مدل‌های استدلالی دو مشکل عمده دارند، که شامل هزینه بالا و نیاز به منابع انرژی فراوان می‌شود. به عنوان مثال، در API OpenAI، هزینه تحلیل ۷۵۰,۰۰۰ کلمه توسط مدل o1 برابر با ۱۵ دلار است و هزینه تولید ۷۵۰,۰۰۰ کلمه توسط این مدل ۶۰ دلار می‌باشد.

این هزینه‌ها بین ۳ تا ۴ برابر بیشتر از هزینه مدل‌های «غیر استدلالی» مانند GPT-4o می‌باشد. همچنین شرکت OpenAI برای دسترسی به نسخه پیشرفته‌تر مدل o1، یعنی o1 pro mode، سالانه مبلغ ۲۴۰۰ دلار در نظر گرفته است.

این هزینه‌های بالا به دلیل نیاز مدل‌های استدلالی به منابع محاسباتی گسترده است. برخلاف مدل‌های معمولی، o1 و دیگر مدل‌های استدلالی تلاش می‌کنند تا کار خود را در حین انجام آن بررسی کنند.

این ویژگی به مدل‌ها کمک می‌کند تا از اشتباهات معمولی جلوگیری نمایند، اما در عین حال باعث می‌شود که فرایند حل مسائل زمان‌برتر شود.

آینده مدل‌های هوش مصنوعی استدلالی

شرکت OpenAI پیش‌بینی می‌کند که مدل‌های استدلالی در آینده قادر خواهند بود ساعت‌ها، روزها یا حتی هفته‌ها به تفکر بپردازند. هرچند که هزینه‌ها افزایش خواهد یافت، اما نتایج به‌دست‌آمده می‌تواند برای کاربردهای نوآورانه مانند: باتری‌های جدید یا داروهای ضدسرطان سودمند باشد.

با وجود این، کارشناسان دیگری مانند Costa Huang، محقق و مهندس یادگیری ماشین در سازمان غیرانتفاعی Ai2، معتقد هستند که مدل‌های استدلالی مانند o1 هنوز به اندازه کافی قابل اعتماد نیستند.

او هشدار می‌دهد که این مدل‌ها در بسیاری از زمینه‌های عمومی ممکن است نتایج ضعیفی ارائه دهند و برخی از محدودیت‌ها همچنان باید برطرف شوند.

Van den Broeck، استاد علوم کامپیوتر در UCLA، بر این باور است که مدل‌های استدلالی هنوز قادر به انجام «استدلال واقعی» نیستند و به همین دلیل محدودیت‌های بسیاری در وظایف قابل انجام توسط این مدل‌ها وجود دارد.

سرمایه‌گذاری و رقابت در آینده هوش مصنوعی استدلالی

با توجه به انگیزه‌های اقتصادی قوی برای بهبود مدل‌های استدلالی، پیش‌بینی می‌شود که این مدل‌ها با گذشت زمان بهبود یابند.

شرکت‌های بزرگی مانند: OpenAI، DeepSeek و علی‌بابا در حال سرمایه‌گذاری‌های عظیمی در این حوزه هستند و این تنها به معنای رقابت میان شرکت‌های بزرگ نیست؛ سرمایه‌گذاران و بنیان‌گذاران صنایع مرتبط نیز به شدت به آینده‌ای تسلط‌یافته بر مدل‌های استدلالی هوش مصنوعی می‌نگرند.

Talwalkar، با اشاره به اهمیت شفافیت در تحقیقات علمی، نگرانی خود را در مورد جلوگیری از دسترسی به اطلاعات توسط آزمایشگاه‌های بزرگ ابراز کرده و گفته است که هرچه افراد بیشتری به این حوزه ورود کنند، مدل‌های استدلالی به سرعت پیشرفت خواهند کرد.

در نهایت، به‌نظر می‌رسد که آینده هوش مصنوعی استدلالی همچنان در حال شکل‌گیری می‌باشد و در حالی که بسیاری از امیدها به این مدل‌ها وابسته است، چالش‌های فنی و اقتصادی همچنان بر سر راه توسعه آنها قرار دارند.