تحقیقات MIT نشان می‌دهد AI بیش از هوشمندی به قدرت محاسباتی وابسته است

تحقیقات جدید MIT نشان می‌دهد پیشرفت هوش مصنوعی بیش از آنکه ناشی از هوشمندی الگوریتم‌ها باشد، به افزایش قدرت محاسباتی وابسته است و همین امر هزینه توسعه مدل‌های بزرگ AI را به‌شدت بالا برده است.

طبق گزارش‌ها، پژوهشگران این مؤسسه، شامل «ماتیاس مرتنز» و همکارانش، عملکرد 809 مدل زبانی بزرگ را بررسی کردند تا سهم هر عامل—قدرت محاسباتی، نوآوری‌های الگوریتمی اختصاصی و پیشرفت‌های عمومی صنعت—در دقت نهایی مدل‌ها مشخص شود. نتایج نشان داد که قدرت محاسباتی بیشترین اثر را بر دقت مدل‌ها دارد و به‌طور چشمگیری از هر نوآوری الگوریتمی پیشی گرفته است.

نقش قدرت محاسباتی در پیشرفت مدل‌های هوش مصنوعی

پژوهش‌های MIT نشان می‌دهد مدل‌های زبانی در صدک 95 برای آموزش خود به 1,321 برابر توان محاسباتی بیشتری نسبت به مدل‌های ضعیف‌تر نیاز دارند. این شکاف عظیم نشان می‌دهد که دسترسی به منابع محاسباتی گسترده، عامل تعیین‌کننده در عملکرد برتر مدل‌های frontier است. با این حال، پیشرفت‌های الگوریتمی و تکنولوژی‌های اختصاصی شرکت‌ها همچنان نقش مهمی در کاهش هزینه‌ها و بهبود عملکرد مدل‌های کوچک‌تر دارند و توسعه‌دهندگان با بودجه محدود می‌توانند با نرم‌افزارهای هوشمند به عملکرد قابل مقایسه‌ای دست یابند.

هزینه سخت‌افزار نیز یکی از چالش‌های اصلی است. قیمت تراشه‌ها و اجزای شبکه‌ای مورد نیاز برای گسترش AI به شکل پیوسته افزایش یافته است. در سال 2025، میانگین قیمت تراشه‌ها نسبت به 2019 حدود 70 درصد افزایش داشته است. GPUهای پیشرفته مانند Nvidia Blackwell یا Rubin، هرچند کارآمدتر از نسل قبل هستند، اما شرکت‌ها باید تعداد زیادی از آن‌ها را خریداری کنند تا توان محاسباتی لازم برای مدل‌های frontier بعدی را تأمین کنند.

این نیاز به سرمایه‌گذاری عظیم، توضیح‌دهنده هزاران میلیارد دلار هزینه سالانه شرکت‌های بزرگ مانند گوگل، متا و OpenAI است و همچنین دلیل تلاش «سم آلتمن»، مدیرعامل OpenAI، برای جذب ده‌ها میلیارد دلار سرمایه و برنامه‌ریزی برای هزینه بیش از یک تریلیون دلار است.

بااین‌حال، پژوهش MIT نشان می‌دهد که پیشرفت مهندسی و الگوریتمی هنوز می‌تواند هزینه‌ها را کاهش دهد. مدل‌های کوچک‌تر با بودجه محدود، با استفاده از الگوریتم‌های هوشمند می‌توانند به عملکرد مشابه مدل‌های frontier در پیش‌بینی و استنتاج دست یابند. به عبارت دیگر، نوآوری نرم‌افزاری به شرکت‌های کوچک اجازه می‌دهد با مصرف کمتر انرژی و منابع، کارایی مطلوب را به دست آورند.

نتیجه نهایی این است که دنیای هوش مصنوعی امروز به دو بخش تقسیم شده است: شرکت‌های بزرگ با منابع محاسباتی عظیم که مدل‌های frontier را در صدر نگه می‌دارند و شرکت‌های کوچک‌تر که با بهره‌گیری از الگوریتم‌های بهینه و نوآوری نرم‌افزاری، مدل‌های مقرون‌به‌صرفه و کارآمد ایجاد می‌کنند. به طور کلی، افزایش دقت و هوشمندی AI بیش از هر چیز به قدرت محاسباتی وابسته است، در حالی که الگوریتم‌های پیشرفته و نوآوری‌های اختصاصی نقش مکمل و تقویتی دارند.