قرارداد ۱۰۰ میلیون دلاری میرندیل با گوگل کلود برای تحقق هوش مصنوعی خودتکامل

آزمایشگاه هوش مصنوعی میرندیل (Mirendil) در اقدامی بلندپروازانه، قراردادی چندساله و بالای ۱۰۰ میلیون دلار با گوگل کلود امضا کرد تا منابع محاسباتی موردنیاز برای پژوهش روی «هوش مصنوعی خودبهبود» (Self-improving AI) را تأمین کند. این خبر که نخستین‌بار توسط وبسایت تک‌کرانچ (TechCrunch) گزارش شد، نشان‌دهنده رقابت فزاینده غول‌های رایانش ابری برای جذب استارتاپ‌های هوش مصنوعی و تلاش این شرکت‌ها برای دسترسی تضمینی به قدرت پردازشی در مقیاس عظیم است.

به‌نقل از تک‌کرانچ، به‌نام نیوشا، هم‌بنیان‌گذار و مدیرعامل میرندیل، ارزش این قرارداد را «بالای ۱۰۰ میلیون دلار» اعلام کرده که تقریباً نصف مبلغی است که این آزمایشگاه در مرحله تأمین مالی بذری (Seed Funding) با ارزش‌گذاری یک میلیارد دلاری در اواخر ژوئن گذشته جذب کرده بود. این معامله به میرندیل امکان می‌دهد از تراشه‌های تنسور (TPU) و پردازنده‌های گرافیکی انویدیا (Nvidia GPU) گوگل به‌همراه خوشه‌های آموزشی مدیریت‌شده استفاده کند.

هوش مصنوعی خودبهبود چیست و چرا اهمیت دارد؟

هوش مصنوعی خودبهبود یا «خودبهبودی بازگشتی» (Recursive Self-improvement) به سیستمی گفته می‌شود که می‌تواند به‌طور مکرر عملکرد خود را بهبود بخشد. این مفهوم که زمانی تنها در داستان‌های علمی‌تخیلی دیده می‌شد، اکنون هدف اصلی آزمایشگاه‌های پیشرویی مانند آنتروپیک (Anthropic) – جایی که بنیان‌گذاران میرندیل از آن آمده‌اند – و چند استارتاپ دیگر است. به‌گفته به‌نام نیوشا، این فناوری می‌تواند بسیاری از فرایندهای پژوهشی در هوش مصنوعی و علوم دیگر را خودکار کرده و به دانشمندان در حوزه‌هایی مانند پزشکی، زیست‌شناسی و علم مواد کمک کند.

او توضیح می‌دهد: «تصور کنید یک سیستم هوش مصنوعی داشته باشید که وقتی مسئله‌ای مانند درمان آلزایمر را به آن محول می‌کنید، به‌مرور زمان دانش و عملکرد خود را در آن زمینه افزایش دهد. این فناوری به ما اجازه می‌دهد اهداف بلندپروازانه‌ای برای هوش مصنوعی تعیین کنیم و سیستم به‌طور پیوسته پیشرفت کند.»

چرا گوگل کلود و میرندیل به هم نیاز دارند؟

برای آموزش چنین سیستم‌هایی به حجم عظیمی از توان محاسباتی نیاز است. هارش مهتا، هم‌بنیان‌گذار دیگر میرندیل، می‌گوید بخش بزرگی از چالش آموزش، تطبیق درست «بارهای کاری» (Workloads) با سخت‌افزار مناسب است. «مدل‌های ما در کار با بارهای کاری و تراشه‌های مختلف بسیار خوب عمل می‌کنند و این انعطاف‌پذیری به ما – و مشتریانمان – امکان می‌دهد هزینه‌ها را کاهش دهیم.»

امین وحدت، مدیر ارشد فناوری هوش مصنوعی و زیرساخت در گوگل، در بیانیه‌ای تأکید کرد که پیشرفت هوش مصنوعی دیگر فقط به عملکرد تراشه‌ها محدود نیست، بلکه به «هماهنگ‌سازی کل سیستم‌های هوشمند و شکستن محدودیت‌های فیزیکی مقیاس‌پذیری» بستگی دارد. به‌عبارتی، گوگل با این قرارداد نه‌تنها یک مشتری استراتژیک برای زیرساخت خود پیدا کرده، بلکه به نرم‌افزار و لایه سیستمی میرندیل نیز دسترسی دارد که می‌تواند بهره‌وری سخت‌افزارهایش را افزایش دهد و در رقابت با دیگر ارائه‌دهندگان ابری برگ برنده‌ای باشد.

نگاهی از ایران: محاسبات ابری و رؤیای هوش مصنوعی خودتکامل

گرچه چنین قراردادهایی در سطح جهانی میان غول‌های فناوری و آزمایشگاه‌های پیشرو بسته می‌شود، اما پیامدهای آن برای فضای فناوری ایران نیز قابل تأمل است. دسترسی به زیرساخت‌های محاسباتی قدرتمند، یکی از مهم‌ترین موانع توسعه هوش مصنوعی در ایران است و مدل‌هایی که بتوانند با بهینه‌سازی بارهای کاری، هزینه‌ها را کاهش دهند، برای استارتاپ‌ها و مراکز تحقیقاتی داخلی جذاب خواهد بود. همچنین، موفقیت میرندیل نشان می‌دهد که دانشمندان ایرانی‌الاصل می‌توانند در خط مقدم نوآوری‌های هوش مصنوعی قرار بگیرند و این الهام‌بخش نیروی انسانی متخصص در داخل کشور است.

میرندیل امیدوار است هوش مصنوعی خودبهبودش سرانجام بتواند کار یک آزمایشگاه کامل هوش مصنوعی را به‌تنهایی انجام دهد. اگر این رؤیا محقق شود، نه‌تنها سرعت اکتشافات علمی چندبرابر می‌شود، بلکه مدل کسب‌وکار توسعه هوش مصنوعی را نیز دگرگون خواهد کرد. باید دید گوگل و میرندیل با این سرمایه‌گذاری عظیم چه مسیری را برای آینده علم و فناوری ترسیم می‌کنند.