رؤیاهای ریشی سوناک برای هوش مصنوعی
هوش مصنوعی پتانسیل زیادی دارد و بریتانیا مزیتی دارد که می‌تواند به شکوفایی آن کمک کند
عصر تراکنش ۷۲ / ریشی سوناک رؤیای تبدیل‌شدن بریتانیا به ابرقدرت هوش مصنوعی را در سر دارد. نخست‌وزیر بریتانیا می‌گوید این فناوری که به لطف موفقیت مدل‌های زبانی بزرگ مثل GPT-4 مورد توجه شدید جهانی قرار گرفته، می‌تواند محرک رشد اقتصادی شود و خدمات عمومی راکد و ایستا را بهبود ببخشد. بیانیه‌های مرتبط با هوش مصنوعی سریع‌تر از آنکه مفسران بتوانند همگام با آنها پیش بروند، از خیابان داونینگ (محل دفتر نخست‌وزیری) بیرون می‌آیند. در ماه مارس «جرمی هانت»، رئیس خزانه وعده داد که در عرض پنج سال بیش از یک میلیارد پوند (1.3 میلیارد دلار) برای هوش مصنوعی هزینه کند. در ماه می سوناک با مدیران عامل شرکت‌های هوش مصنوعی در لندن دیدار کرد. ریشی سوناک در روز هفتم ژوئن هنگام ملاقات با جو بایدن گفت بریتانیا در پاییز امسال از «اولین نشست جهانی هوش مصنوعی» میزبانی خواهد کرد.
جاه‌طلبانه‌ترین بلندپروازی‌هایش بر پدیده درستی متمرکز شده‌اند. هوش مصنوعی پتانسیل زیادی دارد و بریتانیا مزیتی دارد که می‌تواند به شکوفایی آن کمک کند. بعد از چین و آمریکا، این کشور بیش از هر کشور دیگری برای تأسیس شرکت فناوری جدید در اولویت قرار دارد (نمودار 1 را ببینید)؛ زیرا محل استقرار شرکت‌های مهم هوش مصنوعی است که برجسته‌ترین‌شان DeepMind، آزمایشگاه تحقیقات هوش مصنوعی متعلق به آلفابت، غول فناوری آمریکایی و Stability AI، استارتاپ هوش مصنوعی مولد هستند که هر دو در لندن قرار دارند. دانشگاه‌های بسیار عالی این کشور دانش‌آموخته‌های توانمندی را می‌پرورانند که برای کار کردن در حوزه هوش مصنوعی مشتاق‌اند. لندن هم شهر جذابی برای جهان محسوب می‌شود که سرمایه‌گذاران و مهاجران بااستعداد و ماهر را جذب می‌کند.
داده‌هایی که نهادهای عمومی این کشور جمع‌آوری می‌کنند (از همه مهم‌تر داده‌هایی که سازمان عظیم خدمات ملی بهداشت (NHS) مثلاً در مورد نتایج مصرف داروها، لجستیک بیمارستان یا تصویربرداری از بدن در شرایط متفاوت جمع‌آوری می‌کند) می‌توانند معدنی طلایی برای آموزش هوش مصنوعی متمرکز بر سلامت فراهم آورند. دولت نیز سابقه خوبی در یافتن راه‌های استفاده مناسب از فناوری دارد؛ چنانچه کمی بیش از یک دهه پیش، با راه‌اندازی «خدمات دیجیتال دولت» خدمات عمومی مثل صدور گذرنامه یا گواهینامه رانندگی را دیجیتال کرد. دولت‌ها در اروپا و آمریکا از این اقدام کپی‌برداری کرده‌اند.
اما با وجود همه اشتیاق‌های با حسن نیت برای این پدیده بزرگ جدید، دولت سوناک هنوز با واقعیت روبه‌رو نشده است؛ موانع بسیار بزرگی هنوز مسیر بریتانیا برای رسیدن به موفقیت در هوش مصنوعی را مسدود کرده‌اند. سیستم‌های هوش مصنوعی با سه عنصر ساخته می‌شوند؛ رایانش، مجموعه داده‌های پاک و تلاش افرادی که می‌دانند چطور با مقادیر گسترده‌ای از هر دو کلنجار بروند و کار کنند. از طرف دیگر یک صنعت موفق به رگولیشن مناسب نیاز دارد. بریتانیا در همه این حوزه‌ها به‌ویژه دو حوزه اول باید بر مشکلاتی جدی چیره شود.
مبرم‌ترین مسئله به «کامپیوت» (Compute) مربوط می‌شود؛ عبارتی که پژوهشگران هوش مصنوعی برای توصیف زیرساخت حیاتی و مقدار زیاد قدرت رایانش مورد نیاز برای آموزش مدل‌های هوش مصنوعی جدید به کار می‌برند. هیچ‌کدام از سه شرکت بزرگ رایانش ابری جهان (آمازون، گوگل و مایکروسافت) خوشه‌ای پیشرفته و بزرگ از واحدهای پردازش گرافیکی برای کامپیوت در مقیاس گسترده در بریتانیا نساخته‌اند (نمودار 2 را ببینید). فقط اوراکل (نقش‌آفرینی تقریباً تازه‌وارد در این حوزه) خوشه‌ای ارائه داده است. یکی از دلایل این مسئله بازار داخلی نسبتاً کوچک بریتانیا و عدم دسترسی آن به بازار بزرگ مجاورش است.
سرنوشت DeepMind، آینده‌دارترین شرکت هوش مصنوعی این کشور مسئله کامپیوت را شفاف می‌کند. وقتی گوگل (اکنون آلفابت) این شرکت را در سال 2014 خرید، حدود 80 کارمند داشت. اکنون بسیار بزرگ‌تر است و بر اساس اطلاعات پلتفرم رسانه اجتماعی لینکدین بیش از 25 درصد کارمندانش در آمریکا، اغلب در ساختمان مرکزی آلفابت فعالیت می‌کنند. از نظر «دمیس هاسابیس» (Demis Hassabis)، یکی از بنیان‌گذاران DeepMind این رشد صرفاً با اتکا به منابع داخلی محقق نمی‌شد؛ دلیل مبرم فروش به گوگل نیاز به دسترسی به کامپیوت مورد نیاز برای آموزش مدل‌ها بود. اکنون DeepMind این مدل‌ها را در اوکلاهما آموزش می‌دهد. مشکل این شرکت در حدود یک دهه پیش همچنان پابرجاست. متأسفانه کارهای کمی برای برطرف‌کردن این کمبود انجام شده است. در دسترس نبودن کامپیوت همچنان بزرگ‌ترین مشکل پیش روی رشد هوش مصنوعی و دستیابی به منافع اقتصادی گسترده‌تر مورد نظر سوناک است.
سیاست‌مداران می‌گویند در حال رسیدگی به این مسئله هستند. هانت می‌گوید 900 میلیون پوند برای ابرکامپیوتری، احتمالاً در «مرکز رایانش موازی ادینبرو» (Edinburgh Parallel Computing Centre)، هزینه خواهد کرد؛ زیرا هوش مصنوعی به توان رایانش نیاز دارد. این مرکز بدون شک در زمینه ابررایانش برای پژوهش علمی در کلاس جهانی قرار دارد، ولی متأسفانه همه انواع توان‌های رایانش مانند هم نیستند. این کامپیوتر جدید تا پیش از سال 2026 آماده نمی‌شود و این مرکز هیچ تجربه‌ای در ساخت انواع خوشه‌های مورد استفاده برای آموزش مدل‌های هوش مصنوعی بزرگ ندارد. به‌علاوه در حالی که خوشه‌های ابری آمازون، گوگل و مایکروسافت (که با عنوان ابرمقیاس‌پذیر هم شناخته می‌شوند) پیوسته با جدیدترین تراشه‌ها به‌روز می‌شوند، مرکز رایانش موازی ادینبرو مجبور است از همان GPUهایی استفاده کند که اکنون می‌تواند بخرد و تا سال 2031 که منابع مالی‌اش تمام شود، با همان‌ها فعالیت خواهد کرد.
هیولاهایی با توان رایانش
«مارک پارسونز»، دانشمند علوم کامپیوتر برجسته‌ای که مرکز رایانش موازی ادینبرو را مدیریت می‌کند، درست می‌گوید که ابرکامپیوتر‌ها و خوشه‌های GPU بیش از پیش به هیولاهایی مشابه تبدیل می‌شوند، اما حتی او هم می‌پذیرد که برنامه دولت ایراداتی دارد. ابرمقیاس‌پذیرها با افتخار از توانایی‌شان در به‌روزرسانی پیوسته واحدهای پردازش گرافیکی می‌گویند؛ پارسونز با اذعان به این مسئله، اضافه می‌کند که هزینه این کار برای دیگران خیلی زیاد و از توانایی‌شان خارج است. البته دیگران تا این حد مؤدب نیستند. متخصص فناوری بانفوذی که ترکیب داده، کامپیوت و مهارت‌های مورد نیاز را درک می‌کند، می‌گوید اینکه دولت ادعا کند تنها یک کامپیوتر قدرتمند در ادینبرو مشکلات کامپیوت بریتانیا را حل خواهد کرد، «کم‌و‌بیش فریبکارانه» است.
گزینه جایگزینی وجود دارد که کرایه کامپیوت است. هیچ شرکت یا سازمان دولتی به‌کلی در خصوص استفاده از هوش مصنوعی محروم نشده است. هر کسی (دست‌کم زمانی که کمبود جهانی تراشه‌ها سرانجام برطرف شود) می‌تواند زمان استفاده از ابرکامپیوتر‌های ابری مورد استفاده برای آموزش مدل‌ها را کرایه کند. هر کسی می‌تواند Common Crawl، پایگاه داده‌ای در مقیاس اینترنت که GPT-4 با آن آموزش داده شده را دانلود کند و شروع به آموزش مدلی کند. همچنین هر کسی می‌تواند از GPT-4 یا مجموعه‌ای از مدل‌های منبع‌باز عالی برای ایجاد متن یا کد استفاده کند.
آن متخصص فناوری اشاره می‌کند: «کامپیوت مانند نفت نیست. می‌توانید با آمازون تماس بگیرید و آن را کرایه کنید. این مسئله‌ای است که پول در گام‌های تدریجی و کاملاً پیوسته آن را حل می‌کند. چیزی جادویی نیست که اگر آن را نخرید، نمی‌توانید داشته باشید.» برخی شرکت‌ها دقیقاً همین کار را می‌کنند. «عماد مستاق» (Emad Mostaque)، رئیس شرکت Stability می‌گوید شرکتش در لندن مدل‌هایش را با خوشه‌های کامپیوت آمازون آموزش می‌دهد که به‌عنوان مثال ممکن است در اوهایو و ویرجینیا قرار داشته باشند.
مسئله این است که رفتار شرکت Stability بیش از آنکه عادی و همگانی باشد، استثنایی است. مقام‌ها یا شرکت‌های بریتانیایی در بسیاری از موارد (به دلایل سیاسی، امنیت ملی، حریم خصوصی یا دلایل دیگری) ملزم هستند داده‌هایشان را در داخل کشور نگه دارند. به‌عنوان مثال نه وزارت دفاع و نه خدمات ملی بهداشت داده‌های حساس را در ابرهای خارجی بارگذاری نخواهند کرد. رئیس یکی از شرکت‌های بزرگ فناوری با چند قرارداد با بخش عمومی می‌گوید متواضعانه از ابرمقیاس‌پذیرها خواهش کرده که دسترسی به کامپیوت را در بریتانیا فراهم کنند. به او زمان استفاده از GPU در هلند یا ایرلند پیشنهاد شده است، اما بدون GPUهای محلی اجازه ندارد به مشتریان دولتی‌اش کمک کند تا مدل‌های هوش مصنوعی مبتنی بر مجموعه‌های داده منحصربه‌فردشان را آموزش دهند یا اجرا کنند.
به‌علاوه حساسیت داده‌ها تنها عیب کرایه کامپیوت در خارج از مرزها نیست. نزدیک‌بودن فیزیکی به کامپیوت در کشور خودتان مزیت‌هایی واقعی به همراه دارد. مهندسان و شرکت‌های هوش مصنوعی با آزمایش مداوم روی هوش مصنوعی تخصص کسب می‌کنند. متخصصان فناوری به‌دنبال نوآوری باید درلحظه و سریع به زمان استفاده از GPU دسترسی داشته باشند. «مت کلیفورد»، رئیس هیئت‌مدیره «آژانس پژوهش و اختراع پیشرفته»، سازمان دولتی خط‌شکنی که به تأمین مالی پژوهش‌های حوزه فناوری کمک می‌کند، می‌گوید: «هر کشوری از حضور فیزیکی دارایی‌های فناوری در کشورش مزیت‌هایی فراتر از دسترسی کسب می‌کند.»
در نتیجه بلندپروازانه‌ترین پیشرفت به متقاعد کردن ابرمقیاس‌پذیرها به راه‌اندازی خوشه‌های GPU در بریتانیا بستگی دارد. چطور باید این کار را انجام داد؟ مدیرعامل یک شرکت فناوری می‌گوید سوناک اول می‌بایست بفهمد که باید چه چیزی بخواهد. می‌تواند با راه‌اندازی «واحد لابی‌گری جهانی» برای فشار آوردن به آمازون، گوگل یا مایکروسافت برای فعالیت در این کشور شروع کند. دولت باید در نظر بگیرد که ابرمقیاس‌پذیرها باید چه چیزی در بریتانیا بسازند.
ایجاد مجموعه داده‌های کاملاً جدید ضروری نیست. در عوض آمازون، گوگل یا مایکروسافت می‌توانند سرورهای موجود (قدیمی‌تر) مراکز مستقر در بریتانیا را با سرورهایی جایگزین کنند که از تراشه‌های جدید تولیدی انویدیا، در حالت مطلوب، مدل‌های A100 یا H100 بهره می‌برند. با توجه به بحران تأمین جهانی، شاید تأمین این تراشه‌ها بزرگ‌ترین مشکل در کوتاه‌مدت باشد.
چالش دیگر تأمین برق کافی با هزینه به قدر کافی کم (و در حالت مطلوب پاک) است؛ چراکه آموزش مدل‌های هوش مصنوعی برق زیادی مصرف می‌کند. حتی اگر چاره‌ای سریع وجود نداشته باشد، چنین کارهایی نشدنی به نظر نمی‌رسند (البته نمی‌توان تصور کرد که بیشتر از ساخت ابرکامپیوتر هانت طول بکشند). همزمان بریتانیا باید خودش را به استفاده از کامپیوت خارجی محدود کند.
با این حال هرچه تأخیر بیشتر باشد، شانس موفقیت کمتر می‌شود. بدون خوشه‌های GPU ابرمقیاس، مجموعه دیگری از شرکت‌های بریتانیایی فرصت را از دست می‌دهند؛ منظور آن شرکت‌هایی هستند که به‌دنبال ارائه ابزارهای مورد نیاز در دوران رونق هوش مصنوعی هستند. «نایجل تون»، رئیس Graphcore، شرکت نوپای بریتانیایی مستقر در بریستول که تراشه هوش مصنوعی می‌سازد، می‌گوید که رقیب‌های آمریکایی‌اش مزیت‌های بزرگی دارند که این شرکت در فروش محصولاتش به پشته‌های کامپیوت محلی بزرگ ندارد. غافلگیرکننده نیست که می‌خواهد در ساخت ابرکامپیوتر جدید ادینبرو، تأمین‌کنندگان بریتانیایی مثل شرکت خودش در اولویت باشند، اما فرصت روبه‌اتمام است.
سکویا، یکی از بزرگ‌ترین سرمایه‌گذاران Graphcore ارزش سهامش در این شرکت را در ماه آوریل صفر ثبت کرد. همین حالا هم غول فناوری آمریکایی دیگری، متا، تعدادی از اعضای تیم Graphcore را جذب کرده است.
از مشکل کمبود کامپیوت که بگذریم، چالش‌های دیگر بیشتر قابل مدیریت به نظر می‌رسند. یکی از اولویت‌ها بهبود مجموعه داده‌های در دسترس توسعه‌دهندگان هوش مصنوعی است. داده‌های تولیدی سازمان‌های عمومی جذاب‌ترین مواد خام برای فعالان حوزه هوش مصنوعی هستند. متأسفانه این داده‌ها از جمله داده‌های خدمات ملی بهداشت اغلب آشفته هستند. داده‌های مربوط به تأمین اجتماعی هم وضعیت بهتری ندارند. به‌عنوان مثال مقامات می‌گویند که سیستم‌های کامپیوتری وزارت کار و بازنشستگی به قدری ضعیف هستند که تعدیل مزایای دریافت‌کنندگان با توجه به تورم شش ماه طول می‌کشد. تلاش برای ایجاد سیستمی مشابه چت جی‌پی‌تی برای تأمین اجتماعی در بستر زیرساخت بسیار ضعیف قرن بیستمی کاری بیهوده به نظر می‌رسد.
دست‌کم پاک‌سازی مجموعه داده‌های ارزشمند در دایره اختیارات دولت است. مقامات همچنین می‌توانند به‌دنبال مزایای ایجاد مجموعه داده‌های جدید بگردند. «بنجامین برتون» که کتابی درباره رابطه حکومت با فناوری نوشته، می‌گوید: «حکومت‌ها از تنها مزیت‌شان بهره نمی‌برند؛ حق مطلق تولید داده درباره مسائلی که شرکت‌ها ندارند.» او می‌گوید حکومت‌ها ابزارهای لازم برای «تولید مدل‌هایی از جامعه‌شان» را دارند، اما دولت بریتانیا (مانند بیشتر دولت‌ها) در توانایی مدل‌سازی از رفتار مردم خودش، محیط کشور و منابعش از شرکت‌های فناوری عقب است.
به‌طور ویژه NHS گزینه مناسبی برای بهسازی داده‌هاست، اما مسیر دستیابی به این هدف مملو از سیاست‌مداران و شرکت‌هایی است که پیش‌تر تلاش کرده‌اند و شکست خورده‌اند. NHS IT، در تلاش برای متمرکزسازی پرونده‌های پزشکی که در سال 2002 شروع شد، پیش از آنکه در سکوت در سال 2011 کنار گذاشته شود، دست‌کم 10 میلیارد دلار خرج تراشید. شرکت‌های جدیدی نیز در حال ظهور هستند که تلاش می‌کنند مسئله را به‌تدریج حل کنند. دست‌کم یک استارتاپ جدید می‌خواهد برای پاک‌سازی مجموعه داده‌های دولتی پول بگیرد تا آنها را برای آموزش مدل‌های هوش مصنوعی مفید کند و خدمات پیش‌پاافتاده‌تری را بهبود ببخشد که این جریان‌های داده ممکن می‌کنند.
آن 100 میلیون پوند باقی‌مانده از بودجه یک میلیارد پوندی هانت برای هوش مصنوعی می‌تواند در این زمینه مفید باشد. این پول قرار است از طریق گروه ویژه جدید Foundation Model هزینه شود. مقام مسئولی می‌گوید این گروه ویژه بر پیدا کردن راه‌هایی به‌منظور آموزش مدل‌های بزرگ برای بخش عمومی و انجام «سرمایه‌گذاری‌های استراتژیک در پشته کامل هوش مصنوعی» متمرکز است. این امر امیدوارکننده است، حتی اگر مقدار پول در دسترس کم باشد؛ آموزش یک مدل بزرگ به‌تنهایی می‌تواند بخش زیادی از منابع مالی تخصیص داده‌شده هانت را مصرف کند. آن مقام مسئول می‌گوید: «بدون شک حکومت‌ها جذاب‌ترین بهره‌ها را می‌توانند از داده‌ها ببرند.» این گروه ویژه ممکن است بخشی از پول را به راه‌اندازی صنعت بهداشت داده تخصیص دهد که تاکنون مدل کسب‌وکاری برای آن وجود نداشته است.
تحقق همه این اهداف نیازمند تعداد کافی از افراد بااستعداد است؛ دانشگاه‌های بریتانیا تعداد زیادی از این افراد را پرورش می‌دهند، اما با توجه به جذب زیاد سیلیکون‌ولی، جریان پایداری از جابه‌جایی متخصصان فناوری به آن طرف اقیانوس اطلس وجود دارد. به‌علاوه وقتی استعدادها به غرب می‌روند، دارایی‌های معنوی‌شان را هم با خود می‌برند.
نه آزاد مثل غرب وحشی، نه هزارتو
گامی برای حفظ بهتر استعدادها (و همچنین جذب سرمایه‌گذاران) رگولیشن مناسب هوش مصنوعی است. بدین منظور باید از مسیری که انتظار می‌رود اتحادیه اروپا دنبال کند، اجتناب کرد؛ مسیری با طیف‌های مدام در حال گسترش از قوانین افقی در مورد نحوه استفاده امن از هوش مصنوعی که شامل همه بخش‌ها می‌شوند. به نظر می‌رسد رویکرد حقوق عرفی بخش‌به‌بخش موجود بریتانیا که صنایع گوناگون را متفاوت رگوله می‌کند، موفق‌تر باشد. رئیس یک شرکت فناوری که در دسترسی به رایانش با مشکل روبه‌روست، می‌گوید با توجه به نگرانی‌های جهانی در مورد قدرت و اثرگذاری هوش مصنوعی، «فرصتی برای بریتانیا وجود دارد تا سریع اقدام کند و خودش را به‌عنوان مکانی عمل‌گرا مطرح کند». نشست سوناک در پاییز می‌تواند نقطه خوبی برای شروع باشد.
رئیس شرکت فناوری مذکور می‌گوید: «من تصویر سوناک در راستای حقوق عرفی را قبول دارم. رگولاتورهای ویژه برای هر بافت و زمینه‌ای داریم، اما رگولیشن‌های موضوعی فرابخشی گسترده نداریم. اتحادیه اروپا چنین کاری انجام نخواهد داد؛ اتحادیه اروپا در هزارتوی خودش محو شده و چند سالی در آنجا باقی خواهد ماند. در این زمینه ایالات متحده آزاد و رها مانند غرب وحشی خواهد بود. بریتانیا جایی است که آن نگرانی در مورد اخلاقیات مدل‌ها و کاربردشان را با عمل‌گرایی عمیق و پذیرایی از نوآوری ترکیب می‌کند. دادگاه‌ها و رگولاتورهایی داریم که در سطح جهان محترم شمرده می‌شوند.»
دستیابی هرچه سریع‌تر به این هدف همچنین نیازمند وجود افراد بیشتری در موضع قدرت است که رایانش را درک کنند. مشاوری می‌گوید: «در قلب دولت با کمبود شایستگی و اعتمادبه‌نفس روبه‌رو هستیم. افرادی که سیاست کامپیوت را در وزارت علم، نوآوری و فناوری پیش می‌برند، واقعاً آن را درک نمی‌کنند. در واقع تفاوت رایانش عمومی و ویژه را درک نمی‌کنند.» سروصدایی هم که برای ساخت ابرکامپیوتر توسط پژوهشگران علوم کامپیوتر به‌عنوان پاسخی به مشکلات کشور در زمینه هوش مصنوعی برپا شده، ناشی از همین فقدان درک است.
برای اینکه ببینید متخصصان فناوری باهوش با پشتیبانی رسمی چه کار می‌توانند انجام دهند، به‌عنوان مثال به امارات متحده عربی نگاه کنید. مؤسسه «نوآوری فناوری» تحت حمایت دولت این کشور از ابر آمازون برای آموزش مدل زبانی بزرگ منبع‌بازی به نام «فالکون» استفاده کرد که می‌تواند با بهترین مدل‌های آموزش‌دیده در شرکت‌های آمریکایی مثل OpenAI رقابت کند. مؤسسه نوآوری فناوری دسترسی به منابع رایانش خود را برای افراد دارای ایده‌های جدید به‌منظور آموزش مدل‌ها و راه‌اندازی شرکت‌ها فراهم می‌کند. همه خوره‌های فناوری در جهان توجه‌شان جلب شده و اکنون بسیاری از آنها قدرت ذهن‌شان را در اختیار پروژه‌ای قرار می‌دهند که مزایایش (مانند جذب دانش‌آموخته‌های کامپیوتر برای کار کردن روی پروژه‌های هوش مصنوعی) تا حد زیادی به امارات متحده عربی تعلق می‌گیرد.
شبیه‌ترین پدیده در بریتانیا به این مؤسسه Stability است؛ استارتاپی که مدل‌هایش تصاویر مشابه عکس تولید می‌کنند. مدل منبع‌باز Stable Diffusion این شرکت تصاویری تولید می‌کند که بسیاری از افراد را در اینترنت آشفته کرده است (مثلاً تصاویر جعلی بازداشت دونالد ترامپ یا پاپ با کاپشن برند Balenciaga را در نظر بگیرید). اما جاذبه حوزه فناوری آمریکا خودش را به Stability تحمیل می‌کند. این شرکت کارش را در لندن شروع کرد، اما اکنون بر اساس داده‌های لینکدین بیشتر کارمندانش در آمریکا هستند و بیشتر منابع مالی اخیرش را حامیان آمریکایی تأمین کرده‌اند.
مسیر سوناک مبنی بر قرار گرفتن بریتانیا در جایگاه ابرقدرت هوش مصنوعی با مسیری که آینده‌دارترین شرکت‌ها بیشتر شغل‌هایشان را در خارج از کشور ایجاد می‌کنند، همسو نیست. برای جذاب‌تر کردن بریتانیا هنوز باید کارهای زیادی انجام شود، اما مسابقه شروع شده و فعلاً این کشور عقب است.
