گوگل چگونه از اپل در عرصه هوش مصنوعی پیش افتاد؟
به گزارش اقتصاد آنلاین به نقل از خبرآنلاین، سال‌ها پیش از آنکه «هوش مصنوعی مولد» (Generative AI) به یک شعار تجاری بدل شود، بنیان‌گذاران گوگل در حال پی‌ریزی ساختارهای فنی پیچیده‌ای بودند که حالا تبدیل به گل سرسبد این شرکت شده‌اند.
امروز وقتی از ابزارهایی مانند ChatGPT یا Gemini استفاده می‌کنیم، بیشترمان نمی‌دانیم این موفقیت‌ها ثمرهٔ چه پایه‌هایی هستند؛ پایه‌هایی که نه یک‌شبه، بلکه در سایه دهه‌ها کار بی‌وقفه شکل گرفته‌اند. در این میانه، اپل با وجود قدرت سخت‌افزاری و تسلطش بر تجربه کاربری، از قافله عقب مانده؛ آن‌هم نه به‌دلیل کمبود منابع، بلکه به‌خاطر نداشتن زیرساخت‌های بنیادینِ هوش مصنوعی.
بسیاری از ما تصور می‌کنیم آنچه از هوش مصنوعی می‌بینیم، حاصل ماه‌ها توسعه سریع است. اما همان‌طور که در ساخت‌وساز، گودبرداری و فونداسیون ممکن است سال‌ها زمان ببرد، در دنیای AI هم آنچه می‌بینیم تنها نوک کوه یخ است.
گوگل این شالوده را از دهه‌ها پیش بنا کرده است
از موتور جستجوی اولیه‌ای که کل وب را ایندکس کرد تا یوتیوب که حالا پایگاه عظیمی برای آموزش مدل‌های ویدئویی شده، همه اجزای بزرگ سیستم‌های امروزی گوگل، تکه‌هایی از یک پازل غول‌آسا هستند.
در مقابل، اپل هنوز بسیاری از این مؤلفه‌های حیاتی را ندارد. برای نمونه، اپل حتی دیتاسنترهای کافی برای پشتیبانی از مدل‌های هوش مصنوعی خود ندارد و برای پشتیبان‌گیری iCloud، از دیتاسنترهای گوگل استفاده می‌کند!
چرا گوگل برای لحظه هوش مصنوعی آماده‌تر است؟
در هفته‌های اخیر، گوگل ابزاری به‌نام «Flow» را معرفی کرد که سامانه‌ای مولد برای تولید ویدئوهای حرفه‌ای توسط هوش مصنوعی است. اما Flow فقط یک اپ نیست و پشت آن، شبکه‌ای از مدل‌ها و ابزارهای زیرساختی چون Veo، Imagen، Gemini، معماری Transformer، تراشه‌های TPU و ده‌ها زیرسیستم دیگر قرار دارد.
بنایی را تصور کنید که هر ستون آن سال‌ها پیش در گوگل پایه‌ریزی شده است.
Veo: مدل تولید ویدئو، متکی بر میلیاردها ویدئوی یوتیوب
Imagen: مدل پیشرفتهٔ تولید تصویر
Gemini: پاسخ گوگل به ChatGPT
TPU (Tensor Processing Unit): پردازنده‌های اختصاصی هوش مصنوعی
Transformer: معماری بنیادی یادگیری مولد، اختراع گوگل در سال ۲۰۱۷
این اجزا تنها در قدرت پردازش یا طراحی خلاصه نمی‌شوند. گوگل نه‌تنها این ابزارها را ساخته، بلکه آن‌ها را در قالب‌هایی مانند TensorFlow برای توسعه‌دهندگان جهان نیز در دسترس گذاشته است. این یعنی گوگل هم سازنده است، هم بستر فراهم‌کننده.
اپل در کجا عقب مانده است؟
درحالی‌که گوگل از سال‌ها پیش به سمت «جهان AI-first» حرکت می‌کرد، اپل رویکردی محتاطانه و سخت‌گیرانه نسبت به داده و زیرساخت‌های AI داشت.
برای مثال، اپل تا همین چند سال پیش حتی ساخت تراشه اختصاصی برای دیتاسنترها را شروع نکرده بود. به‌دلیل سیاست‌های محافظه‌کارانه حریم خصوصی، اپل بسیاری از داده‌های خود را وارد فرآیند آموزش مدل‌ها نکرده است. بر خلاف گوگل، اپل به پژوهشگران AI اجازه انتشار مقاله‌های علمی نمی‌داد، که این مسئله روند جذب استعداد را دچار اختلال کرد. Siri که روزی قرار بود آینده هوش مصنوعی تعاملی باشد، حالا به‌عنوان یکی از کندترین دستیارهای دیجیتال شناخته می‌شود.
در مقابل، گوگل حتی قبل از عمومی شدن واژه «هوش مصنوعی مولد»، شرکت DeepMind را خریداری کرده بود. جایی که نام‌هایی مثل دمیس هسابیس (Demis Hassabis) و مصطفی سلیمان از آن برآمدند و نقشی محوری در شکل‌گیری مدل‌های فعلی ایفا کردند.
گزینه‌های سخت‌گیرانه و گران‌قیمت پیشِ‌روی اپل
وقتی بن تامسون، تحلیل‌گر مشهور حوزه تکنولوژی، پیشنهاد می‌دهد که اپل اجازه دهد Siri را هوش مصنوعی‌های دیگر مثل ChatGPT جایگزین کنند، یعنی اوضاع واقعاً بحرانی است. اما حتی این راه هم خالی از مشکل نیست. همکاری با OpenAI زمانی منطقی به‌نظر می‌رسید، اما حالا این شرکت با جانی آیو، طراح سابق اپل، در حال توسعه گجت‌هایی است که شاید روزی رقیب آیفون شوند. در همین حال، گوگل که محتمل‌ترین شریک فنی برای اپل است، ممکن است به‌دلیل مسائل ضدانحصاری (Antitrust) هدف مقامات نظارتی قرار گیرد اگر همکاری عمیق‌تری میان دو شرکت شکل بگیرد.
همکاری با متا نیز به‌خاطر دشمنی شخصی مارک زاکربرگ با اپل (که در سال‌های اخیر علنی شده) بعید است. آمازون و گوگل نیز سهم‌های بزرگی در شرکت AI دیگری به‌نام Anthropic دارند، که آن هم گزینه‌ای پرریسک برای اپل به‌حساب می‌آید.
راه دیگر؟ خرید شرکت‌هایی مانند SSI (تأسیس‌شده توسط ایلیا ساتسکِوِر، از سازندگان AlexNet) است. اما مشکل این است که SSI هنوز محصولی عرضه نکرده و خریدش بیشتر به یک شرط‌بندی روی آینده می‌ماند. در یک کلام، اپل در وضعیتی است که نه به‌راحتی می‌تواند شریک انتخاب کند و نه زیرساخت لازم برای حرکت مستقل را دارد.
