Jak může AI zkrachovat a přežít, stejně jako internet

Probíhající dramatické výkyvy na trhu mezi technologickými giganty poháněnými umělou inteligencí, s veřejnými společnostmi, které ztratily více než 1 bilion dolarů na hodnotě za méně než měsíc, jasně ukazují, že hodnocení jsou odpojena od fundamentů. Otázka, kterou je třeba nyní položit, však není, kdy bude bublina prasknout, ale jak může průmysl zodpovědně odstranit bublinu a připravit se na umělou inteligenci budoucnosti.

V posledních letech se umělá inteligence stala synonymem pro velké hodnocení, neomezenou škálovatelnost a pocit, že nikdo nemůže konkurovat největším hráčům. Ale technická realita se změnila a naznačuje jiný typ budoucnosti pro umělou inteligenci: skutečné peníze nejsou v enormně drahých modelech umělé inteligence, které jednou zaplatí za nadměrné výnosy. Hodnota umělé inteligence bude increasingly spočívat v tom, jak je integrována a používána k vytváření peněz pro podniky, s přihlédnutím k tomu, že hranice modelů umělé inteligence by měly být levnější, ne dražší. Mýtus o singularitě je u konce. Škálovatelnost sama o sobě již nedosahuje skokových zisků. Výkon, distribuce a ekosystém nyní záleží více než velikost modelu.

Upravení očekávání na tuto novou realitu umožní, aby se rostoucí bublina umělé inteligence pomalu deflovala, místo aby praskla a způsobila chaos v ekonomice a finančních trzích, stejně jako tomu bylo u bubliny internetu před čtvrt stoletím.

V 90. letech se průmysl domníval, že internet může a bude dělat vše; a že cokoliv postavené na internetu bude úspěšné. Byli však špatně a bublina skutečně praskla – ale internet přežil. Krach ukázal, že úspěch na internetu nebyl pouze o základním technickém vybavení – internetu – ale o schopnosti vyvinout chytré a efektivní použití, produkty a hardware. Internet nevyhrál pouze díky protokolům. Vyhrál, když prohlížeče, sítě pro doručování obsahu a vývojářské ekosystémy učinily internet použitelným.

Amazon přežil a stále prosperuje, zatímco Pets.com selhal, protože nikdy neměl ziskový způsob, jak vyřešit dopravu psích potravin, výzvu přehlíženou lákavým nápadem, že bude moci mít zákazníky po celé zemi díky vzniku internetu.

To je přesně tam, kde je Big AI dnes, pohroužen v snech a očekáváních o budoucnosti technologie. Neexistuje žádný pochyb o tom, že je to nejúžasnější technologie, kterou máme dnes. Ale modely umělé inteligence jsou pouze základním technickým vybavením, ne odpověďmi samy o sobě, a určitě ne tam, kde budou peníze a hodnota zůstat. Skutečně, architektury transformátorů a difuze, které jsou základem většiny generativních modelů umělé inteligence, jsou veřejně dostupné; rámce pro optimalizaci jsou otevřené; výpočetní síla je stále dostupnější. Bariéra již není teoretické znalosti. Je to řemeslo budování spolehlivých systémů a integrace do stávajících kreativních a produkčních kanálů, které určí, kdo uspěje. Tyto produkty a služby již也不 vyžadují, aby investoři poskytli miliardy dolarů. Ví to z vlastní zkušenosti. Náš tým v Jeruzalémě vytvořil open-source audio-video model pro vytváření AI videí za zhruba jednu desetinu nákladů na ty, které vytvářejí lídři trhu, a které generují delší souvislé scény, často s vyšším rozlišením a rychlostí. To bylo dosaženo za zhruba 100 milionů dolarů, ne miliard. Naše příběh ukazuje, že moderní pokrok v oblasti umělé inteligence je méně o tajném receptu a více o disciplinovaném inženýrství.

Stejně jako u internetu, ti, kteří přežijí, budou ti, kteří využijí umělou inteligenci pro nejlepší použití, hardware, produkty a služby. Je pravda, že je těžké předpovědět, co přesně to bude. Vždyť na počátku 90. let, kdy lidé používali AOL nebo Prodigy, nikdo nemohl předpovědět Gmail.

Nicméně, bez moci předvídání, existují chytré otázky, které je třeba položit na cestě, aby se průmysl umělé inteligence a jeho investoři mohli pracovat způsobem, který bude postupně a postupně deflovat bublinu, zatímco zároveň budovat ekonomiku budoucnosti.

Investoři, včetně rizikových kapitálových společností a penzijních fondů, kteří investují do společností umělé inteligence, potřebují položit otázku, jaká hodnota je přesně vytvářena. Miliardy dolarů byly investovány do výzkumu ve velkých technologických společnostech, aby se vytvořila umělá inteligence, která by nakonec snadno replikovala jinde. Velké rozpočty na umělou inteligenci nezaručují jedinečný duševní majetek, uzamčení uživatelů nebo defenzivní ekonomiku. Nyní investoři potřebují vyhodnotit, jak společnosti budují, optimalizují a integrují modely do skutečných pracovních postupů zákazníků, vytvářejících skutečné produkty a služby. Investoři by měli požadovat metriky, jako je ekonomika podle pracovní zátěže, když se dívají na aplikace umělé inteligence.

Tyto, ne pouze talenty nebo povaha modelu samotného, jsou klíčové prvky hodnoty. Je také důležité pochopit hodnotu open-source modelů. Tyto často out-iterují uzavřené API, protože výzkumníci a vývojáři je mohou přizpůsobit místně. To přijetí se sčítá do příkopu kolem společnosti nebo produktu, což pomáhá zaručit zisky a úspěch.

Oba investoři a podnikatelé, kteří se starají o efektivní využití kapitálu, potřebují ustoupit a vyhodnotit skutečné náklady na umělou inteligenci a všechny související komponenty; tyto jsou často nadhodnocené a vyšší, než je nutné. Obecný přístup by měl být, že náklady na hardware jsou nestálé, takže design umělé inteligence by neměl záviset na konkrétním zařízení nebo hardwaru. Hodnota a to, co odlišuje společnost, je její propustnost na dolar, ne slevy dodavatelů preferující určitý typ hardwaru. Defenzivita výdajů na umělou inteligenci nyní spočívá v optimalizaci infrastruktury, vlastním datech a hloubce integrace. Podnikatelé s dobrými nápady na řešení, které pečlivě vytvářejí nebo používají modely s tímto koncovým výkonem, budou vyhrávat nad těmi, kteří hledají velké modely, které lze později škálovat pro různé potenciální použití. Další výhodou je nabízet otevřené možnosti nasazení pro studia a platformy, které nemohou záviset na vzdáleném API pro reálné zkušenosti.

Regulátoři a průmysl také potřebují více logicky uvažovat o regulaci. Pokrok v těchto oblastech je pomalý a zaměřuje se silně na modely hranice poháněné velkými zařízeními; tento přístup již není praktický. Hybnost je převážně směrem k těmto modelům, které mohou běžet na spotřebitelských zařízeních, což činí regulaci modelů samy o sobě nemožnou. Otevřená povaha mnoha modelů představuje další formidabilní výzvu pro současný přístup k regulaci. Opět je správný přístup zaměřit se na nasazení prostřednictvím aplikací a produktů a vyvinout regulační rámce kolem nich pro různé průmysly, ne obecné zásady o modelech. Cílem by mělo být regulovat aplikace a sektory, s normami pro původ, bezpečnostní zábrany v produktech a prohlášení o syntetických médiích. Historie z 90. let a počátku 2000. let opět obsahuje moudrou lekci na tento koncept: Případ proti populární hudbě sdílení souborů Napster neomezoval sdílení souborů per se — tato technologie pouze rostla a stala se mnohem rychlejší, nakonec vedla ke streamování – ale spíše se zaměřil na zodpovědné nasazení technologie na platformě. (I přes bankrot se Napster skutečně podařilo udržet jako značka, přizpůsobením, jak nasadil svou technologii, a byl koupen za více než 200 milionů dolarů na začátku tohoto roku.)

Dno je, že trh se bude konsolidovat kolem několika sjednocených multimodálních modelů umělé inteligence, které lze destilovat pro efektivitu a přizpůsobit pro různé použití. Všichni účastníci potřebují věnovat mnohem více pozornosti aplikacím a skutečné obchodní hodnotě, kterou umělá inteligence může přinést, a ne ztrácet se v slibech modelů samy o sobě. Průmysl se influje rychleji, než vytváří hodnotu. Zda to skončí dramatickou korekcí – podobnou rané internetové bublině – je otevřené k debatě. Ale jasnost nyní znamená odolnost později.