تقييم تكلفة الذكاء الاصطناعي التوليدي من أجل التنفيذ الفعال في مؤسستك

بعض النقاط الرئيسية حول تكاليف تنفيذ الذكاء الاصطناعي التوليدي (AI).

• يمكن أن تتراوح تكلفة تنفيذ الذكاء الاصطناعي التوليدي في الأعمال التجارية من بضع مئات من الدولارات شهريًا إلى 190 ألف دولار (والعد في ازدياد) للحصول على حل ذكاء اصطناعي توليدي مخصص يعتمد على نموذج مفتوح المصدر دقيق.
• يرجع هذا الاختلاف في تكلفة الذكاء الاصطناعي إلى عدة عوامل، بما في ذلك المهام التي تتطلع إلى تحسينها، والنموذج الذي يناسب تلك المهام على أفضل وجه، وأسلوب التنفيذ المحدد.
• لتحسين النفقات المرتبطة، تحتاج إلى النظر بعناية في متطلبات مشروعك، وتقييم نفقات البنية التحتية المحلية والسحابية، والاختيار بين توظيف مواهب الذكاء الاصطناعي الداخلية والاستعانة بمصادر خارجية للمشروع لجهة خارجية.

لقد أخبرناك بالفعل عن مدى مقارنة الذكاء الاصطناعي التوليدي (الذكاء الاصطناعي العام) بالذكاء الاصطناعي التقليدي. لقد حددنا أيضًا إيجابيات وسلبيات التكنولوجيا. لقد بحث الفريق الاستشاري للذكاء الاصطناعي العام في ITRex أيضًا في حالات استخدام الذكاء الاصطناعي العام عبر العديد من الصناعات، بما في ذلك الرعاية الصحية وتجارة التجزئة وسلاسل التوريد.

بالإضافة إلى ذلك، قمنا بتقييم تكلفة بناء أنظمة الذكاء الاصطناعي والبنية التحتية، وقمنا بتكبير تكاليف التعلم الآلي (ML)، وحساب النفقات المرتبطة بإعداد بيانات التدريب، وضبط النماذج، ونشر الحلول التي تدعم التعلم الآلي.

حان الوقت الآن لفك تكلفة تنفيذ الذكاء الاصطناعي العام في الأعمال التجارية. قد يكون هذا التحليل صعبًا، حيث أن تفاصيل مشروعك غير معروفة لنا بعد. ومع ذلك، يمكننا الاستفادة من خبرتنا الاستشارية في مجال الذكاء الاصطناعي العام لاستكشاف أسعار خدماتها وتعداد العوامل الرئيسية وراء تكاليف مشروع الذكاء الاصطناعي العام. بهذه الطريقة، سنزودك بالمعرفة اللازمة لاتخاذ قرارات مستنيرة، مما قد يوفر لشركتك الكثير من الوقت والموارد في هذا المشهد التكنولوجي سريع التطور.

مهتم؟ دعونا الغوص في ذلك الوقت!

العوامل المؤثرة على تكلفة الذكاء الاصطناعي العام: اختيار النموذج ونهج التنفيذ

عند التفكير في دمج الذكاء الاصطناعي العام في مجموعة التكنولوجيا الخاصة بشركتك، فمن المهم مراعاة ما يلي:

• ما هي المهام التجارية التي ستقوم بتعزيزها باستخدام الذكاء الاصطناعي التوليدي؟
• ما هو النموذج الذي يكفي لهذه المهام؟

في قلب حلول الذكاء الاصطناعي التوليدية تكمن النماذج الأساسية - أي النماذج الكبيرة المدربة على كميات هائلة من البيانات. بشكل أساسي، تعمل النماذج الأساسية كأساس لإنشاء حلول مخصصة للذكاء الاصطناعي العام، وتبسيط عملية التطوير، وخفض تكاليف الذكاء الاصطناعي العام. تتضمن قدراتهم عادةً معالجة اللغة الطبيعية (NLP)، ورؤية الكمبيوتر (CV)، وإنشاء المحتوى.

تعتمد القدرات المعرفية للنماذج الأساسية إلى حد كبير على عدد المعلمات التي تم تدريبهم عليها. في هذا السياق، تشير المعلمات إلى عناصر النموذج التي تم تعلمها من بيانات التدريب، مثل الأوزان في الشبكة العصبية. تساعد هذه المعلمات النموذج على اتخاذ القرارات والتنبؤات. يوضح الجدول التالي العلاقة بين عدد المعلمات - بشكل أساسي، حجم عناصر صنع القرار هذه - والقدرات المعرفية للنموذج.

ومع ذلك، فإن عدد المعلمات ليس هو العامل الوحيد الذي يؤثر على قدرات نماذج الأساس. جودة وتنوع بيانات التدريب لا تقل أهمية. بيانات التدريب هي المعلومات التي يتم إدخالها في النموذج والتي يتعلم منها. تشمل هذه البيانات مجموعة واسعة من الأمثلة التي تساعد النموذج على فهم البيانات الجديدة وتفسيرها. بالإضافة إلى ذلك، تلعب بنية النموذج - أي التصميم الهيكلي لكيفية تفاعل المعلمات والبيانات - وكفاءة خوارزميات التعلم، التي تحدد مدى فعالية تعلم النموذج من البيانات، أدوارًا حاسمة. ونتيجة لذلك، في بعض المهام، يمكن للنموذج الذي يحتوي على معلمات أقل ولكن بيانات تدريب أفضل أو بنية أكثر كفاءة أن يتفوق على نموذج أكبر.

اختيار نموذج الأساس الذي يلبي توقعاتك فيما يتعلق بتكلفة الذكاء الاصطناعي العام

يمكن تصنيف جميع نماذج الذكاء الاصطناعي الحالية بشكل فضفاض إلى نوعين.

• يتم تطوير النماذج مغلقة المصدر بواسطة شركات التكنولوجيا الكبرى، مثل Google، وMeta، وMicrosoft، وOpenAI. يمكن أن تكون التعليمات البرمجية المصدر والهندسة المعمارية وواجهات برمجة التطبيقات (APIs) مملوكة بالكامل أو متاحة لأطراف ثالثة (عادةً مقابل رسوم، وهي في الأساس تكلفة حل الذكاء الاصطناعي العام). في بعض الحالات، يمكنك ضبط أداء النماذج مغلقة المصدر باستخدام بياناتك. ولأغراض هذه المقالة، سنشير إلى النماذج مغلقة المصدر باعتبارها حلول الذكاء الاصطناعي العامة المتاحة تجاريًا. الميزة الرئيسية لهذه النماذج هي أنها تأتي مع بنية تحتية سحابية ويتم صيانتها بالكامل بواسطة المطور الأصلي.
• تحتوي النماذج مفتوحة المصدر على كود المصدر الخاص بها، وتقنيات التدريب، وأحيانًا بيانات التدريب المتاحة للاستخدام العام والتعديل. يمكن لشركتك استخدام هذه النماذج "كما هي" أو إعادة تدريبها على بياناتها الخاصة لتحقيق دقة وأداء أفضل. ومع ذلك، سيتعين عليك إعداد بنية أساسية محلية أو سحابية حتى يتم تشغيل النموذج. وبالتالي فإن تكلفة نماذج الذكاء الاصطناعي العامة هذه ستشمل تكاليف الحوسبة، وإذا اخترت تحسين حل الذكاء الاصطناعي العام، فستشمل النفقات المرتبطة بالتدريب النموذجي.

دعونا نلخص. إذا كانت شركتك تفكر في تطبيق الجيل الجديد من الذكاء الاصطناعي، فهناك أربع طرق أساسية للقيام بذلك.

1. استخدام نماذج مغلقة المصدر دون تخصيص: يمكن لرواد الذكاء الاصطناعي دمج المنتجات الجاهزة مثل OpenAI's ChatGPT وGoogle Bard وClaude وSynthesia مع تطبيقاتهم باستخدام واجهات برمجة التطبيقات. عملية التكامل واضحة إلى حد ما، وكذلك تسعير الذكاء الاصطناعي التوليدي (المزيد حول ذلك لاحقًا). يتم تحديث المنتجات المتاحة تجاريًا بشكل متكرر وتوفر وثائق شاملة لمطوري الذكاء الاصطناعي. الجانب السلبي؟ ستكون خيارات التخصيص الخاصة بك محدودة، وستعتمد بشكل كبير على شركة خارجية للقيام بمهام العمل الحيوية، مثل التعامل مع استفسارات دعم العملاء أو إنتاج محتوى مرئي.
2. إعادة تدريب الحلول المتاحة تجاريًا على بيانات شركتك: في هذا السيناريو، سيقوم فريق الذكاء الاصطناعي الداخلي الخاص بك باختيار منتج الذكاء الاصطناعي العام الحالي الذي تم تطويره بواسطة بائع محدد، مثل OpenAI، وضبطه باستخدام بياناتك الخاصة. سوف تفهم حلول الذكاء الاصطناعي العامة المخصصة أسئلة المستخدم بشكل أفضل وتخرج بإجابات أكثر دقة. ومع ذلك، سيظل البائع يفرض رسومًا بسيطة مقابل تشغيل استفساراتك، وبالتالي فإن التكلفة النهائية للذكاء الاصطناعي العام ستشمل نفقات التشغيل والتخصيص.
3. استخدام النماذج الأساسية مفتوحة المصدر "كما هي": بشكل مبالغ فيه، يمكن لشركتك اختيار RoBERTa، أو GPT-2، أو GPT-Neo، أو أي نموذج آخر مفتوح المصدر وتطبيقه على مهام العمل مثل الرد على رسائل البريد الإلكتروني للعملاء دون مزيد من التدريب. ومع ذلك، سيتم تحديد تكلفة الذكاء الاصطناعي العام من خلال موارد الحوسبة التي يستهلكها النموذج. قد يكون أداء حل الذكاء الاصطناعي العام لديك ضعيفًا عند مواجهة بيانات ومهام غير مألوفة.
4. إعادة تدريب النماذج مفتوحة المصدر على بياناتك: في هذه الحالة، ستحتاج إلى الحصول على بيانات محددة وإعدادها للتدريب على نماذج الذكاء الاصطناعي العامة، وتوفير خوادم محلية أو سحابية للتدريب على النماذج والعمليات، ومواصلة الضبط والتحديث. النموذج مع تطور مهامك. في حين أن هذا النهج المخصص يضمن أداءً فائقًا للنموذج، فإنه يستلزم أيضًا تكاليف أعلى للذكاء الاصطناعي العام.

الآن بعد أن عرفت خيارات التنفيذ، دعنا نركز على تكلفة الجيل الجديد من الذكاء الاصطناعي الذي تتطلبه هذه الخيارات.

نظرة ثاقبة لتسعير الذكاء الاصطناعي العام بناءً على سيناريو التنفيذ

تكلفة أدوات الذكاء الاصطناعي العامة المتوفرة تجاريًا

عادةً ما تفرض الخدمات الجاهزة التي تسهل معالجة النصوص وإنشاءها رسومًا على المؤسسات بناءً على عدد الأحرف أو الرموز المميزة - أي الوحدات الأساسية للنص، والتي يمكن أن تتراوح من علامات الترقيم إلى الكلمات وعناصر بناء الجملة الأخرى - في نص الإدخال أو الإخراج .

وإليك كيف يعمل هذا في الممارسة العملية.

1. الفوترة المستندة إلى الأحرف: تقوم بعض الحلول، مثل أدوات الذكاء الاصطناعي العامة التي يقودها Vertex AI من Google، بإصدار فاتورة للمستخدمين بناءً على عدد الأحرف في نص الإدخال والإخراج. وهم يحسبون كل حرف ورقم ومسافة وعلامة ترقيم كحرف. على سبيل المثال، يبدأ تسعير الذكاء الاصطناعي التوليدي لنموذج PaLM 2 للنص المدعوم من Vertex من 0.0005 دولار لكل 1000 حرف لنص الإدخال والإخراج (يتم إصدار الفاتورة بشكل منفصل).
2. الفواتير المستندة إلى الرمز المميز: تميل أدوات الذكاء الاصطناعي العامة الأكثر تقدمًا إلى تقسيم النص إلى رموز مميزة بدلاً من الأحرف. اعتمادًا على أساليب التدريب والمعالجة الخاصة بالنموذج، يمكن أن يكون الرمز المميز علامة ترقيم أو كلمة أو جزءًا من كلمة. على سبيل المثال، يعرّف OpenAI الرمز المميز على أنه مجموعة مكونة من أربعة أحرف تقريبًا. جملة بسيطة مثل "لقد أحضر توم زهور جيل". وبالتالي ستتكون من ثمانية رموز، نظرًا لأن الكلمتين "جلبت" و"زهور" تتجاوز قليلاً عتبة الأحرف الأربعة. عندما يتعلق الأمر بتكلفة حلول الذكاء الاصطناعي التوليدية هذه، فإن الأمر يعتمد إلى حد كبير على نموذج اللغة الذي اخترته. OpenAI's GPT-4 Turbo، إحدى الأدوات الأكثر تطورًا في السوق، تتقاضى 0.01 دولارًا أمريكيًا لكل 1000 رمزًا مميزًا لنص الإدخال و0.03 دولارًا أمريكيًا لكل 1000 رمزًا مميزًا لنص الإخراج. بالنسبة لإصدار GPT-3.5 Turbo، الإصدار الأقدم، تكون الأسعار أقل بشكل ملحوظ، حيث تتراوح من 0.001 دولار لكل 1000 رمز مميز لنص الإدخال إلى 0.002 دولار لكل 1000 رمز مميز لنص الإخراج. تجدر الإشارة إلى أن موفري الذكاء الاصطناعي المختلفين لديهم مفاهيم مختلفة للأحرف والرموز المميزة . لتحديد الخيار الأكثر فعالية من حيث التكلفة، يجب عليك دراسة وثائقهم وخططهم والتفكير في المنتج الذي يناسب احتياجات عملك الفريدة بشكل أفضل. على سبيل المثال، إذا كانت مهامك تتمحور حول إنشاء النص بدلاً من التحليل، فإن خدمة الذكاء الاصطناعي التوليدية ذات معدلات الإخراج المنخفضة ستكون أكثر ملاءمة.

وفي الوقت نفسه، تميل خدمات الذكاء الاصطناعي لإنشاء المحتوى المرئي إلى فرض رسوم على المستخدمين مقابل كل صورة يتم إنشاؤها، مع ربط الرسوم بحجم الصورة وجودتها. إن الصورة الواحدة مقاس 1024 × 1024 بكسل التي تنتجها DALL·E 3 بالجودة القياسية ستكلفك 0.04 دولارًا. بالنسبة للصور الأكبر حجمًا (1024 × 1792 بكسل)، بالإضافة إلى الصور عالية الوضوح، يمكن أن يرتفع السعر إلى 0.08-0.12 دولارًا للقطعة الواحدة.

ولا تنسَ منصات الذكاء الاصطناعي المتكاملة، مثل Synthesia.io، التي تتبع نهجًا أكثر تقليدية في التسعير. إذا كان فريق التسويق الخاص بك يتطلع إلى تسريع عملية إنشاء الفيديو، فيمكنك تجربة الأداة مقابل مبلغ زهيد يصل إلى 804 دولارًا سنويًا.

تكلفة تخصيص منتجات الذكاء الاصطناعي العامة المتوفرة تجاريًا

كما ترون من القسم السابق، فإن غالبية منتجات Gen AI الجاهزة تستفيد من استراتيجية تحقيق الدخل من نظام الدفع أولاً بأول.

في حين أن نماذج التسعير الخاصة بهم تبدو واضحة إلى حد ما للوهلة الأولى، فقد يكون من الصعب التنبؤ بعدد الاستعلامات التي سيجريها موظفوك، خاصة إذا كنت تسعى لاستكشاف حالات استخدام متعددة للذكاء الاصطناعي في أقسام مختلفة.

يؤدي هذا إلى حدوث ارتباك فيما يتعلق بتسعير أدوات الذكاء الاصطناعي العام والتكلفة الإجمالية للملكية، كما كان الحال في الأيام الأولى للحوسبة السحابية.

عيب آخر لاستخدام حلول الذكاء الاصطناعي التجارية هو أن المنتجات ذات الأغراض العامة مثل ChatGPT تفتقر إلى المعرفة السياقية، مثل الإلمام بهيكل شركتك ومنتجاتها وخدماتها. وهذا يجعل من الصعب زيادة العمليات مثل دعم العملاء وإنشاء التقارير باستخدام إمكانات الذكاء الاصطناعي، حتى لو كنت تتقن الهندسة السريعة.

وفقاً لإريك لامار، الشريك الأول في شركة ماكينزي، لحل هذه المشكلة، "تحتاج المؤسسات إلى إنشاء بيئة بيانات يمكن أن يستهلكها النموذج". بمعنى آخر، سيتعين عليك إعادة تدريب أدوات الذكاء الاصطناعي العامة المتاحة تجاريًا على بيانات شركتك، بالإضافة إلى المعلومات المأخوذة من مصادر خارجية عبر واجهات برمجة التطبيقات.

هناك طريقتان لتحقيق الهدف، والعديد من العوامل التي ستؤثر على تكلفة الذكاء الاصطناعي التوليدي في كل سيناريو.

استخدام منصات البرامج كخدمة (SaaS) مع قدرات الذكاء الاصطناعي العامة

يقوم العديد من موردي SaaS البارزين، بما في ذلك SAP وTIBCO Spotfire وSalesforce، بطرح خدمات الذكاء الاصطناعي التوليدية التي يمكن ضبطها بدقة باستخدام بيانات العملاء. على سبيل المثال، أطلقت شركة Salesforce برنامج Einstein Copilot، وهو مساعد محادثة يعمل بالذكاء الاصطناعي يسحب البيانات الخاصة من Salesforce Data Cloud لصياغة ردود مخصصة على أسئلة العملاء. تتضمن المعلومات التي يستخدمها المساعد الذكي محادثات Slack والقياس عن بعد ومحتوى المؤسسة وغيرها من البيانات المنظمة وغير المنظمة.

يمكن لعملاء Salesforce أيضًا إنشاء نماذج ومهارات ومطالبات مخصصة للذكاء الاصطناعي باستخدام برنامج Prompt Builder وModel Builder بدون تعليمات برمجية من Einstein Copilot Studio. اعتبارًا من الآن، تدعم الأداة الأخيرة نماذج اللغات الكبيرة (LLMs) الخاصة بـ OpenAI، ولكن هناك خطط لدمج المنتج مع حلول الطرف الثالث الأخرى، بما في ذلك Amazon Bedrock وVertex AI. نظرًا لأن Einstein Copilot لا يزال في مرحلته التجريبية (لا أقصد التورية)، لم يتم الكشف بعد عن معلومات التسعير التوليدية للذكاء الاصطناعي. ومع ذلك، فإن تكلفة مساعد GPT لمبيعات الذكاء الاصطناعي، والتي يبلغ إجماليها حاليًا 50 دولارًا لكل مستخدم شهريًا، يمكن أن تمنحك فكرة عامة عما يمكن توقعه.

دمج برامج شركتك مع حلول Gen AI عبر واجهات برمجة التطبيقات ونماذج إعادة التدريب على بياناتك

لتقليل تكلفة تنفيذ الذكاء الاصطناعي العام، يمكنك التخلص من أدوات SaaS الوسيطة، ودمج تطبيقاتك مباشرةً مع حلول الذكاء الاصطناعي العامة التجارية على مستوى واجهة برمجة التطبيقات. على سبيل المثال، إذا كنت تتطلع إلى تعزيز برنامج الدردشة الآلي الخاص بدعم العملاء لديك من خلال إمكانات الذكاء الاصطناعي العامة، فيمكنك مزامنته مع أحد نماذج OpenAI - على سبيل المثال، GPT-3.5 أو GPT-4 - باستخدام OpenAI API. بعد ذلك، تحتاج إلى إعداد بياناتك للتعلم الآلي، وتحميل البيانات إلى OpenAI، وإدارة عملية الضبط الدقيق باستخدام أداة OpenAI CLI ومكتبة Open AI Python. أثناء ضبط النموذج، سيتم محاسبتك بمبلغ 0.008 دولار لكل 1000 رمز مميز (GPT-3.5). بمجرد دخول النموذج الخاص بك إلى مرحلة الإنتاج، ستصل معدلات الإدخال والإخراج إلى 0,003 USD لكل 1,000 رمز مميز و0,006 USD لكل ألف رمز مميز، على التوالي. ستشمل التكلفة الإجمالية لجيل الذكاء الاصطناعي أيضًا تكاليف التخزين، بشرط أن تختار استضافة بياناتك على خوادم OpenAI. يمكن أن تضيف نفقات تخزين البيانات 0.2 دولارًا أمريكيًا لكل 1 جيجابايت من البيانات يوميًا إلى التقدير النهائي. ولا تنس جهود إعداد البيانات وضبط النماذج. ما لم يكن قسم تكنولوجيا المعلومات لديك يمتلك المهارات المطلوبة، فسيتعين عليك الدخول في شراكة مع شركة موثوقة لخدمات تطوير الذكاء الاصطناعي.

تكلفة استخدام نماذج الذكاء الاصطناعي العامة مفتوحة المصدر "كما هي"

إخلاء المسؤولية: نحن لا نقترح عليك إنشاء نموذج أساس مخصص مشابه لـ ChatGPT من الألف إلى الياء - فمن الأفضل ترك هذا المشروع لأولئك الذين يتمتعون بدعم كبير، مثل دعم OpenAI من Microsoft لتعويض خسائرهم البالغة 540 مليون دولار.

حتى نماذج الأساس الأساسية، مثل GPT-3، يمكنها أن تتحمل تكاليف تدريب أولية ونشر تتجاوز 4 ملايين دولار. علاوة على ذلك، فقد ارتفع تعقيد نماذج الأساس هذه بمعدل مذهل في السنوات الأخيرة.

اي تيريكس: مخصص

يتضاعف حجم موارد الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي الكبيرة كل 3.5 أشهر. إن تعقيد النماذج الأساسية يتغير أيضًا. على سبيل المثال، في عام 2016، تم تدريب Bert-Large باستخدام 340 مليون معلمة. وبالمقارنة، تم تدريب نموذج GPT-3 الخاص بـ OpenAI بحوالي 175 مليار معلمة.

والخبر السار هو أن النماذج الأساسية موجودة بالفعل، مما يجعل من السهل نسبيًا على الشركات البدء في تجربتها مع تحسين تكاليف تنفيذ الذكاء الاصطناعي العام. في الأساس، يمكننا التعامل مع النماذج الأساسية كمجموعة أدوات لمهندسي برمجيات الذكاء الاصطناعي لأنها توفر نقطة بداية لحل المشكلات المعقدة مع ترك مجال للتخصيص.

اي تيريكس: مخصص

يمكننا تقسيم نماذج الأساس الحالية بشكل فضفاض إلى ثلاث فئات.

• تم تصميم نماذج اللغة للتعامل مع مهام ترجمة النصوص وإنشاءها والإجابة على الأسئلة
• تتفوق نماذج الرؤية الحاسوبية في تصنيف الصور واكتشاف الأشياء والتعرف على الوجه
• الفئة الثالثة، نماذج الذكاء الاصطناعي التوليدية، تنشئ محتوى يشبه البيانات التي استهلكها النموذج. قد يتضمن هذا المحتوى صورًا جديدة أو عمليات محاكاة أو في بعض الحالات معلومات نصية.

بمجرد تحديد نموذج مفتوح المصدر يناسب احتياجاتك، يمكنك دمجه مع برنامجك باستخدام واجهات برمجة التطبيقات والاستفادة من البنية التحتية للخادم الخاص بك.

يتضمن هذا النهج تكاليف الذكاء الاصطناعي التوليدية التالية.

1. تكاليف الأجهزة: يتطلب تشغيل نماذج الذكاء الاصطناعي، وخاصة الكبيرة منها، موارد حسابية كبيرة. إذا كانت شركتك تفتقر إلى الأجهزة المناسبة، فقد تحتاج إلى الاستثمار في وحدات معالجة الرسومات أو وحدات المعالجة المركزية القوية، والتي قد تكون باهظة الثمن. إذا كان الطراز الخاص بك صغيرًا نسبيًا، فقد تكون وحدة معالجة الرسومات المتطورة مثل NVIDIA RTX 3080 أو ما شابه ذلك كافية. يمكن أن تتراوح تكلفة وحدة معالجة الرسومات هذه من 700 دولار إلى 1500 دولار. بالنسبة للنماذج الكبيرة مثل GPT-2 أو ما شابه، تحتاج إلى العديد من وحدات معالجة الرسومات المتطورة أو حتى مسرعات الذكاء الاصطناعي المتخصصة. على سبيل المثال، يمكن أن تتكلف وحدة معالجة الرسومات NVIDIA A100 الواحدة ما بين 10000 دولار و20000 دولار. وبالتالي يمكن أن يتكلف الإعداد باستخدام وحدات معالجة الرسومات المتعددة ما بين 30 ألف دولار و50 ألف دولار.
2. تكاليف الحوسبة السحابية: كبديل لشراء الأجهزة، يمكنك استئجار موارد الحوسبة السحابية من موفري خدمات مثل Amazon Web Services (AWS) أو Google Cloud Platform (GCP) أو Microsoft Azure. يتم فرض رسوم هذه الخدمات على أساس الاستخدام، لذا ستعتمد التكاليف على مقدار استخدامك لمواردها من حيث وقت الحوسبة والتخزين. على سبيل المثال، يمكن أن تتكلف مثيلات GPU على AWS (مثل P3 أو P4) من 3 دولارات إلى 24 دولارًا في الساعة، اعتمادًا على نوع المثيل.
3. الكهرباء والصيانة: إذا كنت تستخدم أجهزتك الخاصة، فسوف تتحمل تكاليف الكهرباء لتشغيل الآلات وربما أنظمة تبريد إضافية. يمكن أيضًا أن تزيد تكاليف صيانة الأجهزة.
4. التكامل والنشر: قد يتطلب دمج نموذج الذكاء الاصطناعي في أنظمتك الحالية ونشره (خاصة في بيئة الإنتاج) جهودًا إضافية لتطوير البرمجيات، مما قد يؤدي إلى تكاليف العمالة. يمكن أن تتراوح تكلفة الاستعانة بمصادر خارجية لتطوير الذكاء الاصطناعي لشركة تطوير برمجيات من 50 إلى 200 دولار في الساعة، مع إجمالي نفقات تتراوح بين بضعة آلاف إلى عشرات الآلاف من الدولارات.
5. تخزين البيانات وإدارتها: يمكن أن يكون تخزين وإدارة البيانات التي يستخدمها النموذج مكلفًا، خاصة عند التعامل مع مجموعات كبيرة من البيانات أو استخدام حلول التخزين السحابية. بالنسبة للتركيبات في الموقع، يمكن أن تتراوح تكلفة تخزين بيانات الذكاء الاصطناعي التوليدية من 1000 دولار إلى 10000 دولار، اعتمادًا على حجم مجموعة بيانات التدريب واحتياجات التكرار. يمكن أن تتراوح رسوم حلول تخزين البيانات السحابية، مثل AWS S3، من 0.021 دولار إلى 0.023 دولار لكل جيجابايت شهريًا، مع تكاليف إضافية للعمليات ونقل البيانات.

في النهاية، ما هي التكلفة التي يمكن أن تكلفها شركتك لتبني نموذج أساس توليدي للذكاء الاصطناعي "كما هو"، ونشره على البنية التحتية الخاصة بك؟ بالنسبة لمؤسسة متوسطة الحجم تهدف إلى استخدام نموذج كبير إلى حد ما مثل GPT-2 محليًا، فإن المتطلبات المرتبطة به يمكن أن تمتد تكاليف الذكاء الاصطناعي التوليدية إلى ما يلي.

• الأجهزة: 20.000 إلى 50.000 دولار (لزوجين من وحدات معالجة الرسومات المتطورة أو إعداد أساسي لوحدات معالجة الرسومات المتعددة)
• الكهرباء والصيانة: حوالي 2000 – 5000 دولار سنوياً
• التكامل والنشر: 10,000 دولار - 30,000 دولار (بافتراض تعقيد التكامل المعتدل)
• تخزين البيانات وإدارتها: 5000 دولار - 15000 دولار (تختلف باختلاف حجم البيانات)

ستشمل التكلفة الإجمالية لإعداد وتشغيل حل الذكاء الاصطناعي المولد ما يلي.

• نفقات النشر الأولية: ما يقرب من 37000 دولار إلى 100000 دولار (الأجهزة + التكامل الأولي وإعداد التخزين)
• النفقات المتكررة: 7000 دولار إلى 20000 دولار (بما في ذلك تكاليف الكهرباء والصيانة والتكامل المستمر وإدارة البيانات)

يمكن أن تختلف تقديرات الملعب هذه بشكل كبير بناءً على متطلبات محددة، والموقع، وظروف السوق. من الأفضل دائمًا استشارة أحد المتخصصين للحصول على تقدير أكثر تخصيصًا ودقة. بالإضافة إلى ذلك، من الجيد التحقق من أسعار السوق الحالية للأجهزة والخدمات السحابية للحصول على أحدث الأسعار.

تكلفة إعادة تدريب حلول الذكاء الاصطناعي العامة مفتوحة المصدر باستخدام بياناتك

إذا كانت شركتك تفكر في تعديل نموذج أساس مفتوح المصدر، فمن المهم مراعاة العوامل التي يمكن أن تؤثر على تكلفة تنفيذ الذكاء الاصطناعي التوليدي.

وتشمل هذه العوامل ما يلي.

1. حجم النموذج: تتطلب النماذج الأكبر حجمًا، مثل GPT-3، مزيدًا من الموارد لضبطها ونشرها. ونتيجة لذلك، تزداد تكلفة الذكاء الاصطناعي التوليدي مع زيادة حجم النموذج وتعقيده. وفي الوقت نفسه، لا تستطيع نماذج الأساس الأبسط مفتوحة المصدر، مثل GPT-2 وXLNet وStyleGAN2، إنشاء محتوى بنفس المستوى من التماسك والملاءمة.
2. الموارد الحسابية: تتطلب إعادة تدريب النموذج الأساسي باستخدام بيانات شركتك قوة حاسوبية كبيرة. وبالتالي، تعتمد تكلفة حل الذكاء الاصطناعي العام على ما إذا كنت تستخدم أجهزتك الخاصة أو الخدمات السحابية، مع اختلاف سعر الأخيرة بناءً على موفر السحابة وحجم عملياتك. إذا اخترت نموذجًا أبسط وقمت بنشره محليًا، فمن المتوقع أن تنفق ما بين 10000 إلى 30000 دولار أمريكي في تكاليف وحدة معالجة الرسومات لتحسين حل الذكاء الاصطناعي التوليدي. مع الحوسبة السحابية، يمكن أن تتراوح النفقات بين 1 دولار و10 دولارات في الساعة، اعتمادًا على نوع المثيل. تتطلب النماذج مفتوحة المصدر المشابهة لـ GPT-3 إعدادًا أكثر تقدمًا لوحدة معالجة الرسومات، بما يزيد عن 50000 إلى 100000 دولار. يمكن أن تتراوح نفقات الحوسبة السحابية المرتبطة بها من 10 دولارات إلى 24 دولارًا في الساعة لمثيلات وحدة معالجة الرسومات المتطورة.
3. إعداد البيانات: يمكن أن تتطلب عملية جمع البيانات وتنظيفها وإعدادها لضبط نماذج الأساس عملية كثيفة الاستخدام للموارد. وبالتالي فإن تكلفة تنفيذ الذكاء الاصطناعي التوليدي ستشمل النفقات المرتبطة بتخزين البيانات ومعالجتها وربما شراء مجموعات بيانات التدريب إذا كانت شركتك تفتقر إلى بياناتك الخاصة أو لا تستطيع استخدامها لأسباب تتعلق بالأمان والخصوصية.
4. وقت التطوير والخبرة: موهبة الذكاء الاصطناعي ليست رخيصة. سيكلف مهندس الذكاء الاصطناعي الداخلي المقيم في الولايات المتحدة شركتك ما بين 70000 إلى 200000 دولار سنويًا، بالإضافة إلى التوظيف وكشوف المرتبات والضمان الاجتماعي والنفقات الإدارية الأخرى. يمكنك تقليل تكاليف الذكاء الاصطناعي المنتجة من خلال الشراكة مع شركة هندسة برمجيات خارجية تتمتع بخبرة في تطوير الذكاء الاصطناعي. اعتمادًا على الموقع، يمكن أن تتراوح أسعار الساعة لهذه الشركات من 62 دولارًا إلى 95 دولارًا لكبار المواهب في مجال التطوير في مواقع الاستعانة بمصادر خارجية رئيسية، مثل أوروبا الوسطى وأمريكا اللاتينية.
5. تكاليف الصيانة: ستكون وحدك المسؤول عن صيانة النموذج وتحديثه واستكشاف الأخطاء وإصلاحها، الأمر الذي يتطلب جهدًا مستمرًا وخبرة في هندسة التعلم الآلي والعمليات (MLOps).

بالنظر إلى العوامل المذكورة أعلاه، ما هي التكلفة الواقعية لإنشاء حل ذكاء اصطناعي مخصص بناءً على نموذج أساسي متاح بسهولة؟ بالنسبة إلى مؤسسة متوسطة الحجم تتطلع إلى تحسين نموذج كبير إلى حد ما مثل GPT-2، يمكن أن تمتد تكاليف تنفيذ الذكاء الاصطناعي التوليدي المرتبطة بها إلى ما يلي.

• الأجهزة: 20.000 دولار - 30.000 دولار (لإعداد GPU معتدل)
• التطوير: بافتراض 6 أشهر من وقت التطوير مع مزيج من المواهب الداخلية والخارجية:

داخليًا: 35000 دولار - 100000 دولار (راتب نصف عام)

الاستعانة بمصادر خارجية: 20.000 دولار - 40.000 دولار (بافتراض 400 ساعة بمعدل متوسط ​​75 دولارًا في الساعة)

• إعداد البيانات: 5000 دولار - 20000 دولار (يختلف باختلاف حجم البيانات وتعقيدها)
• الصيانة: 5000 دولار – 15000 دولار سنويًا (نفقات مستمرة)

ستشمل التكلفة الإجمالية لإعداد وتشغيل حل الذكاء الاصطناعي المولد ما يلي.

• نفقات النشر الأولية: ما يقرب من 80.000 دولار إلى 190.000 دولار (بما في ذلك تكاليف الأجهزة والتطوير وإعداد البيانات)
• النفقات المتكررة: 5000 دولار إلى 15000 دولار (تكاليف الصيانة والتكاليف المستمرة)

يمكن أن تختلف التكاليف الفعلية لتطوير وتنفيذ الذكاء الاصطناعي العام بناءً على متطلبات المشروع المحددة، ومدى توفر بيانات التدريب ومواهب الذكاء الاصطناعي الداخلية، وموقع شريك الاستعانة بمصادر خارجية. للحصول على الأسعار الأكثر دقة وحداثة، يُنصح بالتشاور مع المتخصصين أو مقدمي الخدمات مباشرةً.

في حين أن مبلغ 190 ألف دولار لنظام الذكاء الاصطناعي العام قد يبدو باهظ الثمن بشكل غير معقول، فإن تكلفة بناء حل الذكاء الاصطناعي العام باستخدام نماذج أساسية مفتوحة المصدر قد تكون أقل من اختيار أداة متاحة تجاريًا.

قبل أن تحظى ChatGPT بالاهتمام، كانت Latitude، وهي شركة ناشئة رائدة مسؤولة عن لعبة المغامرات القائمة على الذكاء الاصطناعي والتي تسمى AI Dungeon، تستخدم نموذج GPT الخاص بـ OpenAI لإنشاء النص.

ومع نمو قاعدة مستخدميها، زادت أيضًا فواتير OpenAI ونفقات البنية التحتية لشركة Amazon. في مرحلة ما، كانت الشركة تدفع 200 ألف دولار شهريًا كتكاليف مرتبطة للتعامل مع العدد المتزايد من استفسارات المستخدمين.

بعد التحول إلى مزود جديد للذكاء الاصطناعي، خفضت الشركة تكاليف التشغيل إلى 100000 دولار شهريًا وعدلت استراتيجية تحقيق الدخل، حيث قدمت اشتراكًا شهريًا للميزات المتقدمة التي تدعم الذكاء الاصطناعي.

لتحديد نهج التنفيذ الصحيح مع تحسين تسعير الذكاء الاصطناعي التوليدي، من المهم إجراء تحليل شامل لمتطلبات مشروعك مسبقًا. ولهذا السبب نشجع عملائنا دائمًا على بدء مبادرات تطوير الذكاء الاصطناعي الخاصة بهم بمرحلة الاكتشاف.

الأشياء التي يجب مراعاتها عند تطبيق الذكاء الاصطناعي العام في الأعمال التجارية

الآن بعد أن عرفت ما يمكن توقعه من تكلفة الذكاء الاصطناعي التوليدي، فقد حان الوقت للحديث عن مخاطر واعتبارات تنفيذ التكنولوجيا.

• قد تؤدي النماذج التأسيسية، وخاصة نماذج اللغات الكبيرة، إلى الهلوسة، وتنتج إجابات تبدو مشروعة ولكنها خاطئة تمامًا لأسئلة المستخدم. يمكن لشركتك تجنب هذا السيناريو من خلال تحسين بيانات التدريب، وتجربة بنيات النماذج المختلفة، وتقديم حلقات تعليقات فعالة للمستخدمين.
• يتم تدريب حلول الذكاء الاصطناعي العامة باستخدام كميات هائلة من البيانات التي تصبح قديمة بسرعة. ونتيجة لذلك، سيتعين عليك إعادة تدريب النموذج الخاص بك بانتظام، مما يزيد من تكلفة تنفيذ الذكاء الاصطناعي التوليدي.
• قد تواجه النماذج التأسيسية المدربة على بيانات محددة، مثل إدخالات السجل الصحي الإلكتروني (EHR)، صعوبة في إنتاج محتوى صالح خارج نطاق خبرتها المباشرة. من ناحية أخرى، تواجه النماذج ذات الأغراض العامة صعوبة في التعامل مع استعلامات المستخدم الخاصة بالمجال. تتضمن بعض الطرق لمعالجة هذه المشكلة إنشاء نماذج مختلطة، والاستفادة من تقنيات نقل التعلم، وضبط النماذج من خلال تعليقات المستخدمين.
• تعتبر حلول الجيل الجديد من الذكاء الاصطناعي بمثابة صندوق أسود بطبيعتها، مما يعني أنه نادرًا ما يكون من الواضح سبب إنتاجها لنتائج معينة وكيفية تقييم دقتها. قد يمنع هذا النقص في الفهم المطورين من تعديل النماذج. من خلال اتباع مبادئ الذكاء الاصطناعي القابلة للتفسير أثناء التدريب على نموذج الذكاء الاصطناعي العام، مثل تقديم تقنيات تفسير النموذج وآليات الانتباه ومسارات التدقيق، يمكنك الحصول على نظرة ثاقبة لعملية صنع القرار الخاصة بالنموذج وتحسين أدائه.

هناك أيضًا العديد من الأسئلة التي تحتاج شركتك إلى الإجابة عليها قبل البدء في تنفيذ الذكاء الاصطناعي التوليدي.

• هل توجد استراتيجية قوية للشراء مقابل البناء للتحقق من أن شركتك تتبنى الذكاء الاصطناعي العام فقط في الوظائف التي ستصبح فيها التكنولوجيا بمثابة أداة تمييز مع منع تقييد البائع؟ وينبغي تعزيز هذه الاستراتيجية بخريطة طريق مفصلة لإدارة التغيير وتوسيع نطاق الذكاء الاصطناعي العام - وأحكام لإعادة تصميم العمليات التجارية بأكملها، إذا دعت الحاجة إلى ذلك.
• هل يمتلك قسم تكنولوجيا المعلومات الداخلي لديك مهارات MLOps كافية لاختبار جودة نماذج تعلم الآلة المعقدة وبيانات التدريب الخاصة بها وضبطها والحفاظ عليها؟ إذا لم يكن الأمر كذلك، فهل قمت بالفعل باختيار شركة موثوقة لتطوير الذكاء الاصطناعي لتتولى هذه المهام؟
• هل لديك قدر كبير من موارد الحوسبة، سواء في السحابة أو على الحافة؟ من المهم أيضًا تقييم قابلية التوسع في البنية التحتية لتكنولوجيا المعلومات لديك بالإضافة إلى إمكانية إعادة استخدام نماذج Gen AI عبر مهام وعمليات ووحدات مختلفة.
• هل تمتلك شركتك أو شريكك في تطوير الذكاء الاصطناعي المهارات اللازمة لاختبار جدوى الذكاء الاصطناعي العام من خلال إثبات المفهوم (PoC) وتوسيع نطاق تجاربك خارج بيئة الحماية الخاضعة للرقابة؟
• أخيرًا وليس آخرًا، هل تمتلك مؤسستك آليات خصوصية وأمان فعالة لحماية المعلومات الحساسة وضمان الامتثال للوائح الخاصة بالصناعة والمنطقة؟

إن وجود خطة تنفيذ مدروسة لن يساعدك فقط على تبني التكنولوجيا بطريقة خالية من المخاطر وجني الفوائد بشكل أسرع، بل سيساعدك أيضًا على تقليل تكلفة الذكاء الاصطناعي العام.

استفد من خدمات ITRex الاستشارية للذكاء الاصطناعي لمعرفة ما إذا كان الذكاء الاصطناعي سيساعدك على تجديد العمليات التجارية، واختيار النهج المناسب لتنفيذ الذكاء الاصطناعي، وتحسين تكاليف الذكاء الاصطناعي. اكتب لنا لنبدأ الكرة!

تم نشر هذه المقالة في الأصل على موقع ITRex.