مکانیک هوش مصنوعی فیزیکی: چگونه جذب سرمایه ۱۲ میلیارد دلاری پرومتئوس جف بزوس، چشم‌انداز فناوری صنعتی را دگرگون می‌کند

رونق هوش مصنوعی در سه سال گذشته پشت شیشه محبوس مانده بود و متن، کد و تصویر را روی صفحه‌های دیجیتال تولید می‌کرد. اکنون، این فناوری در حال حرکت به سمت کارخانه‌ها است. جف بزوس، بنیانگذار آمازون، و ویکرام باجاج، مدیر اجرایی سابق گوگل لایف ساینسز، استارتاپ خود، پرومتئوس، را با یک دور تامین مالی خیره‌کننده ۱۲ میلیارد دلاری سری B، رسماً از حالت پنهان خارج کردند.[1][2]

مقیاس محض این تامین مالی برای یک شرکت فناوری خصوصی تاریخی است. پرومتئوس که تنها چند ماه پس از تشکیل اولیه، ۴۱ میلیارد دلار ارزش‌گذاری شده است، برای تضمین ذخیره مالی خود، به طور کامل از سرمایه‌گذاران خطرپذیر سنتی سیلیکون ولی دوری کرد.[7][8]

این شرکت به جای مراجعه به «سند هیل رود» (مرکز سرمایه‌گذاری خطرپذیر)، حمایت غول‌های وال استریت مانند جی‌پی مورگان چیس، گلدمن ساکس و بلک‌راک را در کنار کنسرسیومی از صندوق‌های ثروت دولتی جلب کرد. این پایگاه سرمایه‌گذار به طور خاص به دلیل ارتباط عمیق با صنایع سنگین و زنجیره‌های تامین جهانی انتخاب شد.[6][7]

ایده اصلی پشت پرومتئوس، یک چرخش عمدی از مدل‌های زبان بزرگ به سمت چیزی است که صنعت آن را «هوش مصنوعی فیزیکی» می‌نامد. این استارتاپ به جای ساختن یک دستیار دیجیتال دیگر، تمام تمرکز خود را بر اقتصاد ملموس گذاشته است.[1][8]

این شرکت در تلاش است تا چیزی را بسازد که آن را «مهندس عمومی مصنوعی» (AGE) می‌نامد. این سیستم برای هدایت خودکار کل چرخه عمر توسعه سخت‌افزار، از طراحی مفهومی اولیه تا تولید انبوه، طراحی شده است.[5][8]

برای درک سازوکار و فرصت بازار، جدول زمانی توسعه سخت‌افزار سنتی را در نظر بگیرید. اصلاح یک موتور جت تجاری برای افزایش تنها ۱۰ درصدی نیروی رانش آن می‌تواند سال‌ها طراحی تکراری، نمونه‌سازی فیزیکی و آزمایش‌های ایمنی دقیق را قبل از تایید محصول نهایی به خود اختصاص دهد.[3]

پرومتئوس قصد دارد این چرخه را تا ده برابر یا بیشتر فشرده کند. این سیستم قوانین اساسی فیزیک، محدودیت‌های علم مواد و دهه‌ها داده‌های آزمایش تاریخی را جذب می‌کند تا نتایج را به صورت دیجیتالی شبیه‌سازی کند، قبل از اینکه حتی یک قطعه فلز برش داده شود.[4]

برخلاف هوش مصنوعی مولد که کلمه بعدی را در یک دنباله بر اساس احتمال آماری پیش‌بینی می‌کند، یک مهندس عمومی مصنوعی باید شکست‌های ساختاری، دینامیک حرارتی و کشش آیرودینامیکی را با حاشیه خطای صفر پیش‌بینی کند. موتور فیزیک باید مطلق باشد.[4][8]

برای اجرای این چشم‌انداز، بزوس و باجاج یک تیم بسیار متمرکز متشکل از تقریباً ۱۵۰ کارمند را در دفاتر سانفرانسیسکو، لندن و زوریخ گرد هم آورده‌اند. این تعداد کارمند برای شرکتی با ارزش ۴۱ میلیارد دلار بسیار کم است.[5][8]

فهرست کارکنان شامل استعدادهای نخبه‌ای است که از سراسر چشم‌انداز هوش مصنوعی مرزی جذب شده‌اند، از جمله معماران سابق زیرساخت xAI و محققان متخصص از دیپ‌مایند (DeepMind) و اوپن‌ای‌آی (OpenAI) که بر هوش تجسم‌یافته تمرکز دارند.[8]

اما رادیکال‌ترین جنبه پرومتئوس، نرم‌افزار آن نیست – بلکه استراتژی استقرار آن است. این شرکت به جای صدور مجوز هوش مصنوعی خود به عنوان یک سرویس برای تولیدکنندگان موجود، ساختار یک شرکت هلدینگ را شبیه به برکشایر هاتاوی (Berkshire Hathaway) با فناوری پیشرفته اتخاذ می‌کند.[6][7]

پرومتئوس قصد دارد از سرمایه عظیم خود برای خرید کامل کسب‌وکارهای صنعتی قدیمی استفاده کند. با خرید کارخانه‌های ریخته‌گری تخصصی، تولیدکنندگان قطعات و تأسیسات مونتاژ، این شرکت قصد دارد هوش مصنوعی خود را به طور عمودی مستقیماً در عملیاتی که مالک آن است، ادغام کند.[6]

این استراتژی تهاجمی ادغام، نیاز به تزریق سرمایه ۱۲ میلیارد دلاری را توضیح می‌دهد. شبیه‌سازی فیزیک دنیای واقعی در مقیاس صنعتی به مقدار نجومی قدرت محاسباتی نیاز دارد و پرومتئوس فعالانه در حال خرید منابع سرور شخص ثالث است، در حالی که خوشه‌های ابررایانه‌ای داخلی خود را نیز می‌سازد.[2][4]

این سرمایه‌گذاری همچنین بر یک شرط‌بندی اقتصاد کلان متضاد در مورد آینده کار استوار است. در حالی که بسیاری از سیاست‌گذاران نگرانند که هوش مصنوعی پیشرفته باعث بیکاری گسترده شود، بزوس استدلال کرده است که هوش مصنوعی فیزیکی در واقع کمبود شدید نیروی کار در بخش تولید ایجاد خواهد کرد.[7]

منطق این امر شبیه تاریخچه توسعه نرم‌افزار است: پرومتئوس انتظار دارد با کاهش چشمگیر هزینه و زمان مورد نیاز برای طراحی سخت‌افزارهای پیچیده، حجم کل محصولات فیزیکی در حال ساخت را افزایش دهد. این انفجار در تولید، از لحاظ نظری، تقاضا برای نظارت انسانی، تکنسین‌های متخصص و کارگران مونتاژ را افزایش خواهد داد.[5][7]

عدم قطعیت در مورد اینکه آیا یک تیم کوچک از مهندسان نرم‌افزار نخبه می‌توانند واقعیت‌های سخت، اتحادیه‌ای و بسیار تنظیم‌شده کارخانه‌های تولیدی قدیمی را با موفقیت مدیریت کنند، باقی است. دستکاری بیت‌ها اساساً آسان‌تر از اتم‌ها است.[6][8]

با این حال، سیگنال بازار غیرقابل انکار است. در حالی که هیجان اولیه پیرامون ربات‌های گفتگوی دیجیتال فروکش می‌کند، بزرگترین منابع سرمایه جهانی به سمت هوش تجسم‌یافته در حال چرخش هستند، با این شرط که شرکت تریلیون دلاری بعدی شرکتی خواهد بود که در نهایت به هوش مصنوعی نحوه ساختن دنیای فیزیکی را آموزش دهد.[1][3]