خروج گسترده پژوهشگران از دیپ‌مایند محصول چند عامل روشن است: محدودیت در دسترسی به تراشه‌های محاسباتی، تضاد منافع ناشی از فروش ظرفیت به رقبا و سازوکارهای بوروکراتیک که حرکت پژوهش را کند می‌کنند.

چه اتفاقی افتاده

دیپ‌مایند در ماه‌های اخیر با موجی از استعفاها روبه‌رو شده است. گزارش‌ها نشان می‌دهد دمیس هاسابیس در مقاطع اخیر کمتر درگیر مدیریت روزمره بوده و برخی مسئولیت‌ها به دیگر مدیران اجرایی واگذار شده‌اند. خبرگزاری Semafor و منابع دیگر این تغییرات را در زمینه تحول سازمانی و تغییر اولویت‌ها گزارش کرده‌اند.

تراشه‌ها؛ نقطه مرکزی مناقشه

گزارش‌ها از جمله CNBC حاکی است دسترسی تیم‌های تحقیقاتی داخلی به تراشه‌های TPU محدود شده و در مقابل این ظرفیت‌ها از طریق Google Cloud به مشتریان و شرکت‌هایی مانند Anthropic عرضه می‌شود. وقتی تیم‌های پژوهشی داخلی برای توسعه پیشگامانه با محدودیت محاسباتی مواجه‌اند، روند نوآوری کند شده و احتمال خروج نخبگان افزایش می‌یابد.

روش تخصیص ظرفیت

گوگل معمولاً برنامه‌ریزی ظرفیت محاسباتی را از پیش انجام می‌دهد و میان تیم‌های تحقیق، محصول و مشتریان ابری تقسیم می‌کند، اما اولویت‌ها می‌توانند سریع تغییر کنند. در چنین شرایطی، تیم‌هایی که نیازهای محاسباتی‌شان برآورده نمی‌شود، پروژه‌ها را طولانی‌تر و ریسک خروج نیرو را بالاتر می‌بینند.

تضاد منافع: فروش ظرفیت به رقبا

وقتی یک شرکت هم ارائه‌دهنده زیرساخت ابری باشد و هم بازیگر اصلی در پژوهش، فروش ظرفیت به رقبای فعال در حوزه هوش مصنوعی می‌تواند تضاد منافع ایجاد کند. این رویه اعتماد درون‌سازمانی را تضعیف کرده و انگیزه پژوهشگران را کاهش می‌دهد.

بوروکراسی و کشش به سمت شرکت‌های چابک

فرآیندهای تصویب متعدد و کندی تصمیم‌گیری در واحدهای تحقیقاتی زیرمجموعه غول‌های فناوری، پژوهشگران را به اکوسیستم‌های چابک‌تر و استارتاپ‌ها می‌کشاند؛ جایی که دسترسی به منابع و اختیار عمل سریع‌تر فراهم است.

نمونه‌ای روشن: قرارداد Mirendil

گوگل اعلام کرده آزمایشگاهی به نام Mirendil از طریق همکاری با Google Cloud از بیش از 100 میلیون دلار ظرفیت TPU و کارت‌های گرافیک Nvidia استفاده خواهد کرد. این قرارداد تصویر ادراک‌شده از نابرابری تخصیص منابع را تقویت می‌کند: در حالی که برخی تیم‌های داخلی محدودیت تجربه می‌کنند، شرکای بیرونی به حجم قابل‌توجهی محاسبات دسترسی پیدا می‌کنند.

پیامدها برای اکوسیستم هوش مصنوعی

  • از دست دادن نیروی انسانی برجسته، توان رقابتی پژوهشی شرکت را کاهش می‌دهد.
  • تخصیص نامنصفانه منابع، پروژه‌های بلندپروازانه تحقیقاتی را به تأخیر می‌اندازد یا متوقف می‌کند.
  • تصویر شرکت در جامعه پژوهشی آسیب می‌بیند و جذب استعداد دشوارتر می‌شود.

راهکارهای موثر

چند اقدام عملی می‌تواند از شدت ریزش استعداد بکاهد و نوآوری را حفظ کند:

  • افزایش شفافیت در قواعد و معیارهای تخصیص ظرفیت محاسباتی.
  • طراحی سازوکارهای مشخص برای جلوگیری از تضاد منافع میان بخش ابری و تیم‌های تحقیقاتی.
  • کاهش موانع بوروکراتیک برای اعطای دسترسی تحقیقاتی به منابع حیاتی.
  • انطباق مدل‌های همکاری با استارتاپ‌ها به‌گونه‌ای که منافع پژوهشی داخلی حفظ شود.

اگر غول‌های فناوری نتوانند تعادلی بین کسب‌وکار ابری و اهداف تحقیقاتی برقرار کنند، رقابت بر سر استعداد و نوآوری به نفع بازیگران چابک‌تر خواهد شد و ساختارهای کنونی نیازمند بازنگری اساسی خواهند بود.