نبرد سه‌گانه زاکربرگ برای فراهوش مصنوعی: زیرساخت، استعداد و داده

شکست لاما ۴ و درس‌های آموخته‌شده

پس از موفقیت نسبی مدل‌های Llama 3، متا با چالش جدی و شکست مدل Llama 4 روبرو شد. این مدل که قرار بود رقیبی قدرتمند برای مدل‌های پیشرفته OpenAI و گوگل باشد، به دلیل انتخاب نادرست معماری، کیفیت پایین داده‌های تمرینی و راهبردهای مقیاس‌پذیری ناکارآمد، نتوانست انتظارات را برآورده کند. یکی از دلایل اصلی ضعف داده‌ها، عدم دسترسی متا به منابع ویدئویی غنی مانند یوتیوب و اتکا به داده‌های جمع‌آوری شده توسط خزنده‌های تازه‌کار بود.

استراتژی جدید مراکز داده: «خیمه‌های محاسباتی»

در واکنش به ناکامی لاما ۴، زاکربرگ راهبرد پیشین مراکز داده متا را کنار گذاشته و ساخت «خیمه‌های محاسباتی» را آغاز کرده است. این سازه‌های سبک و با سرعت ساخت بالا، برای استقرار سریع خوشه‌های عظیم پردازنده‌های گرافیکی (GPU) طراحی شده‌اند و فاقد ژنراتورهای پشتیبان سنتی هستند.

• بزرگ‌ترین خوشه در حال ساخت با نام Prometheus در ایالت اوهایو، با استفاده از گاز طبیعی و زیرساخت شبکه پیشرفته، به سرعت در حال تکمیل است.
• پروژه دوم، Hyperion در لوئیزیانا، برنامه‌ریزی شده است تا سال ۲۰۲۷ به بزرگ‌ترین کمپ محاسباتی جهان تبدیل شود.

جذب نخبگان با پیشنهادهای مالی بی‌سابقه

زاکربرگ شخصاً مسئولیت جذب استعدادهای برتر در حوزه هوش مصنوعی را بر عهده گرفته و پیشنهادهای مالی خیره‌کننده‌ای ارائه می‌دهد. گزارش‌ها حاکی از پیشنهادهایی به ارزش ۲۰۰ تا ۳۰۰ میلیون دلار برای یک دوره ۴ ساله به پژوهشگران برجسته است. این تلاش‌ها حتی برخی مدیران ارشد OpenAI را نیز هدف قرار داده است. چهره‌های سرشناسی مانند نات فریدمن (مدیرعامل سابق گیت‌هاب)، الکس وانگ (بنیان‌گذار Scale AI) و دنیل گروس به تیم هوش مصنوعی متا پیوسته‌اند.

سرمایه‌گذاری عظیم در Scale AI برای بهبود کیفیت داده

یکی از مهم‌ترین نقاط ضعف متا در توسعه مدل‌های پیشین، به ویژه لاما ۴، کیفیت پایین داده‌های تمرینی بود. متا با خرید ۴۹٪ از سهام Scale AI به ارزش تقریبی ۳۰ میلیارد دلار، به دنبال حل این مشکل است. این سرمایه‌گذاری با هدف ارتقای سیستم‌های ارزیابی و تمیزکاری داده‌ها صورت گرفته است. آزمایشگاه SEAL در Scale AI، ابزارهای پیشرفته‌ای برای سنجش توانایی استدلال مدل‌های زبانی توسعه داده است که می‌تواند به متا در بهبود کیفیت داده‌هایش کمک کند.