«ایلیا ساتسکیور»، هم‌بنیان‌گذار OpenAI، معتقد است بازیگران صنعت هوش مصنوعی باید دوباره به مرحله پژوهش بازگردند، چراکه افزایش توان محاسباتی به‌تنهایی برای پیشرفت هوش مصنوعی کافی نخواهد بود.
به گزارش بیزینس اینسایدر، ساتسکیور که در قسمت جدیدی از پادکست Dwarkesh حضور یافته بود، این دیدگاه رایج را که مقیاس‌پذیری می‌تواند نقشه‌راه اصلی پیشرفت هوش مصنوعی باشد به چالش کشید. ساتسکیور یکی از پیشگامان هوش مصنوعی مدرن است و نقش مهمی در تأسیس OpenAI و ساخت ChatGPT داشته است. او هم‌اکنون شرکت خودش را با نام Safe Superintelligence Inc اداره می‌کند.
صحبت‌های ساتسکیور درحالی مطرح می‌شود که شرکت‌های فناوری صدها میلیارد دلار برای خرید GPU و ساخت مراکز داده سرمایه‌گذاری کرده‌اند تا ابزارهای هوش مصنوعی خود را بهبود ببخشند. هم‌اکنون بارو عمومی بر این است که هرچه توان پردازشی بیشتری در اختیار داشته باشید یا داده‌های آموزشی بیشتری در دسترس باشد، ابزار هوش مصنوعی شما هوشمندتر خواهد شد.
ساتسکیور در این مصاحبه گفت که طی حدود ۵ سال گذشته، این دستورالعمل نتایج قابل‌توجهی ایجاد کرده است. همچنین این روش برای شرکت‌ها کارآمد است، زیرا در مقایسه با سرمایه‌گذاری روی پژوهش‌هایی که ممکن است به هیچ نتیجه‌ای نرسند، راهی ساده و بسیار کم‌ریسک برای صرف منابع فراهم می‌کند.
بااین‌حال، ساتسکیور معتقد است این روش دیگر به پایان مسیر خود نزدیک می‌شود. او می‌گوید داده‌ها محدود هستند و سازمان‌ها همین حالا نیز به مقدار عظیمی توان پردازشی دسترسی دارند.
او گفت: «اگر باور بر این است که [قدرت فعلی] بسیار زیاد است، اما چنان‌چه ۱۰۰ برابر شود، همه چیز متفاوت خواهد شد، البته که متفاوت می‌شود. اما اگر اعتقاد بر این است که چنان‌چه صرفاً مقیاس را ۱۰۰ برابر کنید، همه چیز متحول می‌شود، من فکر نمی‌کنم این درست باشد. پس دوباره به دوران پژوهش بازگشته‌ایم، البته این بار با رایانه‌های بسیار قدرتمند.»
البته ساتسکیور نقش نیاز به توان پردازشی را انکار نکرد و گفت که کامپیوتر هنوز برای پژوهش ضروری است و در صنعتی که همه سازمان‌های بزرگ با یک پارادایم واحد کار می‌کنند، می‌تواند تمایزی اساسی ایجاد کند. بااین‌حال، او گفت پژوهش برای یافتن روش‌های مؤثر و کارآمد استفاده از این توان پردازشی حیاتی خواهد بود.
