گوگل دسترسی متا به مدل‌های هوش مصنوعی Gemini را محدود کرد

به گزارش خبرنگار اقتصاد معاصر؛ شرکت گوگل استفاده شرکت متا از مدل‌های هوش مصنوعی Gemini را محدود کرده است. این اقدام پس از آن صورت گرفت که شرکت مادر فیس‌بوک، اینستاگرام و واتس‌اپ درخواست افزایش قابل‌توجه ظرفیت پردازشی برای بهره‌گیری از مدل‌های Gemini را مطرح کرد اما گوگل اعلام کرد که در شرایط فعلی قادر به تامین کامل این میزان ظرفیت نیست.

گوگل که زیرمجموعه شرکت آلفابت محسوب می‌شود، حدود ماه مارس به متا اطلاع داده بود که امکان اختصاص تمام ظرفیت محاسباتی موردنیاز این شرکت برای استفاده از مدل‌های هوش مصنوعی Gemini را ندارد. همچنین محدودیت منابع پردازشی باعث ایجاد اختلال و تاخیر در اجرای برخی از پروژه‌های داخلی هوش مصنوعی متا شده است.

چندین مشتری دیگر گوگل نیز با محدودیت‌های مشابه در دسترسی به ظرفیت پردازشی مواجه شده‌اند اما میزان تاثیر این محدودیت‌ها بر متا به مراتب بیشتر بوده است؛ زیرا حجم درخواست این شرکت برای استفاده از مدل‌های هوش مصنوعی گوگل به شکل قابل‌توجهی بالاتر از سایر مشتریان بوده است.

در پی اعمال این محدودیت‌ها، متا از کارکنان خود خواسته است در استفاده از توکن‌های هوش مصنوعی صرفه‌جویی بیشتری داشته باشند. توکن‌ها واحدهایی هستند که میزان استفاده از مدل‌های هوش مصنوعی را اندازه‌گیری می‌کنند و با افزایش تعداد درخواست‌ها و پاسخ‌های تولیدشده، میزان مصرف آن‌ها نیز افزایش می‌یابد. به همین دلیل، متا تلاش می‌کند با مدیریت بهینه مصرف توکن‌ها، از ظرفیت موجود حداکثر بهره را ببرد.

این اتفاق در شرایطی رخ داده است که غول‌های فناوری جهان همچنان میلیاردها دلار برای خرید تراشه‌های پیشرفته و توسعه مراکز داده سرمایه‌گذاری می‌کنند اما با وجود این هزینه‌های سنگین، همچنان با کمبود توان پردازشی روبه‌رو هستند و قادر نیستند با سرعت رشد تقاضا برای خدمات هوش مصنوعی همگام شوند.

در همین راستا، درآمد بخش Google Cloud در سه‌ماهه نخست سال مالی که در پایان ماه مارس به پایان رسید، به ۲۰ میلیارد دلار رسید. با این حال، ساندار پیچای، مدیرعامل گوگل، پیش‌تر اعلام کرده بود که محدودیت ظرفیت پردازشی مانع از رشد بیشتر درآمد این بخش شده و همچنین باعث شده حجم سفارش‌های معوق واحد خدمات ابری گوگل نسبت به سه‌ماهه قبل تقریبا دو برابر شود.

این رویداد نشان می‌دهد که حتی بزرگ‌ترین شرکت‌های فناوری جهان نیز، با وجود سرمایه‌گذاری‌های عظیم در حوزه هوش مصنوعی و توسعه زیرساخت‌های محاسباتی، همچنان با کمبود ظرفیت پردازشی دست‌وپنجه نرم می‌کنند. در نتیجه، دسترسی به توان محاسباتی به یکی از مهم‌ترین چالش‌ها و محورهای رقابت در صنعت هوش مصنوعی تبدیل شده است.