جستجو با بات‌های هوش مصنوعی، هزینه‌ مایکروسافت و گوگل را حدود ۱۰ برابر افزایش می‌دهد

آیا جستجو با هوش مصنوعی ایده خوبی است؟

هوش مصنوعی در ابتدای ظهور خود توانسته است بازار مالی را تحت‌تأثیر قرار دهد؛ به‌طوری که سهم گوگل از بازار به دلیل عملکرد نامناسب در ارائه قابلیت جستجو مبتنی بر هوش مصنوعی با افت ۱۰۰ میلیارد دلاری مواجه شد. البته گزارش‌های جدید نشان می‌دهند که قابلیت مذکور ممکن است چندان هم صرفه اقتصادی برای شرکت‌ها نداشته باشد و تبدیل‌کردن آن به مدل تجاری سودده، امری دشوار خواهد بود.

فرایند جستجوی سنتی مانند آنچه در گوگل شاهد آن هستیم، براساس ساخت یک فهرست بزرگ از صفحات وب است که هنگام جستجوی یک عبارت توسط کاربر، تمامی این صفحات برای یافتن آن بررسی می‌شوند و درنهایت نتایج به ترتیب مرتبط‌بودن، نمایش داده خواهند شد. صفحه جستجوی گوگل مقدار زمان صرف‌شده برای انجام چنین کاری را هم نشان می‌دهد که معمولاً کمتر از ۱ ثانیه است. در سوی دیگر اما جستجوی مبتنی بر هوش مصنوعی، مجموعه‌ای عظیم از شبکه‌های عصبی را برای هر جستجو اشغال می‌کند تا بتواند حجمی از متون و داده‌های واقعی را در اختیار کاربر قرار دهد. همچنین معمولاً تعامل کاربر با چنین سرویس‌هایی بیشتر از ۱ ثانیه است؛ در نتیجه قدرت پردازشی بیشتری را طلب می‌کنند.

بدون شک، نیاز به قدرت پردازش بیشتری برابر با هزینه بالاتر است. خبرگزاری رویترز پس از مصاحبه با رئیس هیئت مدیره آلفابت و کارشناسان فعال در این زمینه، اعلام کرده است که جستجو با هوش مصنوعی نسبت به حالت سنتی، ۱۰ برابر هزینه بیشتری روی دست شرکت‌ها می‌گذارد که در نهایت می‌تواند به ده‌ها میلیادر دلار هزینه بیشتر منتهی شود. پیش‌بینی می‌شود که حدود ۳ سالی ۶ میلیارد دلار از درآمد خالص ۶۰ میلیارد دلاری گوگل در سال، صرف ارائه قابلیت جستجوی مشابه با ChatGPT خواهد شد؛ آن هم در صورتی که تنها پاسخ‌هایی محدود به ۵۰ کلمه برای هر جستجو ارائه کند.

مسئله قدرت پردازشی به بحرانی جدی برای شرکت‌های فناوری فعال در زمینه هوش مصنوعی تبدیل شده است و به نظر می‌رسد که گوگل هم از قبل چنین مشکلی را پیش‌بینی می‌کرد. این شرکت هنگام عرضه چت‌بات بارد، نسخه‌ای سبک‌تر و مجهز به مدل زبانی ساده‌تر خود را در اختیار عموم قرار داد تا با پذیرش ورودی‌های کوتاه‌تر، از فشار به سرورهای خود جلوگیری نماید. همچنین این تصمیم موجب شد تا گوگل بتواند پذیرای کاربران بیشتری باشد و در فاز اولیه امکان جمع‌آوری بازخوردهای گسترده‌تری را در اختیار داشته باشد. نگرانی گوگل پیرامون قدرت پردازشی امر بسیار جالبی است؛ زیرا توان پردازشی زیرساخت‌های گوگل بسیار فراتر از اغلب رقبای خود تخمین زده می‌شود.

رئیس هیئت مدیره آلفابت اعلام کرده است که مشکل مورد بحث، در بدترین حالت، چندین سال ادامه خواهد داشت. با این حال نباید از یاد ببریم که گوگل در گذشته هم با چنین معضلاتی دست و پنجه نرم کرده است و توانسته از آن‌ها عبور کند. برای مثال بعد از خرید یوتیوب، گوگل توانست هزینه‌های آن را به شدت کاهش دهد و سوددهی آن را چندین برابر کند. ساخت سرورهای دارای تراشه‌های سفارشی برای انجام امور پردازشی مرتبط با یادگیری ماشینی، یکی دیگر از راهکارهایی است که می‌تواند به گوگل، کمک شایانی نماید. گاهی اوقات هم مشکل ساخت مدل تجاری سودده پابرجا باقی می‌ماند؛ برای مثال گوگل و آمازون در سال گذشته نتوانستند سود چندانی از دستیارهای صوتی خود بدست آورند.