به گزارش بیزنس تودی ، این تغییر نشان‌دهنده حرکت از مرحله آزمایش هوش مصنوعی به سمت پذیرش گسترده‌تر تجاری آن است؛ به‌طوری‌که شرکت‌ها به‌طور فزاینده‌ای هوش مصنوعی را هم در عملیات داخلی خود و هم در محصولات مصرفی ادغام می‌کنند.
از چت‌بات‌ها تا عامل‌های هوش مصنوعی
نسل بعدی هوش مصنوعی مصرف‌کننده می‌تواند به‌طور قابل‌توجهی عمل‌محورتر باشد. به‌جای اینکه یک هوش مصنوعی صرفاً یک هتل یا پرواز را پیشنهاد دهد، یک عامل هوش مصنوعی می‌تواند به‌طور بالقوه آن را جست‌و‌جو، مقایسه و رزرو کند. همچنین می‌تواند تقویم‌ها، قرار ملاقات‌ها و خرید‌ها را مدیریت کند.
پژوهش گلدمن ساکس اعلام کرده است که این روند نشان‌دهنده تغییر از یک رابطه گفت‌وگو محور با هوش مصنوعی به یک رابطه عمل‌محور است.
اما خودمختاری بیشتر با یک نیاز اساسی همراه است: اعتماد. برای انجام مستقل وظایف، عامل‌ها ممکن است به اطلاعات حساسی مانند تقویم‌ها، رمز‌های عبور و کارت‌های پرداخت دسترسی داشته باشند. بنابراین، امنیت و اعتماد مصرف‌کنندگان می‌تواند تعیین کند که هوش مصنوعی عامل‌محور با چه سرعتی به جریان اصلی تبدیل شود.
اگر مصرف‌کنندگان این مدل را بپذیرند، عامل‌های هوش مصنوعی می‌توانند عملاً به یک لایه کاربردی جدید میان کاربران و اینترنت تبدیل شوند.
عامل‌های هوش مصنوعی می‌توانند به‌طور اساسی خرید آنلاین را تغییر دهند. به‌جای اینکه مصرف‌کنندگان از چندین وب‌سایت بازدید کنند، محصولات را با یکدیگر مقایسه و خودشان فرایند خرید را تکمیل کنند، یک عامل هوش مصنوعی می‌تواند به‌طور بالقوه بخش زیادی از این فرایند را مدیریت کند.
این موضوع می‌تواند یک لایه پلتفرمی جدید مبتنی بر هوش مصنوعی میان زیرساخت‌های فناوری زیربنایی و اپلیکیشن‌های مصرف‌کننده ایجاد کند.
با این حال، شرکت‌ها هم‌زمان سرمایه‌گذاری سنگینی روی زیرساخت هوش مصنوعی انجام می‌دهند؛ به این معنا که این افزایش بهره‌وری ممکن است در ابتدا با سرمایه‌گذاری روی ظرفیت محاسباتی و مراکز داده جذب شود.
سرمایه‌گذاری ۱.۴ تریلیون دلاری برای زیرساخت هوش مصنوعی
رونق عامل‌های هوش مصنوعی مصرف‌کننده با توسعه گسترده زیرساخت‌ها همراه شده است. پژوهش گلدمن ساکس انتظار دارد شرکت‌های هایپراسکیلر آمریکایی تا سال ۲۰۲۷ هزینه‌های سرمایه‌ای بالایی داشته باشند و برآورد می‌کند که این شرکت‌ها ممکن است در سال ۲۰۲۷، ۱.۴ تریلیون دلار سرمایه‌گذاری کنند.
با این حال، این توسعه می‌تواند با محدودیت‌هایی در زمینه تراشه‌های حافظه، برق، زمین و دیگر بخش‌های زنجیره تأمین مواجه شود.
این بانک همچنین انتظار دارد کمبود نیمه‌رسانا‌ها در کوتاه‌مدت ادامه داشته باشد. افزایش ظرفیت تولید تراشه زمان‌بر است و ساخت یک واحد تولید جدید می‌تواند حدود سه سال طول بکشد.
کاهش هزینه‌های هوش مصنوعی می‌تواند استفاده از آن را افزایش دهد
یکی دیگر از عوامل مهم، کاهش هزینه استنتاج هوش مصنوعی است. گلدمن ساکس انتظار دارد ارزان‌تر شدن پردازش توکن‌ها، استفاده اقتصادی از اپلیکیشن‌های هوش مصنوعی پیچیده‌تر را امکان‌پذیر کند. پژوهش قبلی این مؤسسه برآورد کرده بود که مصرف توکن می‌تواند بین سال‌های ۲۰۲۶ تا ۲۰۳۰، ۲۴ برابر افزایش یابد و با گسترش استفاده مصرف‌کنندگان و شرکت‌ها از هوش مصنوعی عامل‌محور، به حدود ۱۲۰ کوادریلیون توکن در ماه برسد.
ترکیب کاهش هزینه‌های استنتاج و افزایش شدید میزان استفاده می‌تواند پذیرش هوش مصنوعی را سرعت بخشیده و صرفه اقتصادی اجرای سرویس‌های هوش مصنوعی در مقیاس بزرگ را بهبود دهد.
ایمنی همچنان یک پرسش مهم است
این توسعه هم‌زمان با افزایش بحث‌ها درباره سرعت و ایمنی توسعه هوش مصنوعی پیشرفته در حال وقوع است. مدیران اجرایی در کنفرانس فناوری گلدمن ساکس درباره این موضوع بحث کردند که آیا توسعه و به‌کارگیری سیستم‌های هوش مصنوعی که روزبه‌روز توانمندتر می‌شوند، باید کند شود یا خیر. پژوهش گلدمن ساکس اعلام کرد که تأثیر نهایی این موضوع تا حد زیادی به نحوه طراحی و اجرای مقررات بستگی خواهد داشت.
در حال حاضر، این بانک انتظار ندارد این بحث‌ها تغییر قابل‌توجهی در چشم‌انداز آن درباره چرخه سرمایه‌گذاری در زیرساخت هوش مصنوعی تا سال ۲۰۲۷ ایجاد کنند.
نظرات کاربران