تتراوح تكلفة تدريب نماذج الذكاء الاصطناعي بشكل ملحوظ، حيث تعتبر هذه النفقات من بين الأعلى التي تتحملها شركات التكنولوجيا. قد تصل تكاليف التدريب لبعض النماذج المتطورة إلى 100 مليون دولار أو أكثر، ما يثير تساؤلات حول كفاءة هذه الإنفاقات وما إذا كانت الشركات قادرة على الاستمرار في الاستثمار بمثل هذه المعدلات العالية.
في سياق مغاير، أشارت شركة DeepSeek إلى أن تكلفة تدريب نموذجها لا تتجاوز 6 ملايين دولار، مما يبرز الفجوة الكبيرة بين الشركات في هذا المجال. وفي مثال آخر، نجحت جامعتا ستانفورد وواشنطن في تطوير نموذج “s1” بتكلفة لا تزيد عن 6 دولارات، مما يعكس الإمكانيات الابتكارية التي يمكن أن تساهم في خفض التكاليف.
تكلفة تدريب نماذج الذكاء الاصطناعي
نموذج GPT-4 من OpenAI الذي تم إطلاقه في 2023 قد بلغت تكلفة تدريبه 79 مليون دولار. يعتمد هذا النموذج على شبكات عصبية اصطناعية متطورة تتنبأ بتسلسل الكلمات في النصوص، ويستفيد من تقنيات “الحوسبة التجريبية” لتحسين جودة الإجابات مع زيادة وقت المعالجة.
بينما نموذج PaLM 2 من Google قد تم تدريبه بتكلفة مقدارها 29 مليون دولار. ومن جهة أخرى، يُعتبر نموذج Llama 2-70B من Meta الأقل تكلفة نسبيًا، حيث بلغت تكلفة تدريبه حوالي 3 ملايين دولار فقط.
أما معالج Gemini 1.0 Ultra من Google، الذي تم إصداره في 2023، فقد تكبد تكلفة تبلغ 192 مليون دولار، وهو ما يجعله الأعلى بين النماذج الشهيرة حتى الآن. تشير التقارير إلى أن 49% من هذه التكلفة كانت مخصصة لرواتب فرق البحث والتطوير، فيما تم تخصيص 23% لرقائق تسريع الذكاء الاصطناعي و15% لمكونات الخوادم.
في عام 2024، قدّمت شركة Mistral نموذجًا تكاليف تدريبه 41 مليون دولار، بينما كانت تكلفة تدريب نموذج Llama 3.1-405B من Meta حوالي 170 مليون دولار. كما تكبد نموذج Grok-2 من شركة xAI، الذي أُطلق عام 2024، حوالي 107 ملايين دولار؛ وهو مدمج حاليًا في روبوت المحادثة Grok AI على منصة X، ويتميز بقدرته على الرد على الأسئلة المتعلقة بالأحداث الجارية في وقتها.
نفقات مرتفعة وتحديات مستقبلية
رغم التكاليف المرتفعة، تستمر الشركات الرائدة مثل OpenAI في تقديم نماذج جديدة تعتمد على تقنيات متطورة وتفرض رسومًا شهرية على اشتراكات المستخدمين، حيث يصل قيمة الاشتراك المهني في نموذج o1 إلى حوالي 200 دولار شهريًا. على الرغم من ذلك، تواجه الشركة تحديات مالية نتيجة ارتفاع تكاليف الحوسبة.
تظهر هذه التكاليف العالية تحديات كبيرة أمام تطوير الذكاء الاصطناعي، خاصةً مع ضرورة موازنة الشركات بين استثماراتها في البحث والتطوير من جهة وتقليل النفقات التشغيلية من جهة أخرى.
تعليقات