پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

خالق پروژه OpenClaw می‌گوید ماه گذشته ۱۰ میلیون دلار توکن هوش مصنوعی مصرف کرده است

انتشار:۳۰ مهر ۱۴۰۵(۱ ساعت پیش)
۳ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

پیتر اشتاینبرگر، عضو کادر فنی اوپنای‌آی و خالق ابزار OpenClaw، اعلام کرد ماه گذشته نزدیک به ۱۰ میلیون دلار صرف اجرای پردازش‌های هوش مصنوعی کرده است. او با اشاره به اینکه تمام این هزینه نجومی از جیب سرمایه‌گذاران تأمین می‌شود، اعتراف کرد که بخش زیادی از این خروجی‌ها اصلاً مفید و کاربردی نبوده‌اند.

خالق پروژه OpenClaw می‌گوید ماه گذشته ۱۰ میلیون دلار توکن هوش مصنوعی مصرف کرده است

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • پیتر اشتاینبرگر، عضو تیم فنی اوپنای‌آی، فاش کرد که ماه گذشته حدود ۱۰ میلیون دلار توکن برای اجرای بارهای پردازشی هوش مصنوعی مصرف کرده است.
  • او با اشاره به بودجه نامحدود خود از جیب سرمایه‌گذاران تأکید کرد که حجم زیادی از توکن‌های مصرف‌شده عملاً خروجی مفیدی تولید نکرده‌اند.
  • خالق OpenClaw معتقد است برای کنترل بهتر و پیشگیری از خطرات امنیتی، باید از ایجنت‌های نظارتی برای تأیید عملکرد سایر ایجنت‌ها استفاده کرد.

«پیتر اشتاینبرگر» (Peter Steinberger)، عضو کادر فنی اوپنای‌آی (OpenAI) و خالق ابزار OpenClaw، برآورد می‌کند که در ماه گذشته حدود ۱۰ میلیون دلار توکن صرف اجرای بارهای پردازشی هوش مصنوعی کرده است؛ البته جای نگرانی برای او وجود ندارد، چراکه تمام این هزینه‌ها مستقیماً از جیب سرمایه‌گذاران تأمین می‌شود.

او این موضوع را روز چهارشنبه در جریان گفت‌وگو با «دین نکشت» (Dane Knecht)، مدیر ارشد فناوری کلودفلر، در همایش Cloudflare Connect 2026 در سانفرانسیسکو بیان کرد.

نکشت پیش‌تر اشاره کرده بود که اشتاینبرگر از «بودجه تقریباً نامحدود توکن» برخوردار است؛ امتیازی که مسلماً در دسترس همه افراد حاضر در سالن قرار ندارد.

اشتاینبرگر در پاسخ به شگفتی و تعجب محسوس حاضران در سالن افزود: «آنچه مردم همیشه متوجه آن نمی‌شوند این است که همه این پردازش‌ها و هزینه‌ها خروجی مفید و قابل استفاده‌ای ندارند.»

این پاسخ نه‌تنها تعجب مخاطبان را کم نکرد، بلکه به همهمه‌ها در سالن دامن زد. هم‌زمان، گزارش‌ها حاکی از آن است که اوپنای‌آی، شرکتی که اشتاینبرگر در آن مشغول به کار است، تلاش می‌کند پیش از عرضه عمومی سهام (IPO) رقیب سرسخت خود، آنتروپیک (Anthropic)، روند جذب سرمایه تازه را سرعت ببخشد.

توضیحات بعدی اشتاینبرگر درباره روش کاری مورد علاقه‌اش نشان داد که او چندان توجهی به محدودیت‌های مالی اشاره‌شده توسط نکشت ندارد.

اشتاینبرگر گفت: «احساس می‌کنم چالش اصلی بسیاری از افراد این است که ساختار زیرساختی ما هنوز به این تحولات نرسیده است. مثلاً چرا این فرآیندها هنوز باید از کامپیوتر شخصی من استفاده کنند؟ آیا نباید تمام این بار کاری روی فضای ابری منتقل شود؟»

با این حال، گذشته از دغدغه‌های مربوط به حریم خصوصی و الزامات قانونی تکیه بر هوش مصنوعی ابری، هزینه همچنان برای هر کسی که امکان سوزاندن بی‌محابای سرمایه‌های کلان را ندارد، فاکتوری تعیین‌کننده است. ایجنت‌های میزبانی‌شده در فضای ابری می‌توانند بسیار گران تمام شوند؛ بنابراین آیا نباید تمام این فرآیندها به‌صورت محلی اجرا شوند؟

نکشت با اشاره به پروژه OpenClaw و ناامیدی بسیاری از نگهدارندگان نرم‌افزارهای متن‌باز از پذیرش پول ریکوئست‌ها (Pull Request) به‌دلیل حجم انبوه کدهای بی‌کیفیت و هرز تولیدشده با هوش مصنوعی (AI slop)، از اشتاینبرگر پرسید که آیا به پایان دوران متن‌باز نزدیک می‌شویم یا در آستانه عصر طلایی هوش مصنوعی هستیم؟

اشتاینبرگر پاسخ داد که به باور او، شیوه مدیریت درخواست‌های تغییر کد باید دگرگون شود؛ چراکه کاربران توضیح نمی‌دهند چگونه و با چه منطقی به کد پیشنهادی خود رسیده‌اند.

او در ادامه توضیح داد: «اگر من خط فکری شما و نحوه رسیدن از نقطه الف به ب را ببینم، اعتمادم به خروجی نهایی بسیار بیشتر از زمانی خواهد بود که صرفاً کار تکمیل‌شده را بدون هیچ توضیحی پیش روی من بگذارید.»

نکشت همچنین از اشتاینبرگر پرسید که آیا تا چند سال آینده، هر یک از افراد حاضر در سالن صدها ایجنت هوش مصنوعی فعال خواهند داشت یا خیر؟

اشتاینبرگر بعید دانست که این تعداد به صدها ایجنت برسد.

او اظهار داشت: «تصور می‌کنم هر فرد نوعی سیستم هوشمند در اختیار خواهد داشت که به‌طور مداوم فعالیت می‌کند، می‌اندیشد، در طول روز به او یاری می‌رساند و حتی نیازهای آینده‌اش را پیش‌بینی می‌کند. در نتیجه، شاید به‌جای آنکه سؤالی بپرسید، از پیش پاسخ را دریافت کرده باشید.»

در اواخر این نشست، نکشت مسئله اعتماد به ایجنت‌ها و نحوه تشخیص داده‌های مجاز برای اشتراک‌گذاری با آنها را مطرح کرد.

اشتاینبرگر اعتراف کرد که این پرسش بسیار دشواری است. او توضیح داد بخشی از این چالش به میزان اعتماد شما به خودِ مدل زیربنایی مربوط می‌شود؛ چراکه بخش عمده‌ای از رفتار مدل توسط کدهای مهارکننده پیرامون آن (Harness) کنترل نمی‌شود.

او افزود: «بسیاری از تصمیماتی که در مراحل اولیه توسعه OpenClaw لحاظ کرده بودم، اکنون به‌دلیل بهبود چشمگیر مدل‌ها قابل تغییر هستند.»

اشتاینبرگر اشاره کرد که حتی اگر خطراتی نظیر تزریق پرامپت (Prompt Injection) با تلاش‌های مهندسی کاهش یافته باشد، «شاید باز هم نخواهید تمام دسترسی‌ها و مجوزها را در اختیار ایجنت خود قرار دهید.»

او در عوض پیشنهاد کرد از یک ایجنت ناظر برای احراز هویت و تعیین سطح دسترسی ایجنت دیگر استفاده شود.

او در پایان خاطرنشان کرد: «شما به ایجنت دومی نیاز دارید که بتواند دسترسی‌ها را تأیید یا رد کند؛ سپس این دو ایجنت با یکدیگر مذاکره می‌کنند. در بسیاری از مواقع، ایجنت‌ها به این نتیجه می‌رسند که "شاید بهتر باشد این کار را انجام ندهم" یا "راهکار ساده‌تری وجود دارد که در چارچوب قوانین ایمنی باقی بماند". ترکیب این دو سیستم اعتماد من را تا حدی افزایش می‌دهد که می‌توانم با خیال راحت اجازه دهم ایجنت با حداکثر توان کارش را انجام دهد.»

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

بانک بارکلیز برای افزایش بهره‌وری با هوش مصنوعی ۵ هزار موقعیت شغلی را حذف می‌کند
آخرین اخبار

بانک بارکلیز برای افزایش بهره‌وری با هوش مصنوعی ۵ هزار موقعیت شغلی را حذف می‌کند

بانک بریتانیایی بارکلیز قصد دارد ۵ هزار موقعیت شغلی، معادل ۵ درصد از کل نیروهایش را تعدیل کند. این بانک افزایش بهره‌وری حاصل از هوش مصنوعی را دلیل این تصمیم عنوان کرده و این تعدیل بیش از همه متوجه بخش‌های پشتیبانی و برنامه‌نویسان خواهد بود.

۱ دقیقه مطالعه
۰
۳۰ مهر
۷ پلاگین برتر چت‌جی‌پی‌تی برای رشد کسب‌وکارهای نوپا و درآمدهای جانبی + پرامپت‌های اختصاصی
آخرین اخبار

۷ پلاگین برتر چت‌جی‌پی‌تی برای رشد کسب‌وکارهای نوپا و درآمدهای جانبی + پرامپت‌های اختصاصی

اگر در کنار شغل اصلی خود به دنبال راه‌اندازی کسب‌وکار یا منبع درآمد جدیدی هستید، چت‌جی‌پی‌تی ابزارهای قدرتمندی برای تسهیل مسیر شما دارد. در این مقاله ۷ پلاگین کاربردی ChatGPT به‌همراه پرامپت‌های تست‌شده را معرفی می‌کنیم که فرآیند برندسازی، مدیریت وظایف، برنامه‌ریزی مالی و بازاریابی را شتاب می‌بخشند.

۹ دقیقه مطالعه
۰
۳۰ مهر
ایجنت ویدیویی جدید فوتور ساخت ویدیو با هوش مصنوعی را به پروژه‌ای کاملاً قابل ویرایش تبدیل می‌کند
آخرین اخبار

ایجنت ویدیویی جدید فوتور ساخت ویدیو با هوش مصنوعی را به پروژه‌ای کاملاً قابل ویرایش تبدیل می‌کند

ابزار جدید فوتور ایجنت با هدف حل یکی از بزرگ‌ترین چالش‌های تولید ویدیو با هوش مصنوعی معرفی شد؛ سیستمی که به‌جای تولید کلیپ‌های غیرقابل تغییر، پرامپت‌های متنی را به پروژه‌های ویدیویی چندلایه و کاملاً قابل ویرایش روی تایم‌لاین تبدیل می‌کند تا کسب‌وکارها بتوانند جزئیات را بدون نیاز به رندر دوباره تغییر دهند.

۵ دقیقه مطالعه
۰
۳۰ مهر