آلتمن: گوگل فرصت شکست اوپن ای آی در ۲۰۲۳ را از دست داد

سم آلتمان می‌گوید گوگل در سال ۲۰۲۳ فرصت واقعی‌ای برای شکست دادن اوپن‌ای‌آی داشت — اما تردیدها و شیب کند به سمت هوش مصنوعی به استارتاپ زمان رشد داد. در یک مصاحبه اخیر در پادکست Big Technology، او توضیح داد کجاهای تصمیم‌گیری گوگل با احتیاط مواجه شد و چگونه آن فضای خالی برای نفوذ و رشد ChatGPT ایجاد شد. این بررسی شامل تحلیل رقابت بر سر جستجوی مبتنی بر هوش مصنوعی، مدل‌های درآمدی جدید، و چالش‌های فنی و تجاری است که هر بازیگر بزرگ فناوری را در این مسیر تحت تأثیر قرار می‌دهد.

چرا آلتمن فکر می‌کند گوگل فرصت خود را از دست داد

آلتمان در این پادکست گفت که گوگل در پیاده‌سازی و ادغام هوش مولد (generative AI) در محصولات اصلی‌اش مانند موتور جستجو بسیار محتاط بود. به گفته او، این احتیاط نقشی تعیین‌کننده داشت؛ اگر گوگل در سال ۲۰۲۳ با سرعت و اولویت‌بندی بالا فناوری‌های پیشرفته زبان و مدل‌های مولد را در ساختار جستجو و نتایج کاربران ادغام می‌کرد، احتمالاً اوپن‌ای‌آی با خطر جدی مواجه می‌شد. آلتمان به صراحت بیان کرد که یک حرکت قاطع و متمرکز از سوی گوگل در آن سال می‌توانست سرنوشت اوپن‌ای‌آی را تغییر دهد یا حتی پایان دهد. این تحلیل حاوی نکات تاکتیکی درباره زمان‌بندی (timing)، تخصیص منابع مهندسی و تصمیم‌گیری مدیریتی است که در نهایت سهم بازار و تصویر عمومی را رقم می‌زند.

با این حال، آلتمان تصدیق می‌کند که گوگل همچنان یک غول فناوری است و دارایی‌هایی دارد که به‌سادگی قابل‌رقابت نیستند. ذخایر عظیم داده‌های گوگل در حوزه‌های محلی مانند جستجوی محلی، وضعیت آب و هوا، نقشه‌ها، لیست‌های تجاری و سایر عمودی‌ها به این شرکت برتری بلندمدت می‌بخشد حتی اگر تغییرات محصول به‌صورت تدریجی و آهسته اعمال شوند. این مزیت داده‌ای (data advantage) به گوگل امکان می‌دهد تا در سناریوهای پیچیده هدف‌گذاری تبلیغاتی، شخصی‌سازی نتایج و اندازه‌گیری عملکرد تبلیغات، همچنان قدرتمند باقی بماند. علاوه بر این، زیرساخت‌های مهندسی و تجربه طولانی گوگل در مدیریت مقیاس،Latency و قابلیت اطمینان سرویس‌ها، موانع ورود بالایی برای رقبا ایجاد می‌کند.

از منظر اوپن‌ای‌آی، تمرکز کامل بر هوش مصنوعی به این شرکت اجازه می‌دهد تا به بازتعریف نحوهٔ عملکرد جستجو و تبلیغات در دنیای «ابتدا هوش مصنوعی» (AI-first) بپردازد. این تمرکز تخصصی یک مزیت راهبردی است: وقتی یک سازمان تمام منابع محصولی، تحقیقاتی و مهندسی خود را به‌طور خاص به مدل‌های زبانی، رگرسیون‌های مولد و طراحی تجربهٔ گفتگو محور اختصاص می‌دهد، فرصت‌هایی برای نوآوری در تجربهٔ کاربر و مدل‌های درآمدی جدید پدید می‌آید که شرکت‌های نسل قدیمی ممکن است دیرتر یا محتاطانه‌تر دنبال کنند. همین انگیزه توضیح می‌دهد که چرا اوپن‌ای‌آی گزینه‌های درآمدزایی مانند قرار دادن تبلیغات در داخل ChatGPT را بررسی می‌کند تا دنبال پایداری مالی بلندمدت و پوشش هزینه‌های زیرساختی باشد.

• کاربران فعال هفتگی ChatGPT: حدود ۸۰۰ میلیون
• مشترکین پرداخته: تقریباً ۳۵ میلیون
• هدف سرمایه‌گذاری زیرساختی اوپن‌ای‌آی: حدود ۱۱۵ میلیارد دلار تا سال ۲۰۲۹

اوپن‌ای‌آی هنوز به سودآوری نرسیده است، بنابراین تبلیغات داخل ChatGPT می‌تواند به‌عنوان یکی از جریان‌های درآمدی مهم برای پشتیبانی از برنامه‌های عظیم زیرساختی‌اش مطرح شود. اما چالش تبلیغات در محیط‌های مکالمه‌ای پیچیده و چندوجهی است: سیستم تبلیغاتی جستجوی گوگل طی دهه‌ها حول قصد سنتی کاربر از پرس‌وجو (query intent) تکامل یافته و معیارهای هدف‌گذاری، قیمت‌گذاری و گزارش‌دهی در آن بر اساس این الگو ساخته شده است. انتقال آن مدل به گفت‌وگوهای مبتنی بر هوش مصنوعی که ممکن است شامل پاسخ‌های طولانی، ترکیب منابع متعدد و تولید متن است، نیازمند بازطراحی عمیق مکانیزم‌های همسان‌سازی تبلیغات، حفظ حریم خصوصی کاربران، و سنجش اثربخشی (attribution) است.

چند مورد فنی و تجاری که باید در نظر گرفته شوند عبارت‌اند از: نحوهٔ اندازه‌گیری تعامل کاربر با تبلیغ در جریان مکالمه، حفظ شفافیت تبلیغاتی و تطابق با مقررات حریم خصوصی، کنترل کیفیت و جلوگیری از تولید محتوای گمراه‌کننده در کنار تبلیغات، و نیاز به تغییر در سازوکارهای مزایدهٔ تبلیغات (ad auction) تا با پاسخ‌های مولد هماهنگ شود. از منظر زیرساخت نیز، ارائه تبلیغات هدفمند در یک سامانه مبتنی بر مدل زبانی نیازمند پردازش بلادرنگ، ذخیره و تحلیل سیگنال‌های کاربری با رعایت قوانین حریم خصوصی و مدیریت هزینه‌های محاسباتی است؛ مسائلی که اوپن‌ای‌آی برای رسیدن به پایداری مالی و فنی باید آنها را حل کند.

به‌طور خلاصه، آلتمن مسابقهٔ هوش مصنوعی را هم یک رقابت استراتژیک و هم وابسته به زمان‌بندی می‌بیند. مخازن عمیق داده‌ای گوگل به این شرکت قدرت بلندمدت می‌دهند، اما تردیدهای ابتدایی فضای کافی برای اوپن‌ای‌آی فراهم کرد تا شتاب بگیرد و مدل جدیدی برای جستجوی مبتنی بر هوش مصنوعی و تبلیغات مکالمه‌ای شکل دهد. در این رقابت، عوامل کلیدی شامل تصمیمات مدیریتی درباره اولویت‌بندی محصول، سرمایه‌گذاری در زیرساخت محاسباتی و داده‌ای، تعامل با مقررات، و انعطاف در طراحی مدل‌های درآمدی است که می‌تواند تعیین‌کنندهٔ جایگاه هر بازیگر در بازار باشد.

با نگاه دقیق‌تر به منظر رقابتی، چند نکتهٔ تحلیلی مطرح می‌شود که به درک بهتر وضعیت کمک می‌کنند: یکی اینکه در بازارهای دیجیتالِ مبتنی بر داده، سرعت در آزمایش و انتشار ویژگی‌های جدید (rapid experimentation) نقش حیاتی دارد؛ این سرعت نه تنها به نوآوری تکنولوژیک مربوط می‌شود بلکه به توانایی سازمان برای تحلیل رفتار کاربر، بهینه‌سازی مدل‌های تبلیغاتی و تدوین سیاست‌های حفظ حریم خصوصی نیز گره خورده است. دوم اینکه مدل‌های درآمدی مبتنی بر تبلیغات در محیط‌های مکالمه‌ای باید به نحوی طراحی شوند که تجربهٔ کاربری را مختل نکنند و هم‌زمان بازده اقتصادی لازم را برای پوشش هزینه‌های عملیاتی و سرمایه‌ای فراهم آورند. سوم، همگرایی بین فناوری‌های مدل‌محور (model-centric AI) و زیرساخت‌های داده‌محور (data-centric infrastructure) برای حفظ مزیت رقابتی و ارتقای کیفیت نتایج بسیار مهم است؛ اوپن‌ای‌آی با تمرکز محوری روی مدل‌ها، و گوگل با مزیت گستردهٔ داده‌ای، هرکدام نقاط قوت و ضعف مشخصی دارند.

از منظر فنی، ایجاد تجربهٔ جستجوی مبتنی بر هوش مصنوعی نیازمند تلفیق چندین لایه از قابلیت‌ها است: بازیابی اطلاعات (information retrieval) دقیق، رتبه‌بندی مبتنی بر زمینهٔ گفتگو (contextual ranking)، تولید متن سازگار و قابل‌ردیابی، و مکانیزم‌های بازخورد کاربر برای بهبود مستمر مدل. همچنین، مسألهٔ کنترل سرایت خطا (error propagation) در پاسخ‌های مولدی که می‌توانند به اطلاعات نادرست یا جهت‌گیری تبلیغاتی منجر شوند، باید با طراحی‌های حفاظتی (guardrails) و سیاست‌های محتوا مدیریت شود. این جنبه‌ها نشان می‌دهند که رقابت بین گوگل و اوپن‌ای‌آی تنها به مدل‌های زبان خلاصه نمی‌شود، بلکه شامل طراحی تجربهٔ انسانی، سازوکارهای تجاری و چارچوب‌های نظارتی نیز می‌شود.

در نهایت، برای کسانی که به دنبال درک بهتر چشم‌انداز جستجو و تبلیغات مبتنی بر هوش مصنوعی هستند، چند روند کلیدی را باید دنبال کرد: توسعهٔ استانداردهای اندازه‌گیری اثربخشی تبلیغات در محیط‌های مکالمه‌ای، پیشرفت در روش‌های حفظ حریم خصوصی و فدرال‌لرنینگ که دادهٔ کاربر را امن نگه می‌دارد، و نوآوری‌های فنی برای کاهش هزینهٔ محاسباتی مدل‌های بزرگ. این روندها تعیین می‌کنند که آیا بازیگران جدید می‌توانند مدل‌های درآمدی پایدار ایجاد کنند یا شرکت‌های قدیمی با مزیت داده‌ای خود همچنان بر بازار مسلط خواهند ماند.