به گزارش دلچسب
در روزهایی که تب هوش مصنوعی شرکتهای فناوری را فرا گرفته است، مهندسان نرمافزار برای اثبات قیمت و مقدار منفعتوری خود داخل یک رقابت شگفت و بیسابقه شدهاند. آنها دیگر فقط با شدت کدنویسی یا از بین بردن باگها سنجیده نمیشوند، بلکه معیار جدیدی تشکیل شده است: رکوردشکنی در مصرف توکنهای هوش مصنوعی که به آن «توکنمکسینگ» (Tokenmaxxing) میگویند. در ادامه با این اتفاق شگفت زیاد تر آشنا میشوید.
میدانیم هوش مصنوعی علتافزایش منفعتوری میشود و به همین علت تعداد بسیاری از مدیران عامل با شور و حرارت از کارمندان میخواهند تا حد امکان ماموریت های خود را به هوش مصنوعی بسپارند، بااینحال مدیران مالی از قبضهای نجومی و الگوی تازه هزینهتراشی وحشتزده شدهاند. این تضاد علتایجاد اتفاق توکنمکسینگ در شرکتهای فناوری شده است.
توکنمکسینگ چیست؟
برای فهمیدن بهتر این بحران، ابتدا باید بدانیم توکن چیست. مدلهای زبانی هوش مصنوعی (همانند چتجیپیتی یا کلود) کلمات را همانند انسانها نمیخوانند؛ آنها متن را به واحدهای دادهای کوچکی به نام «توکن» خرد میکنند. بهطور میانگین، هر توکن معادل نزدیک به ۴ سخن یا سهچهارم یک کلمه انگلیسی است. مدلهای هوش مصنوعی این توکنها را به گفتن ورودی (پرامپت) دریافت و خروجی را نیز در قالب توکن تشکیل میکنند.
هنگامی که مهندسان از هوش مصنوعی برای کارهای سنگینی همانند برنامهنویسی یا تکمیل یک جریانکار ایجنتمحور منفعت گیری میکنند، این مدلها در عرض چند دقیقه هزاران یا حتی میلیونها توکن را پردازش میکنند.
آخرین مطالب
مسئله مهم اینجاست: مدل کسبوکار شرکتهایی همانند OpenAI و آنتروپیک دقیقاً برپایه فروش همین توکنها بنا شده است. شرکتهایی که هوش مصنوعی را از طریق API در سیستمهای خود ادغام میکنند، همانند قبض برق، بر پایه مقدار مصرف ماهانه توکنهایشان هزینه میپردازند. به عبارت سادهتر: هرچه کارمندان یک شرکت زیاد تر با هوش مصنوعی چت کنند یا از آن کد بخواهند، حساب بانکی شرکتهای اراعهدهنده هوش مصنوعی پرتر میشود.
به حرف های «کالوین لی» (Calvin Lee)، مدیر محصول و مهندس ارشد در پلتفرم مدیریت مالی Ramp، هزینههای تجاری برای خرید توکن از ابتدای سال جاری میلادی به شکل انفجاری افزایش یافته است. ترویج دستیارهای کدنویسی همانند Claude Code و OpenClaw نقش مهم را در این آتشسوزی مالی ایفا میکند.
از نظر دیگر، سختی از بالا به پایین به شدت حس میشود. مدیرانی همانند «توبی لوتکه» (Tobi Lütke)، مدیرعامل Shopify، علناً به کارمندان خود اولتیماتوم دادهاند که باید منفعت گیری از ابزارهای هوش مصنوعی را در کارهای روزمره خود ادغام کنند، در غیر این صورت جایی در شرکت نخواهند داشت.
«جنسن هوانگ»، مدیرعامل انویدیا، نیز ایده منفعت گیری از توکنها به گفتن «واحد اندازهگیری منفعتوری» را نقل کرده است. او در پادکست معروف All-In او گفت:
«اگر یک مهندس با حقوق ۵۰۰ هزار دلار در سال، حداقل معادل ۲۵۰ هزار دلار توکن مصرف نکند، من زیاد دلواپس خواهم شد.»
تازهترین اخبار و تحلیلها درباره انتخابات، سیاست، اقتصاد، ورزشی، حوادث، فرهنگ وهنر و گردشگری و سلامتی را در وب سایت خبری دلچسب بخوانید.
این فشارهای مدیریتی علتشد تا مصرف هوش مصنوعی از یک ابزار کمکی، به یک مسابقه در محیط کار تبدیل شود. بر پایه گزارش The Information، چندی پیش یکی از کارمندان متا یک تابلوی امتیازات در شبکه داخلی این شرکت راهاندازی کرد که کارمندان را دقیقاً بر پایه «تعداد توکنهای مصرفشده» رتبهبندی میکرد.
این تابلو که با الهام از مدل هوش مصنوعی آنتروپیک، Claudeonomics نام گرفته می بود، به کارمندان اجازه میداد کارکرد خود را با هم قیاس کنند و القاب پرزرقوبرقی همانند «متخصص مدل» دریافت کنند.
کارمندان متا بلافاصله داخل رقابت جنونآمیزتوکنمکسینگ (به حداکثر رساندن مصرف توکن) شدند. آنها برای رسیدن به صدر جدول، اغاز به نوشتن پرامپتهای بیعلت و طویل، اجرای موازی و همزمان چندین عامل هوشمند و درگیرکردن سیستم در پردازشهای غیرضروری کردند. مطابق گزارشها، رتبه اول این جدول متعلق به کاربری می بود که بهطور میانگین ۲۸۱ میلیارد توکن مصرف کرده می بود؛ هزینه این رقم حیرتانگیز برای شرکت میتوانست صدها یا هزاران دلار در روز باشد.
دو روز بعد از انتشار کردن این خبر مدیران متا فهمید این فاجعه شدند و کارمند سازنده تابلو ناچار شد آن را پاک کند. بااینحال، خود شرکتهای هوش مصنوعی به این آتش میدمند؛ برای مثال، اوپنایآی در برنامهای به نام «توکنهای سپاس»، برای مشتریانی که رکوردهای ۱۰ میلیارد تا ۱ تریلیون توکن را میشکنند، لوحهای یادبود و هدایای فیزیکی ارسال میکند تا آنها را به مصرف زیاد تر ترغیب کند.
توکنسوزی و بحران منفعت گیری بیرویه از هوش مصنوعی
به حرف های کارشناسان، مشکل مهم منفعت گیری از توکنها به گفتن معیار منفعتوری این است که همه توکنها قیمت یکسانی ندارند. توکنمکسینگ درواقع یک سراب است.
در دنیای برنامهنویسی، یک مهندس باهوش امکان پذیر با نوشتن یک پرامپت مختصر و دقیق (برای مثالً ۲۰۰ توکن) یک باگ پیچیده را رفع کند یا یک ویژگی تازه و پولساز بسازد. در روبه رو، کارمند فرد دیگر امکان پذیر یک ایجنت را برای مرتبسازی ایمیلهایش تنظیم کند، اما سیستم در یک لوپ بینهایت گیر بیفتد و بهطور اتفاقی و بدون هیچ خروجی مفیدی، یک میلیون توکن را بسوزاند و هزینه سنگینی روی دست شرکت بگذارد.
اکنون چالش مهم تیمهای مالی این است که صورتحسابهای اراعهشده توسط شرکتهای هوش مصنوعی، هیچ جزئیات دقیقی از نحوه مصرف اراعه نمیدهند. یک مدیر مالی در آخر ماه فاکتور دهها هزار دلاری دریافت میکند، اما نمیداند این پول صرف گسترش کدهای مهم شرکت شده است یا کارمندان آن را برای تشکیل جوک، ساخت تصاویر سرگرمکننده و درگیرشدن در حلقههای باگدار هدر دادهاند.
یقیناً شرکتهای فناوری اکنون درحال گذار از مرحله «منفعت گیری از هوش مصنوعی به هر قیمتی» به مرحله «منفعت گیری هوشمندانه و بهینه از هوش مصنوعی» می باشند تا یقین شوند توکنهایی که خریداری میکنند، واقعاً به قیمتآفرینی برای سازمان منجر خواهد شد.
دسته بندی مطالب
