واقعیت آماری از رقابت هوش مصنوعی چین و آمریکا؛ توکن بیشتر یا ارزش بیشتر؟
اخیراً انتشاری از آمار مربوط به سهم مصرف «توکن» (واحد پردازشی) توسط مدل‌های بزرگ هوش مصنوعی، توجه فراوانی را در چین جلب کرده است. بر پایه این داده‌ها، ۵۵ درصد از کل توکن‌های مصرفی در چین به سریال‌های کوتاه و تولید ویدئو اختصاص دارد؛ در حالی که سهم تجارت الکترونیک و بازاریابی ۲۴ درصد و سهم توسعه نرم‌افزار تنها ۱۵ درصد است.
گروهی این ارقام را در برابر ادعای مصرف ۵۸ درصدی توکن‌های آمریکا در بخش کدنویسی و اتوماسیون سازمانی قرار داده‌اند. این مقایسه روایت جذابی ساخته است: «چین توان پردازشی خود را صرف سرگرمی و سریال‌های کوتاه می‌کند، اما ایالات متحده آن را برای ساختن آینده به کار می‌گیرد.»
با توجه به مباحث جاری جهانی درباره رقابت فناوری میان چین و آمریکا، این مقایسه در نگاه نخست جالب به نظر می‌رسد، اما بررسی دقیق‌تر نشان می‌دهد که نمی‌توان صحت آن را تأیید کرد. ادعای سهم ۵۵ درصدی ویدئو و سریال‌های کوتاه، برآمده از ارزیابی‌های غیررسمی در فضای مجازی و گزارش‌های شرکتی است که خود در این حوزه سرمایه‌گذاری سنگینی کرده است. این اعداد حاصل محاسبات جامع و آماری معتبر نیستند.
پلتفرم «دوبائو» نیز این داده‌ها را غیرقابل‌اتکا دانسته و بایت‌دنس اعلام کرده که تنها حدود ۱۰ درصد از توان پردازشی‌اش صرف آموزش و استنتاج مدل‌های ویدئویی می‌شود. از سوی دیگر، برای ادعای اختصاص ۵۸ درصد توکن‌های آمریکا به کدنویسی نیز منبع معتبری وجود ندارد.
توکن‌ها صرفاً واحدهایی برای سنجش میزان استفاده از مدل‌ها و محاسبه هزینه‌ها هستند که حجم کار و مصرف توان پردازشی را نشان می‌دهند. این واحدها نه معادل بهره‌وری هستند و نه تولید ناخالص داخلی؛ بنابراین نمی‌توان از آن‌ها مستقیم برای ارزیابی ارزش صنعت هوش مصنوعی استفاده کرد. بعلاوه، تولید ویدئو نیازمند توان پردازشی بسیار بالایی است، در حالی که کدنویسی توکن کمتری مصرف می‌کند اما کارآمدی بالایی دارد. سنجش و مقایسه این دو حوزه تنها بر اساس میزان مصرف توکن، از نظر روش‌شناسی اشتباه است.
نکته مهم، تعداد توکن‌های مصرف‌شده نیست، بلکه میزان ارزش خلق‌شده توسط آن‌هاست. چین با داشتن کامل‌ترین و بزرگ‌ترین سیستم صنعتی جهان، سناریوهای کاربردی فراوان و بزرگ‌ترین میدان آزمون واقعی را در اختیار هوش مصنوعی قرار می‌دهد.
شاید سریال‌های کوتاه، تجارت الکترونیک و تولید محتوا با تصویر سنتی از فناوری‌های پیشرفته همخوانی نداشته باشند، اما همین کاربردهای روزمره هستند که فناوری را در خط مقدم و در برابر کاربران واقعی قرار می‌دهند تا در چرخه‌های تجاری اصلاح شود. مدلی که بارها در ساخت سریال کوتاه استفاده می‌شود، باید ثبات بصری، سرعت و صرفه اقتصادی داشته باشد. این مدل فرصت‌های بیشتری برای ارتقا و تجدیدیافتگی دارد و ارزش صنعتی بسیار بیشتری نسبت به فناوری‌های محدود به ارائه و پاورپوینت ایجاد می‌کند.
پذیرش عمومی و بازار انبوه به معنای کم‌ارزش بودن نیست و نباید آن را در برابر پژوهش‌های بنیادی قرار داد. کاربرد در مقیاس وسیع، هزینه‌های استنتاج را میان کاربران تقسیم کرده و ابزارهای گران‌قیمت آزمایشگاهی را به خدمات عمومی ارزان تبدیل می‌کند. همچنین هزینه‌های پژوهش را تأمین کرده و آن را به سمت مسائل واقعی سوق می‌دهد.
اکنون در چین، هزینه برخی مدل‌های ویدئویی به زیر یک یوان در ثانیه و ساخت سریال کوتاه از چند هزار یوان به چند صد یوان در دقیقه رسیده است. این کاهش هزینه، سازندگان خرد را وارد میدان کرده و چالش‌های مهندسیِ حاصل از این استفاده انبوه، اولویت‌های پژوهشی را شکل می‌دهد. برتری چین در مدل‌های منبع‌باز و استنتاج کم‌هزینه، مستقیماً حاصل همین تقاضای گسترده است.
