رشد بی‌رویه‌ی حباب هوش مصنوعی / مایکل روبرتز/ برگردان
مشاهده تصاویر و آمارها در لینک زیر
هفت سهام برجسته‌ی NViDIA انویدیا [یک شرکت فناوری است که در زمینه‌ی طراحی و تولید واحدهای پردازش گرافیکی (GPU) و سایر محصولات مرتبط با هوش مصنوعی فعالیت می‌کند] مایکروسافت، آلفابت (گوگل)، اپل، متا، تسلا و آمازون – اکنون حدود ۳۵٪ از ارزش بازار سهام ایالات متحده را تشکیل می‌دهند و ارزش بازار انویدیا حدود ۱۹٪ از 7 سهام برجسته را تشکیل می‌دهد. شاخص S&P 500 [یک شاخص بورس است که عملکرد 500 شرکت بزرگ و عمومی را در بازار سهام ایالات متحده آمریکا ردیابی می‌کند. این شاخص یکی از مهم‌ترین و معتبرترین شاخص‌های بازار سرمایه در جهان به شمار می‌آید و به عنوان یک نماینده کلی از وضعیت بازار سهام و اقتصاد ایالات متحده عمل می‌کند] هرگز به اندازه امروز در یک سهام واحد متمرکز نبوده است، و انویدیا نزدیک به ۸٪ از این شاخص را تشکیل می‌دهد.
این یک بازار سهام بسیار سنگین است که اکنون در سطوح رکوردشکنی قرار دارد و تنها توسط هفت سهام و به ویژه انویدیا، شرکتی که تمام پردازنده‌های مورد نیاز شرکت‌های هوش مصنوعی را برای توسعه مدل‌هایشان تولید می‌کند، هدایت می‌شود. اگر رشد درآمد انویدیا تضعیف شود، فشار نزولی زیادی بر این بازار سهام بسیار بیش از حد ارزش‌گذاری شده وارد خواهد کرد. همانطور که تورستن اسلوک، اقتصاددان ارشد یکی از بزرگ‌ترین موسسات سرمایه‌گذاری گفت: « تفاوت بین حباب فناوری اطلاعات در دهه 1990 و حباب هوش مصنوعی امروز این است که 10 شرکت برتر S&P 500 امروز بیش از حد ارزش‌گذاری شده‌اند تا در دهه 1990».
بنابراین آیا بخش بزرگ هوش مصنوعی یک حباب بزرگ است که توسط سرمایه‌های موهومی تأمین مالی می‌شود که با درآمد و مهم‌تر از آن، سود برای شرکت‌های راهبردی هوش مصنوعی محقق نخواهد شد؟ تا پایان امسال، متا، آمازون، مایکروسافت، گوگل و تسلا در دو سال گذشته بیش از ۵۶۰ میلیارد دلار در حوزه هوش مصنوعی سرمایه‌گذاری کرده‌اند اما فقط حدود ۳۵ میلیارد دلار درآمد کسب کرده‌اند. آمازون قصد دارد امسال ۱۰۵ میلیارد دلار در این بخش سرمایه‌گذاری کند، اما تنها ۵ میلیارد دلار درآمد خواهد داشت. و درآمدها سود نیستند زیرا درآمدها قبل از هزینه‌های ارائه خدمات هوش مصنوعی تخمین زده می‌شوند. سرمایه‌گذاری در هوش مصنوعی اکنون بالغ بر ۳۳۲ میلیارد دلار در سال ۲۰۲۵ است که تنها ۲۸.۷ میلیارد دلار درآمد به همراه دارد. قرار است سرمایه‌گذاری در مراکز داده‌ها عظیم لازم برای آموزش و تهیه مدل‌های هوش مصنوعی تا پایان دهه به ۱ تریلیون دلار برسد.
اما اگر هر یک از هفت غول فناوری در مورد میزان هزینه‌های خود نسبت به درآمد و سودشان دچار تردید شوند و خرید تراشه‌های خود را کاهش دهند، قیمت سهام انویدیا می‌تواند به سرعت کاهش یابد و دیگران را نیز با خود همراه کند.
آیا احتمال تحقق بازده مورد انتظار درآمد از این سرمایه‌گذاری عظیم وجود دارد؟ جیم کاولو، رئیس تحقیقات سهام گلدمن ساکس، این سوال را مطرح کرد که آیا شرکت‌هایی که قصد دارند یک تریلیون دلار برای ساخت هوش مصنوعی مولد هزینه کنند، هرگز بازگشت سرمایه خواهند داشت یا خیر. در همین حال، یکی از شرکای شرکت سرمایه‌گذاری خطرپذیر سکویا تخمین زده است که شرکت‌های فناوری برای توجیه هزینه‌های سرمایه‌ای اضافی خود تنها در سال ۲۰۲۴، باید ۶۰۰ میلیارد دلار درآمد اضافی ایجاد کنند – حدود شش برابر بیشتر از آنچه که احتمالاً تولید خواهند کرد.
ChatGPT معروف را در نظر بگیرید. ظاهراً ۵۰۰ میلیون کاربر فعال هفتگی دارد – اما طبق آخرین شمارش، تنها ۱۵.۵ میلیون مشترک پولی دارند، که فقط ۳٪ نرخ تبدیل است. در حالی که تعداد افرادی که اکنون از چت‌بات‌های هوش مصنوعی استفاده می‌کنند رو به افزایش است، تنها تعداد کمی برای سرویس هوش مصنوعی که استفاده می‌کنند هزینه پرداخت می‌کنند و طبق نظرسنجی Menlo Ventures از ۵۰۰۰ بزرگسال آمریکایی، درآمد سالانه حدود ۱۲ میلیارد دلار دارند.
وقتی صحبت از سود حاصل از هوش مصنوعی می‌شود، اوضاع حتی بدتر هم می‌شود. نتایج رشد درآمد سالانه شرکت‌های بزرگ فناوری در چند فصل گذشته ثابت یا رو به کاهش بوده است و انتظار می‌رود در سال‌های ۲۰۲۵ و ۲۰۲۶ نیز کندتر شود.
بنابراین سرمایه‌گذاری‌های هنگفت مالی و منابع، پرداخت‌های نجومی به مربیان هوش مصنوعی و ساخت مراکز داده عظیم – با هیاهوی هوش مصنوعی که بازار سهام را به اوج‌های جدیدی رسانده است – اما تاکنون، هیچ درآمد قابل توجهی افزایش نیافته و عملاً هیچ سودی حاصل نشده است. این تکرار حباب دات کام با استروئیدها است.
با این حال، ممکن است حبابی وجود داشته باشد، اما این بدان معنا نیست که در نهایت یک فناوری «برهم‌زننده» جدید ظهور نخواهد کرد که مرز بهره‌وری را برای اقتصادهای بزرگ به طور اساسی تغییر دهد و در نتیجه دوره جدیدی از رشد را به ارمغان بیاورد. حباب دات کام در سال ۲۰۰۰ با افت شدید بازار سهام ترکید، اما اینترنت به همه بخش‌های کسب‌وکار و همه خانوارها گسترش یافت – و هفت غول بزرگ پدیدار شدند.
مثال دیگری از قرن نوزدهم را در نظر بگیرید . در طول دهه ۱۸۴۰، جنون راه‌آهن وجود داشت، زیرا تعداد زیادی از شرکت‌ها برای سرمایه‌گذاری در ساخت خطوط راه‌آهن در سراسر بریتانیا، سرمایه جمع‌آوری کردند. سهام راه‌آهن به شدت افزایش یافت و قیمت سهام در ۱۸ ماه از اوایل سال ۱۸۴۳ دو برابر شد. اما پس از حباب، در سال ۱۸۴۵ ترکید و بسیاری از شرکت‌ها ورشکست شدند و قیمت سهام به نصف کاهش یافت. این امر باعث بحران مالی گسترده و رکود تولید شد. با این وجود، راه‌آهن ساخته شد، هزینه‌های حمل و نقل به شدت کاهش یافت و تقاضای مصرف‌کننده برای سفر به شدت افزایش یافت. بریتانیا در دهه ۱۸۵۰ وارد یک رونق اقتصادی شد.
آیا حباب هوش مصنوعی همان مسیر را طی خواهد کرد و منجر به فروپاشی مالی و بحران خواهد شد، اما در نهایت زمینه رشد جدید در بهره‌وری را فراهم خواهد کرد؟ در پست‌های قبلی در مورد هوش مصنوعی، شک و تردیدهایی را که متخصصانی مانند دارن عجم‌اوغلو ، برنده جایزه نوبل، در مورد مزایای بهره‌وری هوش مصنوعی ارائه می‌دهند ، بازگو کرده‌ام . همچنین در گزارش عمیق اخیر سازمان همکاری و توسعه اقتصادی (OECD) در مورد رشد بهره‌وری در اقتصادهای بزرگ، آب سردی بر تأثیر اینترنت در افزایش رشد بهره‌وری در ۲۵ سال گذشته ریخته شد.
همانطور که گزارش OECD بیان می‌کند : « در طول نیم قرن گذشته، ما دفاتر و جیب‌ها را با کامپیوترهایی که دائماً سریع‌تر می‌شوند، پر کرده‌ایم، با این حال رشد بهره‌وری نیروی کار در اقتصادهای پیشرفته از تقریباً ۲ درصد در سال در دهه ۱۹۹۰ به حدود ۰.۸ درصد در دهه گذشته کاهش یافته است. حتی تولید به ازای هر کارگر در چین که زمانی بسیار بالا بود، متوقف شده است .» بهره‌وری تحقیقاتی کاهش یافته است. اکنون یک دانشمند معمولی در مقایسه با همتای خود در دهه ۱۹۶۰، ایده‌های نوآورانه کمتری به ازای هر دلار تولید می‌کند.
رشد بهره‌وری نیروی کار از دهه ۱۹۷۰ در سراسر کشورهای عضو سازمان همکاری و توسعه اقتصادی (OECD) روند نزولی داشته و از آغاز قرن بیستم نیز ضعیف‌تر شده است. در ایالات متحده، بهره‌وری از اواسط دهه ۱۹۹۰ تا اواسط دهه ۲۰۰۰ به دلیل افزایش بهره‌وری در تولید تجهیزات فناوری اطلاعات و ارتباطات (ICT) و انتشار نوآوری‌های مرتبط با اینترنت که در بخش‌های استفاده‌کننده از فناوری اطلاعات و ارتباطات، به‌ویژه خرده‌فروشی، به کار گرفته شدند، افزایش یافت. «با این حال، این بازگشت نسبتاً کوتاه‌مدت بود و رشد بهره‌وری از آن زمان تاکنون کم‌فروغ بوده است.»
عامل کلیدی در افزایش بهره‌وری نیروی کار، سرمایه‌گذاری در فناوری‌های جدید صرفه‌جویی در نیروی کار است. اما سرمایه‌گذاری تجاری در همه کشورها به طور قابل توجهی کاهش یافته است. و سازمان همکاری و توسعه اقتصادی دلیل آن را روشن می‌کند. «کاهش سرمایه‌گذاری با وجود اعتبار ارزان و در دسترس برای شرکت‌هایی که به بازارهای سرمایه دسترسی دارند، با الگوهای تاریخی مطابقت دارد که نشان می‌دهد عدم قطعیت و سود مورد انتظار، نقش بیشتری نسبت به شرایط مالی در تصمیمات سرمایه‌گذاری ایفا می‌کنند. » به عبارت دیگر، سودآوری سرمایه کاهش یافته و انگیزه سرمایه‌گذاری در فناوری‌های جدید را کاهش داده است.
و به اصطلاح «دارایی‌های ناملموس»، مانند سرمایه‌گذاری در نرم‌افزار، کاهش سرمایه‌گذاری در کارخانه، تجهیزات و غیره را جبران نکرد . «علیرغم افزایش دارایی‌های ناملموس، کل سرمایه‌گذاری از زمان بحران مالی جهانی به طور کلی ضعیف بوده است، که مستقیماً کاهش بهره‌وری نیروی کار را بدتر کرده است.»
آیا هوش مصنوعی متفاوت خواهد بود؟ آیا می‌تواند از طریق شرکت‌هایی که میلیون‌ها کارگر را در سراسر اقتصاد با ابزارهای هوش مصنوعی جایگزین می‌کنند، بهره‌وری بالاتری را ارائه دهد؟ مشکل اینجاست که معجزات اقتصادی معمولاً از کشف ناشی می‌شوند، نه تکرار وظایف با سرعت بیشتر. تاکنون، هوش مصنوعی در درجه اول به جای خلاقیت، کارایی را افزایش می‌دهد. یک نظرسنجی از بیش از 7000 کارگر دانش نشان داد که کاربران پرمصرف هوش مصنوعی مولد، وظایف ایمیل هفتگی را 3.6 ساعت (31 درصد) کاهش داده‌اند، در حالی که کار مشارکتی بدون تغییر باقی مانده است. اما هنگامی که همه پاسخ‌های ایمیل را به ChatGPT واگذار کردند، حجم صندوق ورودی افزایش یافت و دستاوردهای اولیه بهره‌وری را خنثی کرد. » بازخیز کوتاه بهره‌وری آمریکا در دهه 1990 به ما می‌آموزد که دستاوردهای ابزارهای جدید، چه صفحات گسترده و چه عوامل هوش مصنوعی، محو می‌شوند مگر اینکه با نوآوری‌های نوآورانه همراه باشند.» (OECD).
مدل‌های زبانی بزرگ به سمت اجماع آماری گرایش دارند. مدلی که قبل از گالیله آموزش دیده بود، می‌توانست یک جهان زمین‌مرکزی را طوطی‌وار تکرار کند؛ اگر متون قرن نوزدهم را به آن می‌داد، می‌توانست ثابت کند که پرواز انسان قبل از موفقیت برادران رایت غیرممکن است. یک بررسی اخیر در مجله نیچر نشان داد که اگرچه LLMها کارهای علمی معمول را سبک‌تر کرده‌اند، اما جهش‌های تعیین‌کننده بینش همچنان متعلق به انسان‌ها است. شناخت انسان بهتر است به عنوان شکلی از استدلال علی مبتنی بر نظریه مفهوم‌سازی شود تا تأکید هوش مصنوعی بر پردازش اطلاعات و پیش‌بینی مبتنی بر داده. هوش مصنوعی از رویکردی مبتنی بر احتمال برای دانش استفاده می‌کند و عمدتاً گذشته‌نگر و تقلیدی است، در حالی که شناخت انسان آینده‌نگر است و قادر به تولید نوآوری‌های واقعی است.
جام مقدس بزرگ OpenAI و دیگر شرکت‌های هوش مصنوعی، یک هوش مصنوعی مولد فوق هوشمند است که می‌تواند نوآوری را از انسان‌ها بگیرد. تاکنون، این موضوع به همان اندازه که جام مقدس در ادبیات افسانه‌ای بود، افسانه‌ای باقی مانده است. GenAI فعلی فقط می‌تواند اکتشافات تدریجی انجام دهد، اما نمی‌تواند مانند انسان‌ها به اکتشافات اساسی از صفر دست یابد.
اما سم آلتمن، استاد OpenAI، قول می‌دهد که هوش مصنوعی آنها نه تنها قادر به انجام کار یک کارگر، بلکه قادر به انجام تمام کارهای آنها خواهد بود: «هوش مصنوعی می‌تواند کار یک سازمان را انجام دهد». این امر با حذف کارگران در شرکت‌ها (حتی شرکت‌های هوش مصنوعی؟) و به دست گرفتن کنترل عملیات، توسعه و بازاریابی همه چیز توسط ماشین‌های هوش مصنوعی، نهایت سودآوری را به همراه خواهد داشت. به همین دلیل است که آلتمن و دیگر غول‌های هوش مصنوعی، صرفاً به این دلیل که مدل‌های هوش مصنوعی چینی مانند DeepSeek مدل‌های فعلی آنها را تضعیف کرده‌اند، از گسترش مراکز داده‌ها و توسعه تراشه‌های پیشرفته‌تر خود دست برنخواهند داشت. هیچ چیز نباید مانع هدف هوش مصنوعی فوق هوشمند شود.
متأسفانه، همانطور که MIT Tech توضیح می‌دهد، بسیاری از مدل‌های هوش مصنوعی به جعبه‌های سیاه بدنام معروف هستند ، به این معنی که اگرچه یک الگوریتم ممکن است خروجی مفیدی تولید کند، اما برای محققان مشخص نیست که چگونه به آنجا رسیده است. این موضوع سال‌هاست که وجود دارد و سیستم‌های هوش مصنوعی اغلب مدل‌های نظری مبتنی بر آمار را به چالش می‌کشند. به عبارت دیگر، مربیان هوش مصنوعی واقعاً نمی‌دانند که مدل‌های هوش مصنوعی چگونه کار می‌کنند. این یک مانع بزرگ برای دستیابی به جام مقدس است.
بنابراین رونق هوش مصنوعی هنوز فقط یک حباب مالی است. همانطور که یکی از مفسران اظهار داشت : « هوش مصنوعی مولد، کارهایی را که به عنوان انجام آن تبلیغ می‌شود، انجام نمی‌دهد و کارهایی که واقعاً می‌تواند انجام دهد، از آن نوع کارهایی نیست که باعث ایجاد بازده تجاری، خودکارسازی کار یا انجام کاری بیش از یک افزونه از یک پلتفرم نرم‌افزار ابری شود. پول در کار نیست، کاربران در دسترس نیستند، به نظر می‌رسد هر شرکتی پول از دست می‌دهد و برخی از شرکت‌ها آنقدر پول از دست می‌دهند که نمی‌توان گفت چگونه زنده خواهند ماند.»
در همین حال، ساخت و ساز عظیم مراکز داده‌ها، میزان بی‌سابقه‌ای از انرژی را مصرف می‌کند. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که مصرف برق مراکز داده‌ها تا سال ۲۰۳۰ دو برابر شده و به ۹۴۵ تراوات ساعت خواهد رسید – که بیشتر از برق فعلی مورد استفاده کل کشوری مانند ژاپن است. ایرلند و هلند به دلیل نگرانی در مورد تأثیر آنها بر شبکه برق، توسعه مراکز داده‌ها جدید را محدود کرده‌اند. در آموزش مدل‌های هوش مصنوعی، افزایش شدید تقاضای برق در مراکز داده‌ها وجود دارد، همراه با عرضه انرژی تجدیدپذیر پرنوسان که تاب‌آوری و ظرفیت سیستم‌های انرژی فعلی را تهدید می‌کند.
در مورد نتایج بهره‌وری و رشد، سازمان همکاری و توسعه اقتصادی (OECD) از شرط‌بندی‌های خود طفره می‌رود. اگر فناوری‌های هوش مصنوعی گسترش یابند و به طور متوالی پیاده‌سازی شوند، OECD تخمین می‌زند که بهره‌وری نیروی کار جهانی طی ده سال آینده 2.4 درصد افزایش خواهد یافت و 4 درصد به تولید ناخالص داخلی جهان نسبت به جایی که در روندهای فعلی بوده است، اضافه خواهد کرد. با این حال، اگر هوش مصنوعی در کاهش نیاز به نیروی کار انسانی چندان موفق نباشد و به همه بخش‌ها گسترش نیابد، بهره‌وری نیروی کار ممکن است در ده سال تنها 0.8 درصد بالاتر از سطح روند فعلی (از 0.8 درصد فعلی در سال) افزایش یابد و رشد اقتصادی جهان بدون تغییر خواهد ماند. در این مورد هنوز نمی‌توان به‌طور قطعی نظر داد.
منبع: https://thenextrecession.wordpress.com/2025/07/27/ai-bubbling-up