Search
Close this search box.

چرا چین هنوز چند حرکت در شطرنجِ هوش مصنوعی عقب است؟

ارشادی
اشتراک‌گذاری در:
رقابت ایالات متحده با چین در هوش مصنوعی - چیپست

ChatGPT OpenAI یک سال پیش دنیای هوش مصنوعی را طوفانی کرد و چین همچنان در تلاش مستمر است زیرا ایالات متحده به شدت فشار وارد می‌کند.

  • جهان در نوامبر 2022 با راه‌اندازی ربات چت مبتنی بر هوش مصنوعی OpenAI مبتنی بر سانفرانسیسکو ChatGPT تغییر کرد.
  • بازار شلوغ چین با بیش از 100 دستگاه LLM به‌دلیل عدم دسترسی به تراشه‌های پیشرفته، محدود شده است که قدرت محاسباتی را کاهش می‌دهد.

رئیس جمهور شی جین پینگ در جلسه مطالعاتی دفتر سیاسی پنج سال پیش، گفت که هوش مصنوعی (AI) یک اولویت استراتژیک است و چین باید برای دستیابی به برتری فناوری جهانی، “قله‌های رهبری” را در سیستم‌های هسته‌ای هوش مصنوعی اشغال کند.

لفاظی رهبر چین با یک عملکرد قوی در زمین پشتیبانی شد. این کشور از دهه 2010 به بعد با ایالات متحده رقابت داشت و در برخی زمینه ها مانند تشخیص چهره عملکرد بهتری داشت. در سال 2017، چین “برنامه توسعه هوش مصنوعی نسل بعدی” خود را منتشر کرد که هدفی را برای تبدیل شدن به رهبر جهانی در هوش مصنوعی تا سال 2030 تعیین کرد.

با این حال، جهان در نوامبر 2022 با راه‌اندازی OpenAI’s ChatGPT مستقر در سانفرانسیسکو تغییر کرد، یک ربات چت هوش مصنوعی مولد مبتنی بر مدل زبان بزرگ GPT3.5 (LLM). OpenAI که توسط غول فناوری ایالات متحده مایکروسافت پشتیبانی می‌شود.

در حالی که ورود ChatGPT باعث ایجاد جنون در بین شرکت‌های فناوری چینی برای توسعه رقبای داخلی شده است، از Ernie Bot Baidu گرفته تا LLM Tongyi Qianwen از Alibaba Group Holding، این حوزه همچنان توسط شرکت‌های آمریکایی رهبری می‌شود و OpenAI متعاقبا GPT-4 Turbo، این غول آمریکایی را منتشر کرد. گوگل نشان خود را با بارد نشان می‌دهد. علی بابا مالک «ساوت چاینا مورنینگ پست» است.

پیشرفت‌های چین در هوش مصنوعی مولد

در حالی که چین پیشرفت‌های زیادی کرده است. بایدو ربات چت هوش مصنوعی خود را در ماه مارس معرفی کرد و اکنون یک طرح حرفه‌ای ارائه می‌دهد که به کاربران اجازه می‌دهد با پرداخت ۵۹.۹ یوان (۸.۱۸ دلار آمریکا) در ماه به Ernie Bot 4.0 دسترسی داشته باشند، با این حال موانع همچنان وجود دارد.
بازار شلوغ این کشور با بیش از 100 LLM به‌دلیل عدم دسترسی به تراشه‌های پیشرفته، مقررات سختگیرانه، سانسور موضوعات حساس، هزینه‌های توسعه بالا و بازارهای تکه تکه شده برای این فناوری محدود شده است.

سو لیان جی، تحلیلگر ارشد شرکت تحقیقاتی Omdia می‌گوید: «چین در توسعه LLM با چالش‌های متعددی مواجه است، زیرا شکاف‌های فناوری با غرب به دلیل ظهور GPT و Gemini گوگل افزایش می‌یابد. محدودیت‌های قدرت محاسباتی به‌دلیل ممنوعیت تراشه‌ها و کیفیت محدود داده‌های اینترنت مبتنی بر ماندارین در مقایسه با دنیای انگلیسی‌زبان نیز می‌تواند باعث شکست شود.

برخی می‌گویند که تلاش‌های شتاب‌زده چین در زمینه هوش مصنوعی در سال 2017 زمانی که AlphaGo، یک برنامه کامپیوتری از DeepMind Technologies آلفابت، Ke Jie، برترین بازیکن جهان در آن زمان Go – همچنین به‌عنوان weiqi شناخته می‌شود – را 3-0 شکست داد. گو از زمان سلسله ژو باستان در چین نواخته شده است. اکنون کشور یک بار دیگر در مقابل زمان قرار گرفته است.

بزرگترین چالش عدم دسترسی کشور به واحدهای پردازش گرافیکی پیشرفته (GPU) از شرکت‌هایی مانند Nvidia به دلیل تحریم‌های تجاری ایالات متحده است.

این پردازنده‌های گرافیکی، از جمله H100 انویدیا با قیمتی در حدود 30.000 دلار برای هر واحد، قلب تپنده جدیدترین LLM به حساب می‌آیند و تا حد زیادی تعیین می‌کنند که این مدل چقدر می‌تواند قدرتمند باشد و مایکروسافت، متا پلتفرم‌ها، گوگل، آمازون و اوراکل چه ویژگی‌هایی دارند.

با این حال، شرکت‌های فناوری چینی با محدودیت‌های خرید مواجه هستند. یک ماه قبل از راه اندازی OpenAI GPT، دولت ایالات متحده قوانین کنترل صادرات خود را به روز کرد تا دسترسی چین به تراشه‌های پیشرفته مانند H100 و A100 انویدیا را به دلایل امنیت ملی مسدود کند.

از آنجایی که شرکت‌های آمریکایی از OpenAI تا Nvidia به دلیل نقش‌شان در آوردن هوش مصنوعی مولد به جهان سرفصل‌ها را به خود اختصاص داده‌اند، برخی از درخشان‌ترین ستاره‌های هوش مصنوعی چین از چند سال پیش، مانند SenseTime که در هنگ‌کنگ قرار دارد، تحت محدودیت‌های ایالات متحده برای کسب سود تلاش کرده‌اند.

یک کارآفرین هوش مصنوعی مستقر در هانگژو گفت: «چند شرکت از جمله iFlyTek در حال کار با Huawei Technologies هستند تا از محدودیت‌های تراشه‌ها عبور کنند، اما تلاش‌های آنها همچنان به دلیل فقدان یک اکوسیستم آموزش هوش مصنوعی بالغ مانند CUDA انویدیا با مشکل مواجه است.

هوش مصنوعی مطمئناً یک تجارت گران است. ساخت و آموزش LLM به هزاران تراشه پیشرفته برای پردازش حجم عظیمی از داده‌ها، با احتساب دستمزد مهندسان آموزش دیده، نیاز دارد.

نظرات ارزشمند شما

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *