چند سال پیش، نام انویدیا برای بسیاری از ما بیش از هر چیز یادآور کارت گرافیک و کامپیوترهای گیمینگ بود. امروز همان شرکت در قلب زیرساخت هوش مصنوعی جهان ایستاده است. فاصله میان این دو تصویر، موضوع کتاب «ماشین تفکر» نوشته استیون ویت، روزنامهنگار نیویورکر، است؛ اما کتاب فقط داستان جنسن هوانگ یا صعود یک شرکت تراشهسازی نیست. مهمتر از آن، روایتی است از اینکه هوش مصنوعی امروز چگونه ممکن شد.
این تفاوت مهم است. بخش بزرگی از گفتوگوی روزمره درباره هوش مصنوعی از جایی آغاز میشود که کاربر فناوری را میبیند: تولید متن، تولید تصویر، عاملهای هوشمند، اتوماسیون و این پرسش که کدام شغلها تغییر خواهند کرد. مدیران هم معمولاً با پرسشهایی از همین جنس روبهرو هستند: چه مدلی بخریم؟ چه فرایندی را خودکار کنیم؟ کجا میتوان هزینه را کاهش داد؟ و چطور میتوان بهرهوری را افزایش داد؟ «ماشین تفکر» خواننده را چند لایه پایینتر میبرد. پشت هر پاسخ یک مدل زبانی، زنجیرهای از تراشه، نرمافزار، مرکز داده، شبکه، برق، سرمایه و تصمیمهای مدیریتی قرار گرفته است. اگر قرار باشد مدیری درباره استفاده از هوش مصنوعی تصمیم بگیرد، شناخت این زنجیره احتمالاً از دانستن نام آخرین مدل مهمتر است.
فراتر از هیاهوی هوش مصنوعی
گفتوگو درباره هوش مصنوعی در ایران، مثل بسیاری از نقاط جهان، بیش از اندازه تحت تأثیر محصول نهایی است. هر چند هفته یکبار مدل تازهای معرفی میشود، قابلیتی جدید توجهها را جلب میکند و بحث درباره آینده کار یا جایگزینی انسان دوباره بالا میگیرد. آنچه کمتر دربارهاش حرف میزنیم، زیرساختی است که همه اینها را ممکن کرده است. «ماشین تفکر» دقیقاً به همین زیرساخت میپردازد.
شبکههای عصبی دههها وجود داشتند. رایانش موازی نیز ایده تازهای نبود. پردازندههای گرافیکی هم برای هوش مصنوعی ساخته نشده بودند. آنچه تغییر بزرگ را رقم زد، بههمرسیدن تدریجی این مسیرها بود. شبکههای عصبی به حجم عظیمی از محاسبات نیاز پیدا کردند و پردازندههای گرافیکی انویدیا برای انجام انبوهی از محاسبات مشابه بهصورت همزمان مناسب بودند. کودا نیز به پژوهشگران اجازه داد از این توان پردازشی برای کارهایی بسیار فراتر از گرافیک استفاده کنند. تا اینجا شاید ماجرا فنی به نظر برسد؛ اما درس اصلی آن مدیریتی است: تحولات بزرگ معمولاً محصول یک فناوری منفرد نیستند؛ نتیجه شکلگرفتن یک سیستماند.
این نگاه برای مدیر ایرانی اهمیت دارد. حتی سازمانی که هرگز مدل بنیادی خودش را آموزش نخواهد داد، باید بداند سرویسی که میخرد از چه زیرساختی استفاده میکند، هزینه آن از کجا میآید، به چه منابعی وابسته است و گلوگاه آن ممکن است کجا شکل بگیرد. هوش مصنوعی فقط نرمافزار نیست؛ صنعتی سرمایهبر و زیرساختمحور است.
بازارهایی که هنوز وجود ندارند
یکی از جذابترین مفاهیم کتاب، چیزی است که جنسن هوانگ «بازار صفرمیلیارددلاری» مینامد: بازاری که هنوز وجود ندارد یا آنقدر کوچک است که در صورتهای مالی به چشم نمیآید. انویدیا چند بار روی چنین بازارهایی شرط بست. بازیهای سهبعدی زمانی حاشیهای بودند. رایانش موازی سالها چندان جدی گرفته نمیشد. کودا برای مدتی پروژهای پرهزینه بود که مشتری روشنی نداشت. هوش مصنوعی نیز تا سالها صنعتی نبود که شرکتهای فناوری حاضر باشند دهها میلیارد دلار برای زیرساخت آن هزینه کنند.
کتاب در اینجا نسخه سادهای از «ریسکپذیر باشید» ارائه نمیکند. بسیاری از شرطبندیهای پرریسک شکست میخورند و خود انویدیا نیز بارها تا مرز بحران پیش رفته است. نکته مهمتر این است که یک سازمان چگونه میان بازاری که صرفاً کوچک است و بازاری که هنوز متولد نشده، تفاوت میگذارد.
این پرسش برای مدیر ایرانی آشناست. فشار برای بازدهی کوتاهمدت، محدودیت سرمایه و بیثباتی اقتصادی، سرمایهگذاری بلندمدت را دشوار میکند. اما تقریباً هر زیرساخت مهمی، پیش از آنکه درآمدزا شود، دورهای داشته که دفاع از سرمایهگذاری روی آن آسان نبوده است. پرسش دشوار این است: چه بخشی از منابع سازمان باید صرف کسبوکار امروز شود و چه بخشی باید صرف چیزی شود که شاید بازار فردا را بسازد؟
مزیت انویدیا فقط تراشه نیست
یکی از مهمترین نکات «ماشین تفکر» این است که انویدیا را نباید صرفاً یک شرکت تراشهسازی دید. کتاب در جایی مسئله را خیلی روشن بیان میکند: دلیل موفقیت انویدیا این نبود که مدارهایش بهتر بودند؛ دلیلش این بود که نرمافزارش بهتر بود.
قلب این مزیت، کوداست. طی سالها صدها ابزار و کتابخانه پیرامون آن شکل گرفته و جامعهای از برنامهنویسان و پژوهشگران به استفاده از آن عادت کردهاند. در نتیجه، رقیب انویدیا با ساخت یک تراشه خوب الزاماً نمیتواند مشتری را جذب کند؛ مشتری باید از مجموعهای از نرمافزارها، ابزارها، دانش و عادتهای تثبیتشده نیز مهاجرت کند. این همان جایی است که کتاب از صنعت نیمهرسانا فراتر میرود.
در بسیاری از کسبوکارها، مدیران مزیت رقابتی را در خود محصول میجویند: قابلیت بیشتر، قیمت کمتر یا رابط کاربری بهتر. اما ویژگی محصول معمولاً قابل کپی است. چیزی که کپیکردنش دشوارتر است، اکوسیستم پیرامون محصول است: توسعهدهنده، داده، استاندارد، مستندات، API، دانش انباشته، زنجیره تأمین و هزینهای که مشتری برای تغییر سامانه باید بپردازد. بنابراین، سؤال مهم فقط این نیست که «چه چیزی میفروشیم؟» بلکه این است که «چه چیزی پیرامون محصولمان ساختهایم که جایگزینکردن ما را دشوار میکند؟»
سرعت بهتنهایی مزیت نیست
جنسن هوانگ در «ماشین تفکر» مدیری آرام و متعارف نیست. فشار زیاد، ضربالاجلهای سخت، ارتباط مستقیم با تعداد زیادی از مدیران و وسواس درباره سرعت، بخشی از فرهنگ انویدیاست. کارکنانش از «خشم هوانگ» حرف میزنند و خود او مرتب از حرکت با سرعت بیشتر میگوید. وسوسهانگیز است که از موفقیت انویدیا نتیجه بگیریم چنین سبک مدیریتی عامل پیروزی شرکت بوده است. کتاب اجازه نمیدهد نتیجهگیری به این سادگی باشد.
سرعت انویدیا فقط نتیجه سختگیری مدیرعامل نیست. پشت آن، ساختاری سازمانی قرار دارد که اطلاعات را سریع به رأس سازمان میرساند، فرایند تصمیمگیری را کوتاه میکند و شرکت را قادر میسازد منابعش را روی چند مسیر مشخص متمرکز کند. فشار بدون چنین زیرساختی فقط فرسودگی ایجاد میکند. برای مدیران، شاید این تمایز از خود شخصیت هوانگ مهمتر باشد: سرعت یک دستور مدیریتی نیست؛ یک قابلیت سازمانی است.
سازندگان فناوری الزاماً بهترین داور آن نیستند
هرچه کتاب جلوتر میرود، لحن آن نسبت به هوانگ انتقادیتر میشود. نویسنده بارها درباره خطرهای هوش مصنوعی، مصرف انرژی، پیامدهای اجتماعی و حتی احتمال خارجشدن فناوری از کنترل انسان از او سؤال میکند. هوانگ عموماً این نگرانیها را جدی نمیگیرد. همین تضاد یکی از جذابترین بخشهای کتاب است. کسی که زیرساخت یکی از قدرتمندترین فناوریهای زمان ما را ساخته، الزاماً همان کسی نیست که بهترین پاسخ را درباره نحوه استفاده از آن دارد. این نکته برای هر مدیری که میخواهد هوش مصنوعی را وارد تصمیمگیری سازمان کند، مهم است. طبیعی است که فروشنده فناوری درباره قابلیتهای محصولش صحبت کند؛ اما مسئولیت سنجش محدودیتها، خطا، سوگیری، امنیت و پیامدهای تصمیم خودکار بر عهده سازمان استفادهکننده است.
در صنعت مالی، این مسئله در اعتبارسنجی، تشخیص تقلب و سنجش ریسک آشکار است، اما به این حوزهها محدود نمیشود. در استخدام، پزشکی، بازاریابی، صنعت یا خدمات عمومی نیز همان پرسشها وجود دارند: مدل روی چه دادهای آموزش دیده؟ کجا اشتباه میکند؟ و اگر اشتباه کرد، مسئولیت با چه کسی است؟
کتابی درباره سازوکار قدرت
«ماشین تفکر» را میتوان زندگینامه جنسن هوانگ خواند؛ میتوان آن را تاریخ انویدیا دانست؛ یا کتابی درباره ظهور هوش مصنوعی. اما شاید مفیدترین شیوه خواندن آن برای یک مدیر این باشد که آن را کتابی درباره چگونگی ساختهشدن قدرت در صنعت فناوری بداند. قدرت انویدیا یکشبه به وجود نیامد. حاصل انباشتهشدن چند دهه تصمیم درباره معماری تراشه، نرمافزار، توسعهدهندگان، مراکز داده، شبکه و بازارهایی بود که هنگام آغاز سرمایهگذاری تقریباً وجود نداشتند.
همین موضوع، انتشار فارسی کتاب را مهم میکند. مدیر ایرانی برای فهم هوش مصنوعی بیش از یک فهرست کاربرد یا آموزش کار با ابزارهای مولد نیاز دارد. باید بفهمد زیر این فناوری چه میگذرد، چه منابعی آن را محدود میکنند، اقتصاد آن چگونه کار میکند و چرا بعضی شرکتها توانستهاند در نقاطی از زنجیره مستقر شوند که تقریباً همه بازیگران دیگر به آنها وابستهاند. برای دانستن اینکه امروز با هوش مصنوعی چه میتوان کرد، منابع زیادی وجود دارد. ارزش «ماشین تفکر» در پاسخ به پرسش دیگری است: این جهان چگونه ساخته شد؟
«ماشین تفکر» در نهایت، بیش از آنکه درباره این باشد که هوش مصنوعی امروز چه کارهایی میتواند انجام دهد، درباره مسیری است که ما را به این نقطه رسانده است؛ مسیری که از بازیهای کامپیوتری و پردازندههای گرافیکی شروع میشود، از کودا و رایانش موازی میگذرد، به شبکههای عصبی و مراکز داده میرسد و در نهایت به صنعتی ختم میشود که حالا برای تراشه، برق، شبکه و سرمایه با محدودیتهای واقعی روبهروست. این مسیر یادآوری میکند آنچه امروز ناگهانی و انقلابی به نظر میرسد، حاصل چند دهه انباشت فناوری، سرمایهگذاری و تصمیمهایی است که بسیاری از آنها در زمان خود چندان منطقی یا حتی مهم به نظر نمیرسیدند.
شاید به همین دلیل خواندن این کتاب برای مدیران ارزش داشته باشد. نه برای اینکه از جنسن هوانگ نسخهبرداری کنند یا بهدنبال پیدا کردن «انویدیای بعدی» باشند، بلکه برای اینکه هنگام مواجهه با موج بعدی فناوری، فقط به چیزی که روی صفحهنمایش دیده میشود نگاه نکنند. پشت هر محصول موفق، مجموعهای از انتخابهای فنی، اقتصادی و مدیریتی وجود دارد که معمولاً سالها پیش از دیدهشدن محصول آغاز شدهاند.
امروز ممکن است بحث مدیران درباره انتخاب یک مدل، خرید یک سرویس یا استفاده از هوش مصنوعی در یک فرایند مشخص باشد؛ اما تصمیمهای مهمتر احتمالاً جایی پایینتر از این لایه گرفته میشوند: اینکه سازمان چه زیرساختی میسازد، چه دانشی را درون خود نگه میدارد، به چه بازیگرانی وابسته میشود و روی چه چیزی حاضر است چند سال صبر کند. «ماشین تفکر» ارزشش را دقیقاً در همین نقطه نشان میدهد؛ جایی که داستان هوش مصنوعی دیگر داستان یک ابزار تازه نیست و به داستان شکلگیری یک صنعت و توزیع قدرت در آن تبدیل میشود.
