلندمدت و کارآیی دادهمحور سرمایهگذاری میکنند. اگر این رویکرد موفق شود، میتواند مسیر توسعه مدلهای بزرگ را پایدارتر، مقرونبهصرفهتر و متناظر با اهداف اخلاقی و زیستمحیطیتر سازد.