Tyler Shultz، افشاگر پرونده‌ی Theranos، در مصاحبه‌ای با The San Francisco Standard هشدار داد که فضای سرمایه‌گذاری روی هوش مصنوعی به دوره‌ی قبل از افشای Theranos شباهت دارد: تشخیص اصالت یک محصول از یک پوسته‌ی ساده روی مدل‌های موجود، عملاً ممکن نیست.

Shultz که نخستین شغل پس از دانشگاه‌اش در Theranos بود، دستگاه‌های آزمایش خون نادرست این شرکت را افشا کرد. Theranos با وجود اینکه فناوری‌اش هرگز درست کار نکرد، به ارزش حدود ۱۰ میلیارد دلار رسید. این شرکت بخش کوچکی از آزمایش‌ها را با دستگاه‌های خودش انجام می‌داد و بقیه را به تجهیزات شخص ثالث واگذار می‌کرد.

Shultz گفت: «یک خطر بزرگ در هوش مصنوعی این است که انجام due diligence روی آن واقعاً سخت است. تشخیص اینکه چیزی واقعاً منحصربه‌فرد و جدید است یا صرفاً یک ChatGPT wrapper است، دشوار شده. اگر بخواهی آدم‌ها را فریب بدهی، فکر می‌کنم این فرصت بزرگی است.»

او افزود که سرمایه‌گذاران باید بدانند وقتی پولی به دست کسی می‌دهند، به او قدرت عظیمی می‌بخشند. Shultz اشاره کرد که سرمایه‌گذاری‌های Theranos عمدتاً از افراد حقیقی مانند خانواده‌های DeVos و Walton می‌آمد، نه شرکت‌های خطرپذیر؛ و شرکت به بهانه‌ی حفظ اسرار تجاری، اطلاعات علمی یا شواهدی مبنی بر کارکرد دستگاه‌هایش را با سرمایه‌گذاران در میان نمی‌گذاشت.

این مصاحبه هم‌زمان با اکران مستند «You Can See Everything» به کارگردانی Nathan Fielder و Lance Oppenheim انجام شده که هفته‌های پایانی Elizabeth Holmes پیش از رفتن به زندان فدرال را روایت می‌کند. Holmes در این مستند در حال کار روی شرکت تشخیصی جدیدی به نام Haemanthus با شریکش Billy Evans دیده می‌شود که آن را «Theranos 2.0» می‌نامند و گزارش شده حدود ۲۰ میلیون دلار جذب سرمایه کرده است.

برای کسی که امروز با ابزارهای موجود ایجنت می‌سازد، این خبر چه معنایی دارد؟#

هشدار Shultz در سطحی عملی‌تر از یک مقایسه‌ی تاریخی است. او دقیقاً به همان نقطه‌ای اشاره می‌کند که کسی که امروز یک ابزار هوش مصنوعی ارزیابی می‌کند هم با آن روبه‌روست: مرز بین یک محصول واقعاً جدید و یک پوسته‌ی نازک روی مدل‌های موجود، از بیین نامشخص است. در دوره‌ی Theranos، سرمایه‌گذار نمی‌توانست دستگاه را ببیند و تست کند؛ در دوره‌ی هوش مصنوعی، سرمایه‌گذار یا کاربر می‌تواند محصول را امتحان کند، اما نمی‌تواند بفهمد پشت صحنه چه اتفاقی می‌افتد و آیا واقعاً ارزش افزوده‌ای وجود دارد یا نه.

این خبر برای کسی که ابزار می‌سازد، چیزی عوض نمی‌کند. اما برای کسی که ابزار می‌خرد یا روی آن سرمایه‌گذاری می‌کند، یادآوری بدیهی‌ای است: سؤال از معمار پشت‌صحنه‌ی محصول را فراموش نکنید، چون ظاهر محصول دیگر ملاک کافی نیست.

منبع: TechCrunch AI