اغلب مردم حباب‌های فناوری را در قالب اتفاقات آخرالزمانی تصور می‌کنند، اما این تصور لزوماً نباید تا این حد جدی باشد. از نظر اقتصادی، حباب به معنای ریسکی است که بیش از حد بزرگ شده و در نتیجه، عرضه از تقاضا پیشی می‌گیرد.
نتیجه این که، مسئله “همه چیز یا هیچ چیز” نیست، و حتی شرط‌بندی‌های خوب هم می‌توانند به نتایج ناخوشایندی منجر شوند، اگر در انجام آن‌ها دقت لازم را به خرج ندهید.
آنچه پاسخ دادن به پرسش مربوط به حباب هوش مصنوعی را دشوار می‌کند، عدم تطابق بازه‌های زمانی بین سرعت سرسام‌آور توسعه نرم‌افزارهای هوش مصنوعی و روند کند ساخت و تجهیز مراکز داده است.
از آنجا که ساخت این مراکز داده سال‌ها به طول می‌انجامد، تغییرات زیادی به طور قطع از حالا تا زمان به بهره‌برداری رسیدن آن‌ها رخ خواهد داد. زنجیره تأمینی که خدمات هوش مصنوعی را پشتیبانی می‌کند، آنقدر پیچیده و سیال است که نمی‌توان با اطمینان مشخص کرد که چند سال آینده به چه میزان عرضه نیاز خواهیم داشت. مسئله صرفاً این نیست که میزان استفاده مردم از هوش مصنوعی در سال ۱۴۰۷ چقدر خواهد بود، بلکه مهم این است که آن‌ها چگونه از آن استفاده خواهند کرد و اینکه آیا در این مدت، پیشرفت‌هایی در زمینه انرژی، طراحی نیمه‌رساناها یا انتقال نیرو حاصل خواهد شد یا خیر.
وقتی ریسک تا این حد بزرگ باشد، راه‌های زیادی برای به خطا رفتن آن وجود دارد – و ریسک‌های مربوط به هوش مصنوعی واقعاً در حال بزرگ‌تر شدن هستند.
هفته گذشته، رویترز گزارش داد که یک مجموعه مرکز داده مرتبط با اوراکل در نیومکزیکو، حدود ۱۸ میلیارد دلار اعتبار از کنسرسیومی متشکل از ۲۰ بانک دریافت کرده است. اوراکل پیش از این، قراردادی به ارزش ۳۰۰ میلیارد دلار برای خدمات ابری با Open AI منعقد کرده و این دو شرکت با همکاری سافت‌بانک، در نظر دارند در مجموع ۵۰۰ میلیارد دلار در زیرساخت‌های هوش مصنوعی به عنوان بخشی از پروژه “استارگیت” سرمایه‌گذاری کنند. متا هم که نمی‌خواهد از قافله عقب بماند، متعهد شده است که طی سه سال آینده، ۶۰۰ میلیارد دلار برای زیرساخت‌ها هزینه کند. ما در حال پیگیری تمام تعهدات بزرگ هستیم و حجم زیاد آن‌ها، کار را برای دنبال کردن دشوار کرده است.
هم‌زمان، ابهامات جدی در مورد سرعت رشد تقاضا برای خدمات هوش مصنوعی وجود دارد.
نظرسنجی مک‌کینزی که هفته گذشته منتشر شد، به بررسی نحوه استفاده شرکت‌های برتر از ابزارهای هوش مصنوعی پرداخت. نتایج این نظرسنجی، ترکیبی بود. تقریباً تمام کسب‌وکارهایی که با آن‌ها تماس گرفته شد، به نحوی از هوش مصنوعی استفاده می‌کنند، اما تعداد کمی از آن‌ها در مقیاس واقعی این کار را انجام می‌دهند. هوش مصنوعی به شرکت‌ها کمک کرده تا در موارد خاصی، هزینه‌ها را کاهش دهند، اما تأثیر چندانی بر کل کسب‌وکار نداشته است. به طور خلاصه، بیشتر شرکت‌ها همچنان در حالت “صبر کن و ببین” قرار دارند. اگر روی این شرکت‌ها حساب کرده‌اید که فضایی را در مرکز داده شما خریداری کنند، ممکن است مدت زیادی منتظر بمانید.
اما حتی اگر تقاضا برای هوش مصنوعی بی‌پایان باشد، این پروژه‌ها ممکن است با مشکلات زیرساختی ساده‌تری روبرو شوند. هفته گذشته، ساتیا نادلا با اظهار این که نگرانی او بیشتر از کمبود فضای مرکز داده است تا کمبود تراشه، شنوندگان یک پادکست را غافلگیر کرد. (به گفته او، “مسئله کمبود تراشه نیست؛ بلکه این واقعیت است که من فضای مناسب برای نصب آن‌ها را ندارم.”) در عین حال، مراکز داده کاملی وجود دارند که به دلیل ناتوانی در تأمین انرژی مورد نیاز نسل جدید تراشه‌ها، بلااستفاده مانده‌اند.
در حالی که انویدیا و OpenAI با حداکثر سرعتی که می‌توانند به پیش می‌روند، شبکه برق و محیط ساخته‌شده هنوز با همان سرعت همیشگی خود حرکت می‌کنند. این وضعیت، فرصت‌های زیادی را برای ایجاد گلوگاه‌های پرهزینه ایجاد می‌کند، حتی اگر همه‌چیز به درستی پیش برود.
به ایده های عمیق تر در مورد این موضوع در پادکست این هفته می پردازیم.
