Det er tid til at videregive AI-stafetten fra software til hardware

Det er usandsynligt, at vi vil støde på nogen teknologi, der er mere konsekvens og vigtig end AI i vores liv. Tilstedeværelsen af ​​kunstig intelligens har allerede ændret den menneskelige oplevelse og hvordan teknologi kan omforme vores liv, og dens indvirkningsbane bliver kun bredere.

Med det i tankerne har AI-innovatorer og -ledere brugt det sidste kvarte århundrede på at samle data og fremme modellerne for at opnå den software, der driver generativ AI. AI repræsenterer toppen af ​​software: Et amorft værktøj, der kan reproducere værktøjer til at løse problemer på tværs af abstraktionslag. Virksomheder, der bygger computerimperier eller dem, der erhverver LLM'er at styrke deres softwareudbud er nu almindelige seværdigheder.

Så hvor skal vi hen herfra?

Selv med grænseløs beregning vil indsamlingen af ​​deduktioner ved hjælp af alle eksisterende data asymptotisk nærme sig den eksisterende mængde menneskelig viden. Ligesom mennesker har brug for at eksperimentere med den ydre verden, ligger den næste grænse inden for AI i at få teknologien til at interagere meningsfuldt med det fysiske område for at generere nye data og skubbe grænserne for viden.

Interaktion gennem eksperimentering

At udforske AI's potentiale kræver, at man overskrider dets brug på personlige computere eller smartphones. Ja, disse værktøjer vil sandsynligvis forblive de nemmeste adgangspunkter til AI-teknologi, men det sætter en grænse for, hvad teknologien kan opnå.

Selvom udførelsen lod meget tilbage at ønske, var den Ray-Ban smarte solbriller drevet af Metas AI-system demonstrerede et proof of concept i wearables infunderet med AI-teknologi. Disse eksempler på hardware-første integrationer er afgørende for at opbygge kendskabet og anvendeligheden af ​​AI uden for en enhedsindstilling, fordi de illustrerer, hvordan man gør disse store teknologiske fremskridt sømløse.

Ikke alle eksperimenter med kunstig intelligens i den virkelige verden bliver en succes, det er netop derfor, de er eksperimenter. At demonstrere potentialet i hardware-first AI-applikationer udvider imidlertid spektret af, hvordan denne teknologi kan være både nyttig og anvendelig uden for den "personlige assistent"-boks, den er lagt i nu.

I sidste ende vil virksomheder, der viser, hvordan man gør AI praktisk og legitim, være dem, der genererer eksperimentelle datapunkter, som du simpelthen ikke kan få fra webapplikationer. Alt dette kræver naturligvis beregning og infrastruktur for at fungere korrekt, hvilket nødvendiggør en større tilstrømning af investeringer i at opbygge AI's fysiske infrastruktur.

Men er AI-virksomheder klar og villige til at gøre det?

Hardware- og softwaredialogen

Det er let at sige, at beregningsmæssigt intense AI-applikationer i fysiske produkter vil blive normen i sidste ende, men at gøre det til en realitet kræver meget mere stringens. Der er kun så mange ressourcer og vilje til rådighed til at gå ned ad vejen mindre rejst.

Det, vi ser i dag, er en form for kortsigtet AI-overmod, som afspejler den typiske markedsreaktion på forstyrrende teknologier, der er klar til at skabe nye industrier. Så det er klart, hvorfor der kan være tøven fra virksomheder, der bygger AI-software eller boltrer sig i det for at begive sig ud på dyre og beregningsmæssigt intense hardwareudflugter.

Men alle med et bredere perspektiv kan se, hvorfor dette kan være en nærsynet tilgang til innovation.

Ikke overraskende er der rigeligt of sammenligninger lavet mellem AI-boomet og det tidlige internet dot-com boble, hvor projekter med fokus på kortsigtede mål døde ud, når det brast. Men hvis vi kollektivt skulle afskrive internettet på grund af dot-com-boblens eftervirkninger i stedet for at fokusere på de langsigtede ideer, der har overlevet længe forbi det, ville vi ikke være i nærheden af ​​det teknologiske landskab, vi befinder os i i dag. Gode ​​ideer overlever enhver trend.

Derudover er compute omdrejningspunktet for enhver AI-innovation for at blive ved med at udvikle sig. Og som enhver AI-udvikler vil fortælle dig - computer er guld værd. Det sætter dog også en grænse for, hvor mange projekter der overhovedet kan tillade sig at udforske AI-applikationer i den virkelige verden, når modeludvikling alene allerede spiser ressourcer. Men ingen virksomhed kan opretholde markedsdominans på software alene – uanset hvor imponerende deres LLM er.

Det er behageligt for AI-virksomheder at føre an med software og tålmodigt vente på, at en hardwareudbyder kommer ind og erhverver eller licenserer sin teknologi. Ikke alene er dette stærkt begrænsende, det efterlader mange utrolige projekter prisgivet udenforstående, som måske aldrig kommer til at banke på.

AI er en teknologi, der går over flere generationer, og som kun vil blive mere skræddersyet og designet til individer med tiden. Det er dog op til projekterne at udnytte en stort set ligelig spilleflade softwaremæssigt for at tage reelle skridt ind i den fysiske verden. Uden dristige eksperimenter, og endda fiaskoer, vil der ikke være nogen vej frem for AI-teknologi til at realisere sit fulde potentiale i at forbedre den menneskelige oplevelse.