متا مدل جدید هوش مصنوعی خود را معرفی کرد؛ زاکربرگ به‌دنبال تقویت مدل‌های باز 

سه‌شنبه، 20 مرداد

شرکت متا (Meta) مدل جدید هوش مصنوعی خود با نام Muse Glimmer را معرفی کرده است؛ مدلی که با تمرکز بر اجرای وظایف کوچک و عامل‌محور طراحی شده و می‌تواند روی دستگاه‌های شخصی و حتی با استفاده از یک کارت گرافیک اجرا شود.

عرضه این مدل در شرایطی انجام شده که مارک زاکربرگ، مدیرعامل متا، بار دیگر بر اهمیت توسعه مدل‌های هوش مصنوعی با وزن‌های باز (Open-weight) تأکید کرده و خواستار کاهش محدودیت‌های آمریکا در این حوزه شده است.

زاکربرگ معتقد است مدل‌های باز می‌توانند در رقابت فناوری با چین به شرکت‌ها و توسعه‌دهندگان آمریکایی کمک کنند و در عین حال، هزینه استفاده از هوش مصنوعی را کاهش دهند.

Muse Glimmer؛ مدل کوچک‌تر برای وظایف عامل‌محور

مدل Muse Glimmer برخلاف مدل‌های بسیار بزرگ و سنگین که به مراکز داده قدرتمند نیاز دارند، با هدف اجرای وظایف کوچک‌تر و Agentic AI توسعه یافته است.

این مدل می‌تواند روی سخت‌افزارهای محدودتر اجرا شود و برای انجام کارهایی طراحی شده که به توان پردازشی بسیار بالایی نیاز ندارند.

قابلیت اجرای مدل روی یک کارت گرافیک نیز اهمیت زیادی دارد؛ زیرا به توسعه‌دهندگان و کسب‌وکارهای کوچک اجازه می‌دهد بخشی از قابلیت‌های هوش مصنوعی پیشرفته را بدون نیاز به دسترسی مستقیم به زیرساخت‌های عظیم ابری اجرا کنند.

این رویکرد می‌تواند هزینه استفاده از مدل‌های هوش مصنوعی را کاهش داده و زمینه را برای توسعه برنامه‌های تخصصی‌تر فراهم کند.

زاکربرگ: آینده هوش مصنوعی نباید در دست چند شرکت باشد

هم‌زمان با معرفی مدل جدید، زاکربرگ در مقاله‌ای با عنوان «آینده برای همه است» دیدگاه خود درباره مسیر آینده هوش مصنوعی را تشریح کرده است.

او در این مقاله از تمرکز بیش از حد قدرت هوش مصنوعی در دست تعداد محدودی از شرکت‌ها انتقاد کرده و معتقد است چنین وضعیتی می‌تواند رقابت و نوآوری را محدود کند.

زاکربرگ مدل‌های open-weight را یکی از راهکارهای مهم برای جلوگیری از این تمرکز می‌داند. در این مدل‌ها، وزن‌های آموزش‌دیده سیستم در اختیار توسعه‌دهندگان قرار می‌گیرد و امکان شخصی‌سازی و استفاده گسترده‌تر از مدل فراهم می‌شود.

به اعتقاد مدیرعامل متا، مدل‌های باز معمولاً هزینه پایین‌تری دارند و می‌توانند برای نیازهای مختلف توسط توسعه‌دهندگان تغییر داده شوند.

رقابت با چین؛ نگرانی اصلی متا

یکی از محورهای اصلی استدلال زاکربرگ، رقابت میان آمریکا و چین در حوزه هوش مصنوعی است.

او معتقد است توسعه‌دهندگان آمریکایی در برخی زمینه‌ها با محدودیت‌های بیشتری نسبت به رقبای چینی مواجه هستند و این مسئله می‌تواند در بلندمدت به ضرر موقعیت آمریکا در صنعت AI تمام شود.

چین در ماه‌های اخیر سرمایه‌گذاری گسترده‌ای روی مدل‌های هوش مصنوعی باز انجام داده و شرکت‌هایی مانند DeepSeek و Moonshot مدل‌های قدرتمندی را با هزینه نسبتاً پایین عرضه کرده‌اند.

برای نمونه، مدل DeepSeek V4-Flash طبق آزمایش‌های یک شرکت تحقیقاتی، هزینه اجرای بسیار پایین‌تری نسبت به بسیاری از مدل‌های شناخته‌شده آمریکایی دارد.

به همین دلیل، متا تلاش می‌کند مدل‌های باز را به یکی از نقاط قوت خود در رقابت جهانی تبدیل کند.

Muse Spark 1.2؛ قدرتمندترین مدل متا در راه است

عرضه Muse Glimmer تنها بخش جدید برنامه هوش مصنوعی متا نیست.

زاکربرگ همچنین از عرضه مدل Muse Spark 1.2 خبر داده است؛ مدلی که قرار است به‌عنوان پیشرفته‌ترین مدل هوش مصنوعی متا معرفی شود.

این مدل پیش‌تر نیز در محصولات و ابزارهای جدید متا مورد استفاده قرار گرفته است. برای مثال، متا در ماه اوت ابزار برنامه‌نویسی Muse Code را معرفی کرد که از Muse Spark 1.2 برای نوشتن، اشکال‌زدایی و اجرای وظایف پیچیده برنامه‌نویسی استفاده می‌کند.

به این ترتیب، متا در حال ایجاد مجموعه‌ای از مدل‌هاست که هرکدام برای سطح متفاوتی از نیازهای محاسباتی و کاربردهای هوش مصنوعی طراحی شده‌اند.

متا یک میلیارد دلار برای جوامع محلی اختصاص می‌دهد

زاکربرگ در کنار بحث درباره مدل‌های هوش مصنوعی، از ایجاد یک صندوق یک میلیارد دلاری برای حمایت از جوامعی خبر داده است که تحت تأثیر توسعه مراکز داده قرار می‌گیرند.

افزایش شدید تقاضا برای پردازش هوش مصنوعی باعث شده شرکت‌های فناوری سرمایه‌گذاری سنگینی در مراکز داده، شبکه‌های برق و زیرساخت‌های محاسباتی انجام دهند.

متا نیز یکی از شرکت‌هایی است که میلیاردها دلار برای افزایش ظرفیت محاسباتی خود هزینه می‌کند.

این شرکت اخیراً با افزایش چشمگیر هزینه‌های سرمایه‌ای خود نشان داده که رقابت در حوزه AI به سرمایه‌گذاری عظیم در تراشه، سرور، انرژی و مراکز داده نیاز دارد. رویترز گزارش داده است که متا محدوده پیش‌بینی هزینه‌های سرمایه‌ای سالانه خود را به ۱۳۰ تا ۱۴۵ میلیارد دلار افزایش داده است.

چرا مدل‌های باز اهمیت پیدا کرده‌اند؟

مدل‌های هوش مصنوعی بسته معمولاً توسط شرکت سازنده کنترل می‌شوند و کاربران از طریق API یا سرویس‌های اختصاصی به آن‌ها دسترسی پیدا می‌کنند.

در مقابل، مدل‌های open-weight انعطاف بیشتری در اختیار توسعه‌دهندگان قرار می‌دهند.

شرکت‌ها می‌توانند این مدل‌ها را روی زیرساخت خود اجرا کنند، آن‌ها را برای کاربردهای خاص تنظیم کنند و در برخی موارد بدون پرداخت هزینه‌های بالای سرویس‌های ابری از آن‌ها استفاده کنند.

این ویژگی برای شرکت‌هایی که حجم زیادی از داده‌های حساس دارند نیز جذاب است؛ زیرا امکان اجرای مدل در زیرساخت داخلی می‌تواند کنترل بیشتری بر داده‌ها ایجاد کند.

متا پیش‌تر نیز با خانواده مدل‌های Llama تلاش کرده بود چنین رویکردی را در بازار گسترش دهد.

مدل‌های باز در برابر مدل‌های بسته

رقابت فعلی صنعت AI تنها به قدرت مدل‌ها محدود نمی‌شود و مدل کسب‌وکار آن‌ها نیز اهمیت پیدا کرده است.

شرکت‌هایی مانند OpenAI و Anthropic بخش قابل‌توجهی از مدل‌های پیشرفته خود را به شکل سرویس‌های بسته ارائه می‌کنند. در مقابل، متا تلاش کرده با انتشار مدل‌های open-weight سهم بیشتری از بازار توسعه‌دهندگان را به دست آورد.

مدل‌های باز می‌توانند هزینه توسعه را کاهش دهند و امکان شخصی‌سازی بیشتری فراهم کنند، اما در مقابل، نگرانی‌هایی درباره امنیت، سوءاستفاده و کنترل نحوه استفاده از مدل‌ها نیز وجود دارد.

این مسئله در هفته‌های اخیر اهمیت بیشتری پیدا کرده است؛ زیرا دولت آمریکا درباره ایمنی مدل‌های پیشرفته و نحوه نظارت بر مدل‌های open-weight بحث‌های گسترده‌ای داشته است. دولت ترامپ اخیراً اعلام کرده که قصد ندارد آزمایش‌های ایمنی داوطلبانه را برای مدل‌های open-weight اجرا کند.

متا در حال تغییر استراتژی خود در AI است

معرفی Muse Glimmer و تأکید دوباره زاکربرگ بر مدل‌های باز، بخشی از تغییر گسترده‌تر استراتژی متا در حوزه هوش مصنوعی محسوب می‌شود.

این شرکت از یک سو میلیاردها دلار برای ساخت زیرساخت‌های محاسباتی و خرید تراشه‌های مورد نیاز AI هزینه می‌کند و از سوی دیگر تلاش دارد مدل‌های خود را به ابزارهایی برای توسعه‌دهندگان، شرکت‌ها و کاربران عادی تبدیل کند.

متا همچنین در ماه‌های اخیر قابلیت‌های جدیدی به Meta AI اضافه کرده است که به دستیار این شرکت اجازه می‌دهد برخی وظایف را به‌صورت خودکار انجام دهد؛ از برنامه‌ریزی گرفته تا تهیه خلاصه و انجام برخی درخواست‌های تکرارشونده.

این روند نشان می‌دهد متا قصد دارد در تمام لایه‌های زنجیره هوش مصنوعی، از تراشه و مرکز داده گرفته تا مدل و دستیار دیجیتال، حضور پررنگ‌تری داشته باشد.

رقابت متا با OpenAI و شرکت‌های چینی شدت می‌گیرد

متا در بازاری فعالیت می‌کند که سرعت تغییرات آن بسیار بالاست.

OpenAI، Anthropic و گوگل در بخش مدل‌های پیشرفته و تجاری رقابت می‌کنند، در حالی که شرکت‌های چینی با تمرکز بر مدل‌های ارزان‌تر و open-weight تلاش دارند فاصله خود را با شرکت‌های آمریکایی کاهش دهند.

عرضه Muse Glimmer می‌تواند به متا کمک کند در بخش مدل‌های کوچک‌تر و قابل‌اجرا روی سخت‌افزارهای محدود نیز جایگاه قدرتمندتری پیدا کند.

در همین حال، Muse Spark 1.2 می‌تواند بخش دیگری از استراتژی متا برای رقابت در سطح مدل‌های پیشرفته باشد.

به این ترتیب، متا ظاهراً به‌جای تمرکز روی یک مدل واحد، به سمت سبد متنوعی از مدل‌های هوش مصنوعی با اندازه، هزینه و کاربردهای متفاوت حرکت می‌کند.

جمع‌بندی

متا مدل جدید هوش مصنوعی Muse Glimmer را معرفی کرده است؛ مدلی با وزن‌های باز که برای اجرای وظایف کوچک‌تر و عامل‌محور طراحی شده و می‌تواند با استفاده از یک کارت گرافیک روی دستگاه‌های شخصی اجرا شود.

هم‌زمان، مارک زاکربرگ با انتشار مقاله‌ای درباره آینده هوش مصنوعی، از کاهش محدودیت‌های آمریکا برای توسعه مدل‌های open-weight حمایت کرده و هشدار داده است که تمرکز بیش از حد قدرت AI در دست چند شرکت می‌تواند به رقابت و نوآوری آسیب بزند.

زاکربرگ همچنین از عرضه Muse Spark 1.2 به‌عنوان پیشرفته‌ترین مدل متا خبر داده و اعلام کرده است که این شرکت یک صندوق یک میلیارد دلاری برای حمایت از جوامع تحت تأثیر توسعه مراکز داده ایجاد خواهد کرد.

این اقدامات در مجموع نشان می‌دهد متا قصد دارد مدل‌های باز را به یکی از مهم‌ترین مزیت‌های رقابتی خود در برابر شرکت‌های آمریکایی و چینی تبدیل کند.

با افزایش هزینه زیرساخت‌های هوش مصنوعی و رشد تقاضا برای مدل‌های ارزان‌تر و قابل شخصی‌سازی، رقابت آینده صنعت AI احتمالاً تنها بر سر ساخت قدرتمندترین مدل نخواهد بود؛ بلکه هزینه اجرا، امکان شخصی‌سازی، دسترسی توسعه‌دهندگان و میزان کنترل کاربران بر فناوری نیز نقش تعیین‌کننده‌ای خواهد داشت.