کد خبر: ۴۹۸

هوش مصنوعی متن‌باز؛ چرا نیمی از پروژه‌ها هرگز به مرحله بهره‌برداری نمی‌رسند؟

هوش مصنوعی متن باز

گزارش جدید موزیلا نشان می‌دهد با وجود رشد چشمگیر استفاده از هوش مصنوعی متن‌باز، بسیاری از پروژه‌ها به دلیل چالش‌های امنیتی، زیرساختی و عملیاتی هرگز به مرحله بهره‌برداری نمی‌رسند.

هانا حیدری
خبرنگار:
هانا حیدری

گزارش جدید بنیاد موزیلا از وضعیت اکوسیستم هوش مصنوعی متن‌باز در سال ۲۰۲۶ نشان می‌دهد که با وجود افزایش چشمگیر استقبال سازمان‌ها از مدل‌های متن‌باز، نزدیک به نیمی از این پروژه‌ها هرگز به مرحله بهره‌برداری عملیاتی نمی‌رسند.

امنیت و زیرساخت؛ حلقه مفقوده هوش مصنوعی متن‌باز

به گزارش هلپ نت سکیوریتی، بنیاد موزیلا در تازه‌ترین گزارش State of Open Source AI 2026 اعلام کرده است که اگرچه فاصله عملکرد مدل‌های متن‌باز با مدل‌های اختصاصی به کمترین میزان خود رسیده است، اما سازمان‌ها همچنان برای استقرار عملیاتی این مدل‌ها با چالش‌های متعددی روبه‌رو هستند.

به گفته رفی کریکوریان، مدیر ارشد فناوری موزیلا، توسعه هوش مصنوعی متن‌باز تنها به انتشار مدل‌ها محدود نمی‌شود و بدون سرمایه‌گذاری در زیرساخت، ابزارهای مدیریتی و چارچوب‌های حاکمیتی، مدل‌های متن‌باز توان رقابت با سرویس‌های انحصاری را نخواهند داشت.

شکاف عملکرد مدل‌های متن‌باز و تجاری کمتر از همیشه است

بررسی‌های موزیلا نشان می‌دهد اختلاف عملکرد میان برترین مدل‌های متن‌باز و مدل‌های اختصاصی، به‌طور متوسط، به ۳.۳ امتیاز در رتبه‌بندی Chatbot Arena کاهش یافته است.

مدل‌های متن‌باز اکنون در حوزه‌هایی مانند تولید کد، اجرای دستورها و پاسخ‌گویی به پرسش‌های عمومی، عملکردی نزدیک به رقبای تجاری دارند، اما مدل‌های اختصاصی همچنان در زمینه استدلال پیچیده، پردازش متن‌های طولانی و اجرای وظایف عامل‌محور (Agentic AI) برتری محسوسی دارند.

از سوی دیگر، هزینه استفاده از مدل‌هایی با توان پردازشی هم‌سطح GPT-4 طی سه سال گذشته حدود ۵۰ برابر کاهش یافته و از حدود ۲۰ دلار به تنها ۴۰ سنت برای هر یک میلیون توکن رسیده است؛ موضوعی که استفاده از هوش مصنوعی را برای بسیاری از سازمان‌ها مقرون‌به‌صرفه‌تر کرده است.

استقبال گسترده، اما راهی طولانی تا محیط عملیاتی

بر اساس این گزارش، ۷۹ درصد توسعه‌دهندگان از مدل‌های متن‌باز استفاده می‌کنند و ۸۹ درصد سازمان‌ها نیز حداقل بخشی از زیرساخت نرم‌افزاری خود را بر پایه فناوری‌های متن‌باز بنا کرده‌اند.

با این حال، تنها کمی بیش از نیمی از سازمان‌هایی که از این مدل‌ها استفاده می‌کنند، موفق شده‌اند آن‌ها را وارد محیط عملیاتی (Production) کنند. در مقابل، مدل‌های اختصاصی همچنان نرخ استقرار موفق بالاتری دارند.

موزیلا معتقد است این اختلاف، بیش از آنکه به کیفیت مدل‌ها مربوط باشد، به نبود ابزارهای عملیاتی، فرآیندهای حاکمیتی، زیرساخت مناسب و اعتماد سازمانی بازمی‌گردد.

امنیت سایبری و انطباق، دغدغه اصلی سازمان‌ها

نتایج این گزارش نشان می‌دهد هزینه زیرساخت همچنان یکی از دغدغه‌های اصلی توسعه‌دهندگان است، اما امنیت سایبری، حفاظت از حریم خصوصی، رعایت الزامات قانونی و انطباق با مقررات نیز در صدر نگرانی‌های سازمان‌ها قرار دارد.

علاوه بر این، نگهداری مستمر، پیچیدگی استقرار، یکپارچه‌سازی با سامانه‌های موجود و مدیریت چرخه عمر مدل‌ها از مهم‌ترین چالش‌هایی هستند که بسیاری از پروژه‌های آزمایشی را از رسیدن به مرحله بهره‌برداری بازمی‌دارند.

نکته قابل توجه اینکه توسعه‌دهندگانی که استفاده از مدل‌های متن‌باز را متوقف کرده‌اند، بیش از سایرین به مشکلات نگهداری و یکپارچه‌سازی اشاره کرده‌اند؛ موضوعی که نشان می‌دهد چالش اصلی، پس از پایان مرحله آزمایش و هنگام ورود به محیط عملیاتی آغاز می‌شود.

آینده رقابت؛ فراتر از خود مدل‌ها

موزیلا در بخش دیگری از گزارش تأکید می‌کند که رقابت آینده در حوزه هوش مصنوعی تنها بر سر کیفیت مدل‌ها نخواهد بود، بلکه ابزارهای پیرامونی مانند مدیریت دسترسی، احراز هویت، نظارت، ثبت رویدادها، کنترل هزینه، حافظه، ارزیابی عملکرد و حاکمیت داده، به عوامل اصلی موفقیت سازمان‌ها تبدیل خواهند شد.

به اعتقاد این نهاد، هرچه مدل‌های متن‌باز قدرتمندتر و فراگیرتر شوند، ارزش افزوده واقعی در لایه نرم‌افزارها و زیرساخت‌هایی شکل می‌گیرد که امنیت، نظارت و مدیریت استفاده از هوش مصنوعی را در محیط‌های سازمانی تضمین می‌کنند.

گزارش خطا
ارسال پیام
captcha
پیشنهاد سردبیر بیشتر
آخرین اخبار
پربازدید
خانه پربازدید پربحث