هشدار نادلا به شرکت‌ها: با استفاده از هوش مصنوعی، دو بار هزینه پرداخت می‌کنید

ستیا نادلا، مدیرعامل مایکروسافت، در یادداشتی غیرمنتظره که روز یکشنبه منتشر شد، هشداری جدی به شرکت‌هایی داده که از هوش مصنوعی استفاده می‌کنند. نادلا معتقد است که خریداران هوش مصنوعی در واقع دو بار هزینه پرداخت می‌کنند: یک بار با پول و بار دیگر با چیزی حتی باارزش‌تر، یعنی دانش اختصاصی که برای مفید واقع شدن هوش مصنوعی مجبورند آن را فاش کنند.

ترس از اسب تروا

نادلا به یکی از نگرانی‌های اصلی در سیلیکون‌ ولی اشاره می‌کند: ترس از اینکه آزمایشگاه‌های بزرگ هوش مصنوعی مانند OpenAI و Anthropic که مدل‌های اختصاصی می‌فروشند، در حال بازی نقش اسب تروا هستند. نگرانی این است که این شرکت‌ها با استفاده مداوم از مدل‌های هوش مصنوعی، دسترسی فزاینده‌ای به حساس‌ترین اطلاعات تجاری خود به دست می‌دهند. سازندگان مدل‌ها می‌توانند از این اطلاعات به نفع خود استفاده کنند و در نهایت به رقبای مشتریان خود تبدیل شوند.

نادلا می‌نویسد: “شما در واقع برای هوش دو بار پرداخت می‌کنید، یک بار با پول و بار دیگر با چیزی حتی باارزش‌تر: دانش اختصاصی‌ای که باید آشکار کنید تا آن هوش مفید واقع شود. هرچه بخواهید مدل بهتر عمل کند، باید دانش بیشتری به آن تغذیه کنید!”

خطر ساختاری برای شرکت‌ها

نکته کلیدی هشدار نادلا این است که سازمان‌ها بدون آنکه متوجه باشند، دارندی ارزشمندترین دارایی خود یعنی اطلاعات اختصاصی را به شرکت‌های هوش مصنوعی می‌دهند. با هر درخواست، هر پرامپت و هر تعامل با ابزارهای هوش مصنوعی، ذره‌ای از دانش انباشته‌شده سازمان به مدل تزریق می‌شود.

این نگرانی محدود به شرکت‌های کوچک نیست. حتی غول‌هایی مانند مایکروسافت خود نیز با این چالش دست و پنجه نرم می‌کنند. نادلا که مدیرعامل شرکتی است که سرمایه‌گذاری عظیمی در OpenAI انجام داده و Copilot را به عنوان محصول هوش مصنوعی خود عرضه کرده، با مطرح کردن این موضوع در واقع نشان می‌دهد که حتی درون شرکت‌هایی که از هوش مصنوعی سود می‌برند هم نگرانی جدی وجود دارد.

راهکارهای احتمالی

یکی از راهکارهایی که شرکت‌ها برای مقابله با این مشکل بررسی می‌کنند، استفاده از مدل‌های خودمیزبان (self-hosted) است. با اجرای مدل‌های متن‌باز مانند LLaMA، Mistral یا Qwen روی زیرساخت‌های اختصاصی، سازمان‌ها می‌توانند از خطر نشت اطلاعات جلوگیری کنند. این روند باعث شده تقاضا برای مدل‌های متن‌باز قدرتمند به شدت افزایش یابد.

راهکار دیگر، استفاده از فناوری‌های حفظ حریم خصوصی مانند Differential Privacy یا Federated Learning است که به سازمان‌ها اجازه می‌دهد از مزایای هوش مصنوعی بهره‌مند شوند بدون آنکه داده‌های خام خود را به شرکت‌های ثالث بسپارند.

تأثیر بر صنعت

هشدار نادلا می‌تواند تأثیر قابل توجهی بر نحوه استفاده شرکت‌ها از هوش مصنوعی داشته باشد. اگر سازمان‌های بیشتری به این نتیجه برسند که استفاده از مدل‌های ابری اختصاصی ریسک‌های اطلاعاتی زیادی دارد، ممکن است شاهد تغییر جهت سریع‌تری به سمت مدل‌های خودمیزبان و متن‌باز باشیم. این تغییر می‌تواند به نفع شرکت‌هایی مانند Meta (با مدل‌های LLaMA) و شرکت‌های ارائه‌دهنده زیرساخت‌های خودمیزبان باشد.