ألفابت تخفض تكاليف الذكاء الصناعي وتكشف عن أغلى تحيز في القطاع
أقدمت شركة ألفابت على خطوة فسرها السوق المالي كإشارة للشراء. حيث أعلنت الشركة عن تقدم ملموس في خفض التكاليف التشغيلية لنماذج الذكاء الصناعي، مما يعزز ميزة تنافسية يتطلب توصيلها لخصومها شهوراً، وربما سنوات. بالنسبة للمحللين الماليين، فإن الحجة واضحة: انخفاض التكلفة لكل استنتاج يعني هوامش ربح أوسع، وزيادة القدرة على التوسع، وموقف دفاعي تجاه المنافسين الذين لا يزالون يحرقون رؤوس أموالهم بمعدلات غير مستدامة. تصلح فرضية الاستثمار بنفسها.
لكن هناك قراءة موازية لم يقم بها أي تقرير من وول ستريت، وهي التي أود تفصيلها هنا.
عندما تعلن شركة من هذا العيار أنها استطاعت تقليل تكلفة معالجة الذكاء الصناعي، فإن السؤال التشغيلي ليس فقط كم تنخفض التكلفة لكل رمز. بل السؤال الاستراتيجي هو: أي نوع من الذكاء يتم خفض تكلفة الوصول إليه، ومن صممه، وعلى أي بيانات تم التحقق منه؟ هذه التفرقة تفصل بين ميزة تنافسية حقيقية وهشاشة مؤسسية قد لا تظهر حتى الآن في الميزانية.
الكفاءة التي لا يتم تدقيقها تكلف الكثير
تقليل تكلفة الاستنتاج لنموذج لغوي هو إنجاز هندسي مشروع. لقد استثمرت ألفابت لسنوات في بنية تحتية خاصة بها - حيث تعتبر وحدات المعالجة التنسورية Bet للأصغر من حيث التركيبة الهندسية التي لا يستطيع القليل تقليدها - وتبدأ النتائج في التبلور في أرقام يمكن للسوق قراءتها. هذا أمر حقيقي ويستحق الاعتراف التقني.
المشكلة ليست في الكفاءة. تكمن المشكلة فيما يحدث قبل أن تدخل هذه الكفاءة مرحلة الإنتاج.
تتعلم نماذج اللغة من مجموعات البيانات التاريخية. هذه البيانات ليست محايدة: بل تعكس من أنتج المحتوى على الإنترنت، وبأي لغة، ومن أي موقع اجتماعي واقتصادي، ومع أي تحيزات ثقافية مدمجة. عندما يقوم فريق هندسي بتحسين السرعة وتكلفة نموذج دون مراجعة أولاً العمارة الكامنة لهذه التحيزات، فإن ما يقومون به هو تسريع الخطأ بشكل أسرع وأرخص. الكفاءة دون تدقيق التحيز لا تقلل المخاطر، بل تُصنّعها.
هذا ليس فلسفة. فهناك عواقب تشغيلية قابلة للقياس. أنظمة التوظيف الآلي التي تعاقب الأسماء ذات النطق غير الإنجليزي. نماذج الائتمان التي تُعزز الحقوق التاريخية للنظام المصرفي. خوارزميات الصحة التي تُشخص بدقة أقل في مجموعات سكانية تمثل قليلاً في التجارب السريرية الأصلية. كل واحد من هذه الأخطاء له تكلفة: القضايا القضائية، اللوائح التصحيحية، فقدان الأسواق الكاملة التي لم يتمكن المنتج من خدمتها قط.
لا تتجنب ألفابت هذا الخطر. لا توجد شركة في القطاع بمعزل عنه. وسرعة نشر نماذج أرخص تعزز من نطاق هذا الخطأ المحتمل، وليس العكس.
التجانس على طاولة التصميم له ثمن في السوق
توجد علاقة سببية تحاول صناعة التكنولوجيا التعامل معها بشكل غير مريح: الفرق الإدارية ذات التنوع الأقل في الأصل ووجهة النظر تنتج منتجات بمعدل فشل أعلى في الأسواق المتنوعة. هذه ليست فرضية إيديولوجية. بل هي وصف لديناميكية تنظيمية.
عندما يشارك الأشخاص الذين يصممون نظاماً نفس النقاط المرجعية الثقافية، ونفس المسارات التعليمية، ونفس الافتراضات حول كيفية عمل العالم، فإنهم ينتجون نموذجاً بنطاق عمل يمكن توقعه: يعمل بشكل جيد لأولئك الذين يشبهون مبتكريهم، ويبدأ في الفشل عند الحواف. في الأسواق الصغيرة، يكون ذلك الفشل قابلاً للإدارة. في نماذج الذكاء الصناعي المنتشرة على نطاق عالمي، يتحول ذلك الفشل إلى عبء استراتيجي.
الذكاء الذي تحتاجه للتنبؤ بكيفية فشل نموذج لغوي مع مستخدم في لاغوس، في مدينة مكسيكو، أو في جاكرتا لا ينشأ من فريق متجانس لم يضطر أبداً للتنقل في هذه السياقات. بل ينشأ من دمج هذه وجهات النظر في مرحلة التصميم، وليس كمراجعة لاحقة للتوافق، بل كمدخل هيكلي منذ البداية. هذه هي الفجوة بين التنوع الجمالي والتنوع كميزة دقة.
تمتلك ألفابت الموارد للقيام بذلك. والسؤال هو ما إذا كانت هيكلية اتخاذ القرار في أقسام الذكاء الصناعي تعكس هذه الطموح أو إذا كانت لا تزال تعمل من مركز ثقل ضيق للغاية. من الخارج، لا توفر البيانات العامة حول تركيب الفرق في القطاع تفاؤلاً.
السوق الذي يبقى خارجاً لا يختفي، بل تلتقطه الشركة التالية
هناك حساب يجب أن يضعه المديرون الماليون في اعتبارهم عندما يحتفلون بتخفيض تكاليف ألفابت: الأسواق العالمية التي تخدمها النماذج الحالية بشكل سيء تمثل فرصة إيرادات سيتسنى لشخص آخر تحقيقها.
60٪ من سكان العالم يتحدثون لغات غير ممثلة بشكل كافٍ في بيانات التدريب للنماذج السائدة. تتركز اقتصادات الأسواق الناشئة على حجم متزايد من الاستهلاك الرقمي. إذا استمرت نماذج ألفابت الأرخص في كونها نماذج مُحسّنة لمجموعة فرعية ضيقة من الطلب العالمي، فإن كفاءة التكاليف لن تتحول إلى توسعة السوق. بل تصبح عملية أكثر رخصًا ضمن نفس الإطار المحدود.
هذا هو عكس الميزة التنافسية المستدامة. هو كفاءة ضمن كهف.
الشركات التي ستفوز في المرحلة الثانية من سباق الذكاء الصناعي لن تكون بالضرورة هي التي تمتلك النموذج الأرخص. بل ستكون تلك التي تمتلك النموذج الأكثر دقة لأكبر تنوع من السياقات الحقيقية. ولا تأتي هذه الدقة من المزيد من قدرة الحوسبة، بل تأتي من شبكات وجهات نظر أوسع في مرحلة التصميم: باحثون بتجارب مختلفة، ومجموعات بيانات تلتقط تنوع العالم الحقيقي، وآليات التغذية الراجعة التي تستمع للموظفين في الهامش قبل أن تتحول هذه الهوامش إلى أسواق مفقودة.
تكلفة الاستمرار في النظر إلى الداخل
أثبتت ألفابت أنها تستطيع تحريك رافعة التكاليف بمهارة ليس لدى منافسيها المباشرين. هذا فعلاً صعب التكرار ويستحق الاعتراف الذي يمنحه السوق. لكن ميزة التكاليف دون ميزة التمثيل لها عمر محدود.
لن يتحدد الدورة التنافسية القادمة في الذكاء الاصطناعي على أساس تكلفة الاستنتاج. بل سيتحدد ذلك بناءً على مدى فهم الشركات للسوق التي لا تزال لا تخدمها. وهذه الفهم لا يُبنى بإضافة مزيد من المهندسين من نفس الخلفيات. بل يُبنى عن طريق إعادة تصميم هيكلية من يملك الصوت في القرارات المهمة، ومن أي وجهات نظر تُحدد أي مشكلة تستحق الحل، ومع أي بيانات يتم تدريب الذكاء الذي سيتم نشره على نطاق عالمي.
تقوم الشركات التي تخفض التكاليف دون توسيع الآفاق بتحسين جزء من المشكلة بينما تتجاهل الجزء الذي سينتهي به المطاف بتحديد الأهمية. المنافس التالي الذي سيأخذ حصة من السوق لن يأتي بهندسة أفضل. بل سيأتي بنموذج يفهم المستخدمين الذين لم تستطع ألفابت الاستماع لهم.
في المرة القادمة التي يتعين فيها على اللجنة الإدارية لأي شركة تكنولوجية مراجعة جدولها الزمني للذكاء الاصطناعي، سيكون من المهم أن تنظر إلى الأشخاص الذين يجلسون حول الطاولة. إذا كانوا جميعاً من نفس المكان، وتحدثوا نفس اللغات ومروا بالعالم من خلال نفس الإحداثيات، فإنهم لا يقيمون المخاطر بأكبر قدر من الذكاء المتاح. بل يشتركون في نفس النقاط العمياء ويسمون ذلك توافقًا، مما يجعلهم هدفًا مثاليًا لمن سيأتي برؤية لم يتوقعوها.
