پنج موضوع کلیدی هوش مصنوعی در سال 2024: رقابت مدل‌ها، ظهور مدل‌های متن‌باز و فرصت‌های سرمایه‌گذاری

رقابت شدید مدل‌های پایه

در سال 2024، رقابت بین مدل‌های پایه هوش مصنوعی به شدت افزایش یافته است. داده‌های Chatbot Arena نشان می‌دهد که در حالی که مدل‌های OpenAI در سال گذشته پیشتاز بودند، اکنون شرکت‌هایی مانند گوگل نیز مدل‌های رقابتی ارائه کرده‌اند. این رقابت به کاربران امکان می‌دهد تا از بین گزینه‌های متنوع‌تری انتخاب کنند.

کاهش مصرف توکن OpenAI: مصرف توکن‌های OpenAI از حدود 90% به کمتر از 60% رسیده است که نشان می‌دهد کاربران در حال آزمایش مدل‌های مختلف هستند.
ظهور مدل‌های متن‌باز: مدل‌های متن‌باز در زمینه‌های مختلفی مانند ریاضیات، پیروی از دستورالعمل‌ها و مقاومت در برابر حملات، عملکرد برجسته‌ای داشته‌اند و مدل Llama در بین سه مدل برتر قرار دارد.

پیشرفت سریع مدل‌های متن‌باز

مدل‌های متن‌باز در جنبه‌های مختلفی سرعت پیشرفت شگفت‌انگیزی داشته‌اند. ارزیابی MMLU نشان می‌دهد که برخی از مدل‌های متن‌باز با پارامترهای کوچک، عملکردی نزدیک به مدل‌های پیشرفته دارند. به عنوان مثال، مدل Mistral-7b که یک سال پیش امتیاز 60 را کسب می‌کرد، اکنون مدل Llama 8B بیش از 10 امتیاز افزایش یافته است.

عملکرد نزدیک به مدل‌های پیشرفته: مدل‌های متن‌باز کوچک با سرعت بالایی در حال پیشرفت هستند و به رقبای قدرتمندی برای مدل‌های بزرگ تبدیل شده‌اند.

افزایش نسبت قیمت به کارایی مدل‌های کوچک

فاصله بین مدل‌های کوچک و بزرگ در حال کاهش است، در حالی که قیمت هوش مصنوعی نیز به شدت پایین آمده است. هزینه API مدل‌های پرچمدار OpenAI در یک سال و نیم گذشته حدود 80 تا 85 درصد کاهش یافته است. این امر هزینه ساخت برنامه‌های کاربردی هوش مصنوعی را به طور چشمگیری کاهش می‌دهد.

کاهش هزینه ساخت برنامه‌ها: هزینه ساخت برنامه‌هایی مانند Notion یا Coda با استفاده از هوش مصنوعی تنها چند هزار دلار توکن است.

تکنولوژی چندوجهی آینده است

تکنولوژی چندوجهی به یک مسیر مهم در توسعه هوش مصنوعی تبدیل شده است. ظهور حالت‌های جدید مانند صدای با تاخیر کم، قابلیت‌های اجرایی و ویدئو، تجربه تعاملی کاملاً جدیدی را برای کاربران به ارمغان می‌آورد.

بهبود تجربه تعامل صوتی: صدای با تاخیر کم، نه تنها یک ویژگی بلکه یک تجربه تعاملی جدید است.
افزایش قابلیت‌های اجرایی هوش مصنوعی: قابلیت Computer Use در Claude و قابلیت اجرای کد در Canvas از OpenAI، قدرت بیشتری را برای کاربران فراهم می‌کند.

پیشرفت‌های جدید در قانون مقیاس‌پذیری

با وجود محدودیت‌های قانون مقیاس‌پذیری، الگوهای جدیدی در حال ظهور هستند. به نظر می‌رسد OpenAI روشی برای شکستن محدودیت‌های قانون مقیاس‌پذیری پیدا کرده است و از طریق تکنیک‌هایی مانند RL self-play، عملکرد مدل‌ها را بهبود می‌بخشد.

روش‌های جدید برای بهبود عملکرد مدل‌ها: تکنیک‌های جدید به محققان کمک می‌کند تا محدودیت‌های قانون مقیاس‌پذیری را پشت سر بگذارند.

محیط سرمایه‌گذاری هوش مصنوعی منطقی‌تر می‌شود

با وجود تصور وجود حباب در حوزه هوش مصنوعی، واقعیت این است که مبالغ زیادی به آزمایشگاه‌های مدل‌های پایه اختصاص داده می‌شود، در حالی که سرمایه‌گذاری در شرکت‌های عملیاتی منطقی‌تر است.

ارزش پایین‌تر لایه‌های کاربردی: در گذشته تصور می‌شد که مدل‌های پایه ارزش بیشتری دارند، در حالی که لایه‌های کاربردی نیز پتانسیل بالایی دارند.

فرصت‌های بزرگ برای استارت‌آپ‌ها

فرصت‌های اکوسیستم هوش مصنوعی تنها به مدل‌های پایه محدود نمی‌شود و لایه‌های کاربردی نیز پتانسیل بالایی دارند. نوآوری‌های مختلفی در حال ظهور هستند، مدل‌های مختلف نقاط قوت خود را دارند، رقابت در بازار شدید است و پروژه‌های متن‌باز نیز در حال رشد هستند.

اتوماسیون خدمات: هوش مصنوعی می‌تواند بسیاری از کارهای تکراری را خودکار کند، هزینه‌ها را کاهش دهد و کارایی را افزایش دهد.
جهت‌های جدید برای جستجوی بهتر: هوش مصنوعی می‌تواند به کاربران در جستجو و دسترسی بهتر به اطلاعات کمک کند و تجربه‌های شخصی‌تری را ارائه دهد.
دموکراتیزه شدن مهارت‌ها: هوش مصنوعی مهارت‌های مختلف را دموکراتیزه می‌کند و به افراد بیشتری امکان مشارکت در خلق و نوآوری را می‌دهد.

مسیرهای سرمایه‌گذاری در موج هوش مصنوعی

AI Infra (قدرت محاسباتی و داده‌ها) یکی از مسیرهای مهم سرمایه‌گذاری در موج هوش مصنوعی است. با توسعه فناوری هوش مصنوعی، نیاز به داده‌های تخصصی و انواع بیشتری از داده‌ها نیز افزایش می‌یابد.

نیاز به داده‌های بیشتر: با پیشرفت هوش مصنوعی، نیاز به داده‌های تخصصی و متنوع افزایش یافته است.

عصر "نرم‌افزار 3.0" در راه است

به طور کلی، ما این سری تحولات را با عنوان "نرم‌افزار 3.0" توصیف می‌کنیم. ما معتقدیم که این یک بازاندیشی کامل است که مزایای بزرگی را برای نسل جدید شرکت‌ها به ارمغان می‌آورد. سرعت تغییر به نفع استارت‌آپ‌ها است.

بازاندیشی در محصولات و زیرساخت‌ها: ما باید در طراحی محصولات و ساختار زیرساخت‌ها تجدید نظر کنیم تا با پارادایم جدید هوش مصنوعی سازگار شویم.
فرصت‌های بزرگ فناوری و اقتصادی: هوش مصنوعی فرصت‌های بزرگ فناوری و اقتصادی را به همراه دارد که ارزش بهره‌برداری را دارند.

رقابت بین استارت‌آپ‌ها و غول‌ها

آیا دستاوردها در نهایت به استارت‌آپ‌ها می‌رسد یا غول‌های موجود؟ در حالی که غول‌ها مزایای کانال‌های توزیع و داده‌ها را دارند، استارت‌آپ‌ها می‌توانند از طریق محصولات بهتر و مدل‌های کسب و کار نوآورانه رقابت کنند.

معضل نوآوران: شرکت‌های موجود ممکن است با معضل نوآوران محدود شوند، در حالی که استارت‌آپ‌ها می‌توانند از طریق پارادایم‌های تجربه کاربری جدید و تولید کد، مدل‌های موجود را به چالش بکشند.
اهمیت داده‌ها: استارت‌آپ‌ها باید در مورد اینکه به چه نوع داده‌هایی برای بهبود کیفیت محصول خود نیاز دارند فکر کنند، نه اینکه فقط به داده‌های شرکت‌های موجود تکیه کنند.