آخرین شانس واقعی اروپا در مسابقه هوش مصنوعی

موقعیت اروپا در رقابت جهانی هوش مصنوعی اغلب با عبارات سرنوشت ساز توصیف می شود. تراشه‌های پیشرفته از آسیا، پلت‌فرم‌های هوش مصنوعی فوق‌العاده از ایالات متحده می‌آیند، و اروپا موکول به تنظیم، تنظیم دقیق و امید به بهترین‌ها است. در یک مقاله طولانی و سازش ناپذیربرناردو کاستروپ، فیلسوف ذهن و کارآفرین نیمه هادی، این روایت را از بین می برد. نتیجه گیری او واضح است اما به طور غیرمنتظره ای خوش بینانه است: اروپا همچنان می تواند به حاکمیت هوش مصنوعی دست یابد، اما تنها در صورتی که این توهم را کنار بگذارد که نرم افزار به تنهایی آن را نجات می دهد و در عوض کنترل خود را بر سخت افزار هوش مصنوعی پس می گیرد.

Kastrup، بنیانگذار و مدیر عامل Euclyd، هوش مصنوعی را نه صرفاً به عنوان یک مسابقه فناوری، بلکه به عنوان یک مسابقه تمدنی در نظر می گیرد. او می نویسد: «برای اطمینان از بقای شیوه زندگی خود، بنابراین اروپا باید ابزاری برای کنترل استقرار هوش مصنوعی در قلمرو خود داشته باشد، بنابراین طبق شرایط ما این اتفاق می افتد.» او استدلال می‌کند که ارزش‌هایی مانند دموکراسی، حقوق بشر و توزیع قدرت، اگر زیرساخت اصلی اطلاعات وارد شده و از بیرون کنترل شود، نمی‌توانند محافظت شوند.

چرا تراز هوش مصنوعی در نرم افزار حل نمی شود

یک ادعای اصلی در محافل خط‌مشی هوش مصنوعی اروپا این است که می‌توان به حاکمیت از طریق مدل‌های هوش مصنوعی اروپایی «همسو» دست یافت – سیستم‌های نرم‌افزاری که برای انعکاس هنجارها و مقررات اروپایی آموزش دیده‌اند. کاستروپ این باور را اساساً نادرست می نامد. او استدلال می‌کند که همسویی یک ویژگی ذاتی مدل‌ها نیست، بلکه نتیجه‌ای ظهور یافته از آموزش، بازخورد و زمینه است.

او می نویسد: «تلاش برای رفع نیاز به همسویی با مدل های نرم افزاری داخلی، مانند تجویز جراحی مغز برای رسیدگی به آموزش نادرست است.» این تشبیه عمدی است: همانطور که ارزش‌های انسانی به جای آناتومی، با یادگیری شکل می‌گیرند، ارزش‌های هوش مصنوعی نیز به جای منشأ الگوریتم، با شرایط آموزشی شکل می‌گیرند.

مهمتر از آن، آموزش و مقیاس بندی هوش مصنوعی به قدرت محاسباتی عظیمی نیاز دارد. بدون دسترسی ایمن به سخت‌افزار هوش مصنوعی، اروپا نمی‌تواند سیستم‌های پیشرفته را آموزش، تنظیم دقیق یا حتی به طور معناداری کنترل کند، صرف نظر از اینکه کد از کجا منشأ می‌گیرد. سخت افزار، نه مدل ها، گلوگاه اصلی حاکمیت است.

هزینه پنهان تسلط GPU

انتقاد کاستروپ زمانی که او به پارادایم سخت افزاری غالب امروزی هوش مصنوعی یعنی GPU روی می آورد، شدیدتر می شود. او اشاره می کند که رونق جهانی هوش مصنوعی بر یک حادثه تاریخی استوار است. زمانی که مدل‌های ترانسفورماتور پدیدار شدند، روی پردازنده‌های گرافیکی که در اصل برای بازی‌های ویدیویی طراحی شده بودند، پیاده‌سازی شدند. این آرامش شرکت هایی مانند NVIDIA را به تسلط سوق داد، اما صنعت را در یک معماری عمیقا ناکارآمد محبوس کرد.

Kastrup می نویسد: “بزرگترین مزیت NVIDIA همچنین پاشنه آشیل آنها است: آنها اکنون با یک الگو و اکوسیستم کامل گیر کرده اند که به طور فاجعه باری ناکارآمد است.” پردازنده‌های گرافیکی با حجم‌های کاری هوش مصنوعی به‌گونه‌ای برخورد می‌کنند که گویی مشکلاتی جهانی و گرافیک فشرده هستند، در حالی که در واقعیت، هوش مصنوعی به جریان‌های داده توزیع‌شده محلی متکی است. نتیجه اتلاف انرژی خیره کننده است. مراکز داده در حال حاضر در حال برنامه ریزی نیروگاه های هسته ای اختصاصی برای تامین انرژی هوش مصنوعی هستند و به گفته آژانس بین المللی انرژی، مراکز داده هوش مصنوعی می توانند تا سال 2030 نزدیک به 1000 تراوات ساعت برق مصرف کنند.

کاستروپ استدلال می کند که این ناکارآمدی یک قانون طبیعت نیست. این یک شکست طراحی است.

نقطه ضعف اروپا که به اشتباه درک شده است

پس چرا اروپا عقب افتاده است؟ کاستروپ نه به فقدان هوش یا توانایی، بلکه به تخصص تاریخی اشاره می کند. صنعت نیمه هادی اروپا حول نیازهای خودرو تکامل یافته است: چرخه محصول طولانی، قابلیت اطمینان فوق العاده، و حساسیت کم به مصرف انرژی تراشه. در مقابل، محصولات شگفت‌انگیز آسیا توسط تلفن‌های هوشمند شکل گرفتند – چرخه‌های کوتاه، فشار بی‌رحمانه هزینه‌ها و بهینه‌سازی بی‌رحمانه انرژی.

این واگرایی اروپا را در لبه خونریزی پشت سر گذاشت. اما مهم‌تر از همه، کاستروپ استدلال می‌کند، این کار نقاط قوت اروپا را از نظر تراشه پاک نکرد طراحی. او تاکید می کند که یک تراشه رقابتی نه تنها با گره تولیدی تعریف می شود، بلکه با هوش معماری نیز تعریف می شود. و در اینجا، سنت مهندسی دقیق اروپا به یک مزیت تبدیل می شود.

Kastrup می نویسد: «هوش مصنوعی گرافیک بازی ویدیویی نیست. درک این موضوع دری را به روی سخت‌افزارهای کاملاً کارآمدتر و مخصوص هوش مصنوعی باز می‌کند – که از ابتدا به جای اقتباس از گرافیک مصرف‌کننده طراحی شده‌اند.

طراحی به عنوان اهرم استراتژیک اروپا

Kastrup ادعا می‌کند که در Euclyd، چنین طراحی مجددی سیستم‌ها را تا صد برابر کارآمدتر از راه‌حل‌های مبتنی بر GPU فعلی از نظر هزینه، مصرف انرژی و ردپای فیزیکی می‌دهد. این حاشیه بهره وری می تواند به صورت استراتژیک مورد استفاده قرار گیرد: یا برای عملکرد بهتر از شرکت های فعلی در گره های پیشرفته آسیایی، یا برای جبران عقب ماندگی تولید اروپا با تولید تراشه های محلی و در عین حال رقابتی بودن.

اینجاست که اکوسیستم تکه تکه اما مهیب اروپا نمایان می شود. Kastrup به توسعه تراشه های مسطح پیشرفته در CEA-Leti، فناوری های پیشرفته بسته بندی در IMEC، رهبری الکترونیک قدرت در Infineon، تخصص سیستم مرتبط با هوش مصنوعی در NXP Semiconductors و CPU های اروپایی نوظهور SiPearl اشاره می کند.

به عبارت دیگر اروپا دست خالی نیست. چیزی که کم دارد هماهنگی و جاه طلبی است.

استراتژی حاکمیتی که در سال ها اندازه گیری می شود، نه دهه ها

تحریک آمیزترین ادعای کاستروپ موقتی است: او استدلال می کند که حاکمیت سخت افزاری هوش مصنوعی اروپا به سی سال نیاز ندارد. با سرمایه گذاری متمرکز، هماهنگی در سطح قاره و تمایل به حمایت از تعداد محدودی از بازیگران فناوری عمیق در مقیاس معنادار، می توان تا قبل از سال 2030، حداقل در حوزه های استراتژیک مانند دولت، دفاع، امور مالی و زیرساخت های حیاتی به آن دست یافت.

او خاطرنشان می کند که این بخش ها کمتر به قیمت حساس هستند، به حجم کمتری نیاز دارند و حساس ترین داده ها را شامل می شوند. دقیقاً در جایی که حاکمیت بیشترین اهمیت را دارد، معایب اروپا کمترین اهمیت را دارد.

Kastrup نتیجه می گیرد: «حاکمیت هوش مصنوعی اروپا در کل زنجیره ارزش می تواند قبل از پایان این دهه به دست آید. جایگزین – ادامه وابستگی به سخت افزار خارجی در حین بحث در مورد همسویی در لایه نرم افزاری – احتیاط نیست، بلکه رضایت است.

مقاله کاستروپ کمتر شبیه یک مانیفست است و بیشتر شبیه یک چالش است. او استدلال می کند که آینده هوش مصنوعی اروپا نه تنها با مقررات تعیین می شود و نه با رقابت با دیگران. با این تصمیم مشخص خواهد شد که آیا اروپا جرأت دارد ماشین را در قلب اطلاعات بازطراحی کند و آژانس را بر سرنوشت تکنولوژیکی خود بازپس گیرد.