مدیر Y Combinator از استراتژی سرمایه‌گذاری بالا در AI حمایت می‌کند

خبرگزاری CoinWorld گزارش می‌دهد:

مدیر عامل Y Combinator، گاری تان، معتقد است که استارتاپ‌ها هنگام استفاده از هوش مصنوعی نباید زودتر بر کاهش هزینه‌های توکن تمرکز کنند. برعکس، او پیشنهاد می‌کند که بنیان‌گذاران در مراحل اولیه می‌توانند به‌طور تهاجمی در قدرت محاسباتی و توکن سرمایه‌گذاری کنند و با هزینه‌های بالاتر، توانایی مدل قوی‌تری و سرعت آزمایش و خطای بیشتری به دست آورند.

تاکید بر افزایش حداکثری توانایی‌ها

تان در جدیدترین قسمت پادکست A16z بیان کرد که بنیان‌گذاران باید به خود اجازه دهند که توکن‌های زیادی مصرف کنند. به نظر او، افزایش شدت استفاده از هوش مصنوعی معادل استفاده زودهنگام از توانایی‌هایی است که در چند سال آینده بیشتر رایج خواهند شد.

او برآورد می‌کند که این روش اگرچه پرهزینه است، اما ممکن است برای مدیران عامل یا بنیان‌گذاران به صرفه باشد. به گفته او، اگر هوش مصنوعی "به حداکثر برسد"، هزینه سالانه ممکن است به ۵۰ تا ۱۰۰ هزار دلار برسد.

نکته فقط صرف هزینه نیست

تان تنها به تشویق هزینه‌های بالاتر نمی‌پردازد. او تأکید می‌کند که کلید کار در تبدیل نتایج آزمایش به فرآیندهای قابل تکرار است. به محض اینکه هوش مصنوعی موفق به انجام یک وظیفه شد، تیم باید فرآیند را به دستورالعمل‌های استاندارد تبدیل کند تا سیستم بتواند به‌طور خودکار آن را تکرار کند.

او این نوع مستندات را به‌عنوان نیروی کار دیجیتال قابل استفاده مجدد می‌بیند. به عبارت دیگر، تیم‌های استارتاپی در مراحل اولیه با هزینه‌های بالای توکن، تنها یک خروجی یک‌باره به دست نمی‌آورند، بلکه فرآیند کاری را به دست می‌آورند که می‌توانند به‌طور مداوم از آن استفاده کنند.

• هزینه استفاده با شدت بالا که تان به آن اشاره کرده است: سالانه حدود ۵۰ تا ۱۰۰ هزار دلار
• گروه هدف: مدیران عامل، بنیان‌گذاران و تیم‌های آزمایش و خطای مکرر
• روش اصلی: ابتدا سرمایه‌گذاری بالا در آزمایش، سپس نوشتن فرآیند به‌عنوان دستورالعمل‌های قابل استفاده مجدد

نظرات متفاوت در سیلیکون ولی درباره tokenmaxxing

تان یکی از معدود افرادی است که به‌طور علنی از "tokenmaxxing" در صنعت فناوری حمایت می‌کند. به‌عبارتی، tokenmaxxing به معنای اجازه دادن به سیستم برای مصرف بیشتر توکن‌ها در هنگام استفاده از هوش مصنوعی است، نه اینکه اولویت را بر کاهش میزان مصرف و هزینه‌ها بگذارند.

اما این ایده با چالش‌های بیشتری روبرو است. هفته گذشته، پرابین نپالی ناگا، مدیر فناوری اوبر، بیان کرد که داده‌های هزینه‌های هوش مصنوعی که شرکت مشاهده کرده است، نشان می‌دهد که عصر tokenmaxxing ممکن است در حال پایان باشد. تمرکز رقابت در مرحله بعدی بر این نیست که چه کسی بیشتر توکن مصرف می‌کند، بلکه بر این است که چه کسی می‌تواند این منابع را به‌طور مؤثرتری استفاده کند.

مدیر عامل شرکت برنامه‌نویسی هوش مصنوعی Cognition، اسکات وو، نیز در پادکستی در ژوئن امسال نظر مشابهی را بیان کرد. او معتقد است که برخی شرکت‌ها در تشویق tokenmaxxing از هدف اصلی منحرف شده‌اند و ارزیابی عملکرد تیم نباید بر اساس مصرف توکن باشد، بلکه باید بر اساس خروجی نهایی باشد.

به‌طور کلی، این اختلاف نظر نشان‌دهنده این است که با ورود به مرحله‌ای دقیق‌تر از کاربرد هوش مصنوعی، صنعت در حال جستجوی تعادل مجدد بین اولویت توانایی و اولویت کارایی است. برای استارتاپ‌ها، اینکه آیا مایل به تحمل هزینه‌های بالاتر برای دستیابی به تکرار سریع‌تر محصولات و تثبیت فرآیندها هستند، به انتخاب جدیدی در مدیریت تبدیل شده است.