به گزارش کارگروه فناوری اطلاعات سایبربان؛ آمازون ثروت زیادی را صرف هوش مصنوعی میکند. طبق گزارش فایننشال تایمز، چندین پروژه هوش مصنوعی در آمازون به طور چشمگیری از بودجه خود فراتر رفتهاند.
کارکنان آمازون چندین مورد را شرح دادند که در آنها اشتباهات برنامهنویسی و کنترل ناکافی هزینهها منجر به شرایطی شده که آن را «فاجعهبار گران» مینامند.
طبق گزارشها، مهندسان ارشد در جلسه داخلی کارکنان در مورد این موضوع بحث کردند و هشدار دادند که پروژههایی که از توسعه نرمافزار مرسوم به گردشهای کاری هوش مصنوعی مهاجرت کردهاند، هزینههای برنامهریزی نشدهای ایجاد کردهاند.
این شرکت اکنون در حال توسعه محافظهای خودکار است که برای جلوگیری از هزینههای اضافی مشابه در استقرارهای هوش مصنوعی در آینده در نظر گرفته شده است.
یکی از کارمندان ارشد آمازون گفت که تعیین میزان هزینه واقعی هر چیزی مربوط به هوش مصنوعی دشوار است.
گرانترین پروژه هوش مصنوعی برای آمازون ۱.۸ میلیون دلار هزینه داشت. کارمندان از مدل کلود سونت (Claude Sonnet) شرکت آنتروپیک برای تطبیق اطلاعات نویسنده با لیست محصولات در پلتفرم تجارت الکترونیک آمازون استفاده کردند.
این استقرار در نهایت شکست خورد، اما قبل از آن، تقریباً ۱.۸ میلیون دلار هزینه ایجاد کرد. این ۸۶0 درصد بیشتر از بودجه بود؛ از همه تعجبآورتر، این هزینهها به مدت ۵ ماه مورد توجه قرار نگرفتند.
طبق گفته محققان، در یک جلسه داخلی، مهندسان هشدار دادند که اشتباهاتی که در سیستمهای نرمافزاری سنتی به طور ناچیزی ارزان بودند، میتوانند وقتی مدلهای هوش مصنوعی درگیر میشوند، به طور فاجعهباری گران شوند. دلیل اصلی این است که هر درخواست به یک مدل زبان بزرگ، توکنهای قابل پرداخت را مصرف میکند.
فراتر رفتن بودجه سایر پروژههای هوش مصنوعی
حادثه شرح داده شده یک مورد منحصر به فرد نبود. طبق گزارشها، یک پروژه ساخت ابزارهای حسابرسی مالی تقریباً 541 هزار دلار هزینه اضافی ایجاد کرد.
ابتکار دیگری برای بهبود سرعت تحویل در شبکه لجستیک آمازون، تقریباً 134 هزار دلار هزینه ناخواسته ایجاد کرد تا اینکه مشکل شناسایی شد. ۲ هفته طول کشید تا آمازون متوجه هزینه اضافی شود.
آمازون در این خصوص اظهار داشت:
«ما در حال یادگیری نحوه استفاده کارآمد از هوش مصنوعی هستیم. مانند هر فناوری جدیدی، ما در حال آزمایش، یادگیری و بهبود نحوه استفاده از آن، از جمله نحوه افزایش بهرهوری هزینهها هستیم. انتخاب نمونههای کوچک و منزوی که در آنها تیمها از یکدیگر یاد میگیرند و نمایش آنها به عنوان یک کسب و کار معمول، منعکسکننده نحوه استفاده تیمها در سراسر آمازون از هوش مصنوعی نیست.»
آمازون پیش از این با مشکلاتی در رابطه با مشوقهای مصرف هوش مصنوعی مواجه شده است؛ اوایل سال جاری، شرکت یک جدول امتیازات داخلی را که کارمندان را براساس استفاده از پلتفرم توسعهدهندگان «Kiro» خود رتبهبندی میکرد، پس از تشویق به اصطلاح «tokenmaxxing» که در آن کارمندان برای صعود در رتبهبندی، استفاده از هوش مصنوعی را افزایش میدادند، تعطیل کرد.
این افزایشها در مقایسه با کل تجارت آمازون نسبتاً جزئی هستند. شرکت تقریباً ۱۸۰ میلیارد دلار درآمد سهماهه ایجاد میکند و انتظار میرود امسال حدود ۲۰۰ میلیارد دلار هزینههای سرمایهای صرف کند که بخش عمده آن صرف زیرساختهای هوش مصنوعی و مراکز داده میشود.
قیمتگذاری مبتنی بر توکن، نوعی بختآزمایی
ارائهدهندگان اصلی هوش مصنوعی، از جمله آنتروپیک (Anthropic) و «OpenAI»، به طور فزایندهای مشتریان سازمانی را از مدلهای اشتراک ثابت به سمت قیمتگذاری مبتنی بر توکن سوق دادهاند که در آن سازمانها بر اساس میزان دادههایی که مدلهای هوش مصنوعی پردازش میکنند، هزینه پرداخت میکنند.
اگرچه این رویکرد امکان مقیاسپذیری انعطافپذیر را فراهم میکند، اما هزینهها را بسیار کمتر قابل پیشبینی میکند، به خصوص هنگامی که عوامل هوش مصنوعی مستقل بارها و بارها مدلهای زبان بزرگ را فراخوانی میکنند.
برای کاهش هزینهها، بسیاری از شرکتها شروع به جایگزینی مدلهای هوش مصنوعی پریمیوم با جایگزینهای ارزانتر یا مدلهای وزن باز کردهاند که میتوانند روی زیرساختهای خود اجرا شوند.
هوش مصنوعی برای شرکتهای فناوری بسیار گران بوده است؛ بسیاری از آنها برای کاهش هزینهها، کارگران را اخراج کردهاند، اما اکنون 5 برابر بیشتر از حقوق، برای توکنهای هوش مصنوعی هزینه میکنند. اوبر بودجه سالانه هوش مصنوعی خود را در 4 ماه به حداکثر رساند.
برایان کاتانزارو (Bryan Catanzaro)، معاون یادگیری عمیق کاربردی در انویدیا (Nvidia)، نیز اذعان کرد که محاسبات هزینه بیشتری نسبت به کارگران دارد. وی توضیح داد :
«برای تیم من، هزینه محاسبات بسیار فراتر از هزینههای کارمندان است.»
