آینده هوش مصنوعی: چرا مدل‌های غیرمتمرکز می‌توانند مشکلات مراکز داده متمرکز را حل کنند؟

به گزارش زوم ارز،  خدمات ابری امازون (AWS) و مایکروسافت از جمله شرکت‌هایی هستند که با تأخیر در سرمایه‌گذاری و توسعه مراکز داده هوش مصنوعی روبه‌رو شده‌اند. مشکلات موجود نشان می دهد که استفاده از مدل‌های مرکزی ممکن است با مشکلاتی روبه‌رو باشد. بررسی‌ها نشان می دهد که استفاده از زیرساخت‌های مبتنی بر blockchain که به‌صورت غیرمتمرکز هستند، می‌تواند به عنوان یک راه‌حل مؤثر مورد استفاده قرار گیرد و تحلیلگران در حال بررسی این نکته هستند که چرا زیرساخت‌های مبتنی بر blockchain این قابلیت را دارند که مشکلات موجود را حل کرده و بهبود بخشند.

مراکز داده AI به یک دیوار برخورد کردند

چند ماه گذشته، هوش مصنوعی به نظر می‌رسید یکی از صنایع امیدوار‌کننده‌ترین فناوری دنیا بوده است. با این حال، اعلامیه‌هایی از شرکت‌هایی همچون AWS و مایکروسافت که در ایجاد مراکز داده‌ی هوش مصنوعی تردید دارند، یک تصویر متفاوت از وضعیت ارائه می‌دهد. اتفاقی چه افتاده است؟ آیا آینده‌ی هوش مصنوعی افتنه؟ کای واورزینک وضعیت را به نحوی توصیف کرده که نگاه امروز را بازتاب می‌دهد.

هنگامی که تقاضا برای هوش مصنوعی به صورت رو به رشدی افزایش می‌یابد، شرکت‌هایی مثل AWS و مایکروسافت دارای اخباری هستند که منجر به خروج از مراکز داده جدید می‌شوند. این واقعیت شاهد بر ناکارآمدی بزرگی است که مدل‌های متمرکز برای مقیاس‌پذیری اینترنت جهانی ارائه می‌دهند. این دو شرکت ممکن است به نتیجه برسند که مدل‌های زیرساخت متمرکز برای سرعت کافی در تطابق با نیازها نیستند.

شرکت‌های AWS و Microsoft تنها شرکت‌هایی نیستند که با این مشکلات روبرو هستند. به عنوان مثال، اخیراً شرکت متا به طور علنی اعلام کرد که قصد دارد صدها میلیارد دلار برای زیرساخت‌های هوش مصنوعی و مراکز داده هزینه کند، اما تقاضا از رقبا برای بودجه پایین‌تر، تنها در عرض سه ماه، حیرت‌آور بود.

Openai همچنین با هزینه کامل توانایی چتبازی را به دست آورده است. سام آلتمن به طور آگاهانه اعتراف کرد که تحقیقات این موسسه ممکن است در آینده سوددهی نکند.

Wawrzinek یک راه حل واضح را می بیند – مدل متمرکز را به طور کلی رها کنید و روی Defai تمرکز کنید. اگرچه این رهبران صنعت میلیارد ها دلار در توسعه LLM Capex و پیشگام جمع کردند ، اما کل استراتژی می تواند خودکشی باشد.

به عنوان مثال ، ساخت مرکز داده های هوش مصنوعی ایالات متحده مهندسان برق را با کار تا حد بی سابقه ای در حال تعقیب و گریز است. با توجه به اینکه بسیاری از متخصصان روی خود مراکز تمرکز می کنند ، این یک تنگنا برای کار ماهر ایجاد می کند.

استفاده از انرژی تجدیدپذیر و اشکال در شبکه برق، عملکرد مراکز داده را به شکل عجیب و غیر قابل پیش‌بینی تحت تأثیر قرار می‌دهد.

«برای توسعه هوش مصنوعی، نیاز به زیرساخت‌هایی است که قابلیت انطباق با سرعت و مقیاس مورد نیاز را داشته باشند، و سیستم‌های غیرمتمرکز بهترین رویکرد برای ایجاد مدل‌های منطبق با آینده آن هستند. به عبارت دیگر، رویکردی که تمرکز خود را بر محور بازار ندارد، می‌تواند این چالش را حل کند. به عبارت دیگر، طراحی غیرمتمرکز و مبتنی بر بازار، امکان نصب برنامه‌های بهره‌ور بیشتری را فراهم می‌کند، به طوری‌که اگر نیاز به پروژه‌های بزرگ نیز باشد، نیازی به انتظار چندین ساله برای آن‌ها نیست.»

آیا Defai می تواند چالش ها را برطرف کند؟

با مقایسه Defai با مدل مرکز داده متمرکز، مشخص شده است که Defai قادر به افزایش دسترسی به محاسبات هوش مصنوعی است. با استفاده از مشوق های اقتصادی که دارای قابلیت blockchain هستند، می‌توان سرعت استقرار را افزایش داد، مقیاس پذیری را بهبود بخشید و بهینه‌سازی تخصیص منابع را بدون نیاز به سرمایه گذاری گسترده از پیش انجام داد.

سیستم‌های غیر متمرکز دارای چابکی بیشتری نسبت به رقبا هستند.

شرکت‌هایی که فعالیت خود را بر پایه هوش مصنوعی و blockchain انجام می‌دهند، توانسته‌اند از ظرفیت محاسباتی قابل توجهی بدون استفاده از مراکز داده متمرکز بهره ببرند. به عنوان مثال، شرکت Depin Aethir با مدل خدمات GPU-AS-A به گام‌های مهمی دست یافته است.

شرکت‌ها مانند آزمایشگاه‌های ۰G ثابت کرده‌اند که توسعه هوش مصنوعی غیرمتمرکز تنها از دیدگاه نظری ممکن نیست و این امر برای اکوسیستم‌های سودآور و ضروری است.

اهمیت دادن به رویداد “قوسیاه” AI-Deepseek بسیار حیاتی است، چه این مسائل دور از ذهن و آرمانی به نظر برسند یا نه.

مدل Genai در بازار چین نشان داد که شرکت‌های هوش مصنوعی قادرند الگوریتم‌های یادگیری عمیق پیشرفته را با کمترین هزینه سخت‌افزاری ایجاد کنند. بنابراین، اگر این توسعه با موفقیت پیش برود، صنعت هوش مصنوعی ممکن است به تغییر مدل محاسباتی مرکزی خود نیاز داشته باشد.

به رغم شک‌ها درباره این که آیا هوش مصنوعی غیرمتمرکز می تواند با مراکز داده رقابت کند یا نه، واقعیت آن است که تمرکز ممکن است نقص‌های خاص خود را داشته باشد.

“آینده زیرساخت های هوش مصنوعی در شبکه های باز و بدون مجوز قرار دارد ، جایی که عرضه به صورت پویا و جهانی تقاضا را برآورده می کند ، نه از طریق مدلهای ابرقدرت منسوخ که در تلاش برای ادامه کار هستند.”

تا کنون، شرکت‌های متمرکز بر هوش مصنوعی میلیاردها دلار سرمایه‌گذاری جذب کرده‌اند، اما توانایی نوآوری آنها ممکن است با موانعی روبه‌رو شود. برای دستیابی به بهترین نتایج، احتمالا نیاز به توسعه یک مدل بهتر داریم.