حلّ فريق “دوجو Dojo” أسوأ وأغلى درس بالنسبة لماسك وتسلا وغيرهم.
كلمة “دوجو” (Dojo) في الأصل تعني “مكان الطريق” باللغة اليابانية، وتستخدم تقليديًا في سياق الفنون القتالية للإشارة إلى مكان التدريب.
لسنوات، روجت “تسلا Tesla” لحاسوبها العملاق المُصمم خصيصًا لتدريب نماذج التعلم الآلي لروبوتات تسلا Autopilot و Full Self-Driving و Optimus على أنه الشيء الذي سيعطيها الأفضلية على مطوري المركبات ذاتية القيادة الآخرين.
بينما كانت بقية الصناعة تعتمد على الموردين الخارجيين للحوسبة والرقائق، كانت تسلا ستصمم أجهزتها داخليًا؛ ووفقًا لرؤية ماسك، فإن جهد الذكاء الاصطناعي المتكامل رأسيًا سيسمح لشركة تسلا بالقفز فوق منافسيها الأكثر تقييدًا بالإمدادات.
لكن تسلا الان في مأزق كارثي، ويبدو أن لا أمل في حله.
في الواقع، كانت الأمور واضحة جلية للعارفين منذ فترة لدرجة أصبح البعض غير مبالين بالتدهور المستمر الذي يشهده ماسك وتسلا.
لكن يبدو أن المسمار الأخير يُدقّ في نعش تسلا، ولا شيء يُجسّد هذا الانهيار أكثر من حلّ فريق “دوجو” للذكاء الاصطناعي الفائق مؤخرًا.
ربما كان حاسوب “دوجو” الفائق الداخلي التابع لتسلا هو الميزة الوحيدة التي امتلكتها تسلا في سباق الأتمتة؛ كانت الفكرة الأصلية هي تحقيق تكامل رأسي كامل.
تتطلب نماذج الذكاء الاصطناعي قدرًا كبيرًا من “التدريب”، حيث تُعالج الحواسيب الفائقة كمية هائلة من البيانات، وتتعرف على أنماط فيها، وتُنشئ شبكة عصبية (AI) قادرة على تحديد هذه الأنماط وتكرارها.
تستخدم شركات الذكاء الاصطناعي الناشئة، مثل OpenAI وWaymo، حواسيب عملاقة مبنية على شرائح من جهات خارجية مثل Nvidia لتحقيق ذلك.
هذه الحواسيب الجاهزة رخيصة الثمن، ورغم أنها مُحسّنة لتدريب الذكاء الاصطناعي، إلا أنها لا تزال متعددة الاستخدامات، مما يجعلها أقل كفاءة.
اتخذت تسلا نهجًا مختلفًا مع حاسوبها العملاق Dojo. فمن خلال تصميم الشرائح داخليًا، تمكنت من تحسين الحاسوب العملاق لتدريب أنظمة الذكاء الاصطناعي ذاتية القيادة. وبالتالي، ستستخدم طاقة حاسوبية وطاقة أقل بكثير لتحسين نموذج الذكاء الاصطناعي مقارنةً بالشرائح الجاهزة.
ونظرًا لأن تكاليف الطاقة هي التكلفة الأساسية لتطوير الذكاء الاصطناعي، وليس الأجهزة الحاسوبية، فإن هذا النهج أكثر فعالية من حيث التكلفة بشكل ملحوظ، شريطة أن تتمكن Tesla من تسليم الشرائح في الوقت المحدد.
وهذا لن يمنح تسلا ميزة التكلفة فحسب؛ فقد كان Dojo عاملاً رئيسيًا في تغلب تسلا على أحد أكبر القيود في صناعة الذكاء الاصطناعي، وهو حدود الحوسبة الفعالة، والقفز فوق صناعة أتمتة الذكاء الاصطناعي بضربة واحدة.
ولكن في الواقع، يوضح هذا المفهوم كيف أن تدريب الذكاء الاصطناعي له عوائد متناقصة. لتحسين الذكاء الاصطناعي الخاص بك، تحتاج إلى تدريبه على المزيد من البيانات، مما يتطلب المزيد من قوة الحوسبة والطاقة، وهو أمر مكلف للغاية.
ومع ذلك، فإن العلاقة بين كمية بيانات التدريب وأداء الذكاء الاصطناعي ليست خطية، هناك عوائد متناقصة.
لذلك، إذا ضاعفت بيانات التدريب لذكاء اصطناعي صغير، فقد ترى زيادة في الأداء بنسبة 5٪، ولكن إذا ضاعفت بيانات التدريب مرة أخرى، فقد ترى زيادة في الأداء بنسبة 1٪ فقط، وهكذا.
والآن، لم يكن “دوجو” ليُلغِي حدود الحوسبة الفعّالة، بل كان سيُمكّن تسلا من التعمق أكثر في هذه العوائد المتناقصة من خلال جعل تدريب الذكاء الاصطناعي أرخص بكثير نظريًا ودفعه إلى النقطة التي يصبح عندها غير قابل للتطبيق في المستقبل.
إنها مهمة “سيزيفية”… فعند نقطة معينة، تفوق التكلفة مكاسب الأداء، ويصبح إنشاء ذكاء اصطناعي “أكبر” و “أفضل” و “أرخض” غير ممكنة[.]
وباختصار، كان من المفترض أن يكون “دوجو” الوصفة السرية لتطوير أنظمة ذكاء اصطناعي أكثر دقة بكثير من أنظمة منافسيها… لكن، الاندفاع في الأعمال لمجرد المنافسة وسط الضجيج يأتي بالانتكاسات الكارثية المكلفة!!!