Πώς το AI μπορεί να χάσει και να επιβιώσει, όπως και το Ίντερνετ

Οι συνεχείς δραματικές μεταβολές της αγοράς μεταξύ των τεχνολογικών γιγάντων που οδηγούνται από το AI, με δημόσιες εταιρείες που χάνουν περισσότερα από $1 τρισεκατομμύριο σε αξία σε λιγότερο από einen μήνα, δείχνουν σαφώς ότι οι αξιολογήσεις είναι αποσυνδεδεμένες από τα βασικά στοιχεία. Ωστόσο, η πραγματική ερώτηση που πρέπει να τεθεί τώρα δεν είναι πότε θα σπάσει η φούσκα, αλλά πώς η βιομηχανία μπορεί να αποφύγει την φούσκα και να προετοιμαστεί για το AI του μέλλοντος.

Τους τελευταίους quelques χρόνια, το AI έχει γίνει συνώνυμο με μεγάλες αξιολογήσεις, απεριόριστη κλιμάκωση και μια αίσθηση ότι κανείς δεν μπορεί να ανταγωνιστεί τους μεγαλύτερους παίκτες. Αλλά η τεχνική πραγματικότητα έχει αλλάξει και δείχνει σε ένα διαφορετικό είδος μέλλοντος για το AI: Το πραγματικό χρήμα δεν είναι στα τεράστια ακριβά μοντέλα AI που θα αποδίδουν σε υπερμεγέθεις αποδόσεις. Ολοένα και περισσότερο, η αξία του AI θα είναι στο πώς ενσωματώνεται και χρησιμοποιείται για να κάνει χρήματα για τις επιχειρήσεις, με την επιφύλαξη ότι τα μοντέλα AI που πιέζουν τα όρια πρέπει να γίνονται φθηνότερα, όχι πιο ακριβά. Ο μύθος της σινγκουλαριότητας έχει τελειώσει. Η κλίμακα μόνο δεν προσφέρει πλέον βήματα κερδών. Η εκτέλεση, η διανομή και το οικοσύστημα έχουν περισσότερη σημασία από το μέγεθος του μοντέλου.

Η προσαρμογή των προσδοκιών σε αυτή τη νέα πραγματικότητα θα επιτρέψει στην αυξανόμενη φούσκα του AI να σβήσει σιγά-σιγά, αντί να σπάσει και να προκαλέσει καταστροφή στην οικονομία και τις χρηματοοικονομικές αγορές, όπως η φούσκα του ιντερνέτ πριν από ένα τέταρτο αιώνα.

Στις αρχές της δεκαετίας του ’90, η τεχνολογική βιομηχανία υποθέτησε ότι το ίντερνετ θα μπορούσε και θα έπρεπε να κάνει τα πάντα και ότι οτιδήποτε χτιζόταν στο ίντερνετ θα επιτύγχανα με φυσικό τρόπο. Ήταν λάθος και η φούσκα σπάσε πραγματικά – αλλά το ίντερνετ επιβίωσε. Η κατάρρευση τόνισε ότι η επιτυχία στο διαδίκτυο δεν ήταν μόνο για την υποκείμενη τεχνολογία – το ίντερνετ – αλλά για την ικανότητα να αναπτύξει έξυπνες και αποτελεσματικές χρήσεις, προϊόντα και υλικό. Το ίντερνετ δεν κέρδισε μόνο με τα πρωτόκολλα. Κέρδισε όταν οι περιηγητές, τα δίκτυα διανομής περιεχομένου και τα οικοσυστήματα των開発ατών το έκαναν χρηστικό.

Η Amazon επιβίωσε και ακόμη ευημερεί, ενώ η Pets.com απέτυχε γιατί δεν είχε ένα κερδοφόρο τρόπο να χειριστεί την αποστολή του σκυλοτροφής, μια πρόκληση που παραβλέφθηκε από την πειστική ιδέα ότι θα μπορούσε να έχει πελάτες σε όλη τη χώρα λόγω της εισαγωγής του ιντερνέτ.

Ακριβώς εκεί είναι το Big AI σήμερα, απορροφημένο στα όνειρα και τις προσδοκίες για το μέλλον της τεχνολογίας. Δεν υπάρχει αμφιβολία ότι είναι η πιο εκπληκτική τεχνολογία που έχουμε σήμερα. Αλλά τα μοντέλα AI είναι μόνο η υποκείμενη τεχνολογία, όχι οι απαντήσεις themselves, και σίγουρα όχι όπου το χρήμα και η αξία θα παραμείνουν. Πράγματι, οι αρχιτεκτονικές μετασχηματισμού και διάχυσης, που αποτελούν την πλειοψηφία των γενετικών μοντέλων AI, είναι δημόσιες· τα πλαίσια βελτιστοποίησης είναι ανοιχτά· η υπολογιστική ισχύς είναι ολοένα και πιο προσιτή. Το εμπόδιο δεν είναι πλέον η θεωρητική γνώση. Είναι η τέχνη της κατασκευής αξιόπιστων συστημάτων και της ενσωμάτωσής τους σε υφιστάμενες δημιουργικές και παραγωγικές διαδικασίες που θα καθορίσουν ποιος θα επιτύχει. Αυτά τα προϊόντα και οι υπηρεσίες δεν απαιτούν πλέον από τους επενδυτές να προσφέρουν τρισεκατομμύρια δολάρια. Το ξέρω αυτό από την δική μου εμπειρία. Η ομάδα μας στην Ιερουσαλήμ κατασκεύασε ένα ανοιχτό μοντέλο ήχου-βίντεο για την δημιουργία βίντεο AI σε περίπου το ένα δέκατο του κόστους εκείνων που κατασκευάζονται από τους ηγέτες της αγοράς, και που παράγει μεγαλύτερες συνεχείς σκηνές, συχνά με υψηλότερη ανάλυση και ταχύτητα. Αυτό επιτεύχθηκε με περίπου 100 εκατομμύρια δολάρια, όχι δισεκατομμύρια. Η ιστορία μας δείχνει ότι η πρόοδος του AI σήμερα είναι λιγότερο για το μυστικό μπαχαρικό και περισσότερο για την πειθαρχημένη μηχανική.

Όπως και με το ίντερνετ, αυτοί που θα επιβιώσουν θα είναι αυτοί που θα αξιοποιήσουν το AI για τις καλύτερες χρήσεις, υλικές εφαρμογές, προϊόντα και υπηρεσίες. Είναι αλήθεια ότι τι ακριβώς αυτές θα είναι είναι δύσκολο να προβλεφθεί. Όταν οι άνθρωποι χρησιμοποιούσαν το AOL ή το Prodigy στις αρχές της δεκαετίας του ’90, κανείς δεν θα μπορούσε να φανταστεί το Gmail.

Ωστόσο, χωρίς τη δύναμη της μαντικής, υπάρχουν έξυπνες ερωτήσεις να τεθούν κατά μήκος του δρόμου για να οδηγήσουν την βιομηχανία του AI και τους επενδυτές να εργαστούν με τρόπο που θα επιτρέψει να σβήσει σιγά-σιγά την φούσκα, ενώ ταυτόχρονα χτίζει την οικονομία του μέλλοντος.

Οι επενδυτές, συμπεριλαμβανομένων των VC και των ταμείων pensίων που ρίχνουν χρήματα στις εταιρείες AI, χρειάζεται να ρωτήσουν τι αξία, ακριβώς, δημιουργείται. Δισεκατομμύρια δολάρια ρίχθηκαν στην έρευνα στις μεγάλες εταιρείες τεχνολογίας για να χτίσουν AI που τελικά ήταν εύκολο να αναπαραχθεί σε άλλους τόπους. Οι τεράστιες προϋπολογισμοί AI δεν εγγυώνται μοναδική πνευματική ιδιοκτησία, κλείδωμα χρηστών ή αμυντική οικονομία πλέον. Τώρα οι επενδυτές πρέπει να αξιολογήσουν πώς οι εταιρείες χτίζουν, βελτιστοποιούν και ενσωματώνουν μοντέλα σε πραγματικές εργασίες των πελατών, δημιουργώντας πραγματικά προϊόντα και υπηρεσίες. Οι επενδυτές πρέπει να ζητήσουν μετρήσεις όπως οικονομικά ανά εργασία όταν εξετάζουν τις εφαρμογές AI.

Αυτά, όχι απλώς τα ταλέντα ή η ιδιοκτησία του μοντέλου selbst, είναι τα βασικά στοιχεία της αξίας. Είναι επίσης σημαντικό να κατανοηθεί η αξία των ανοιχτών μοντέλων. Αυτά συχνά ξεπερνούν τις κλειστές API γιατί οι ερευνητές και οι dévelopers possono να τα προσαρμόσουν τοπικά. Η υιοθέτηση αυτή συντελεί σε ένα χαντάκι γύρω από μια εταιρεία ή προϊόν, βοηθώντας να εγγυηθεί κέρδη και επιτυχία.

Και οι επενδυτές και οι επιχειρηματίες που ασχολούνται με την αποτελεσματική χρήση του κεφαλαίου πρέπει να πάρουν ένα βήμα πίσω και να αξιολογήσουν το πραγματικό κόστος του AI και όλων των σχετικών στοιχείων· αυτά είναι συχνά φουσκωμένα και υψηλότερα από ό,τι πρέπει να είναι. Η γενική προσέγγιση πρέπει να είναι ότι τα κόστη του υλικού είναι εύθραυστα, οπότε η σχεδίαση του AI δεν πρέπει να εξαρτάται από κάποια συσκευή ή υλικό. Η αξία και τι διαφοροποιεί μια εταιρεία είναι η απόδοση ανά δολάριο, όχι οι εκπτώσεις του προμηθευτή που ευνοούν ένα bestimmタイプ υλικού. Η αμυντική του AI δαπάνη σήμερα βρίσκεται στην βελτιστοποίηση της υποδομής, στα ιδιόκτητα δεδομένα και στο βάθος της ενσωμάτωσης. Οι επιχειρηματίες με καλές ιδέες για λύσεις που φτιάχνουν ή χρησιμοποιούν μοντέλα με αυτό το τέλος-απόδοση στο μυαλό θα κερδίσουν από εκείνους που ζητούν τεράστια μοντέλα που μπορούν να κλιμακωθούν για διαφορετικές πιθανές χρήσεις. Ένα πλεονέκτημα είναι η προσφορά ανοιχτών επιλογών ανάπτυξης για στούντιο και πλατφόρμες που δεν μπορούν να εξαρτηθούν από μια απομακρυσμένη API για πραγματικές εμπειρίες.

Οι νομοθέτες και η βιομηχανία επίσης πρέπει να σκεφτούν πιο λογικά για την ρύθμιση. Η πρόοδος έχει sido αργή σε αυτές τις περιοχές και εστιάζει nặng σε μοντέλα που τρέχουν σε μεγάλες συσκευές· αυτό δεν είναι πλέον एक πρακτικός προσεγγισμός. Η ορμή είναι υπερβολικά προς τα μοντέλα που μπορούν να τρέξουν σε καταναλωτικές συσκευές, καθιστώντας τη ρύθμιση των μοντέλων themselves αδύνατη. Η ανοιχτή φύση των μοντέλων παρουσιάζει μια άλλη σημαντική πρόκληση στη τρέχουσα προσέγγιση της ρύθμισης. Ξανά, η σωστή προσέγγιση είναι να εστιάσει στη διανομή μέσω εφαρμογών και προϊόντων και να αναπτύξει κανονιστικά πλαίσια γύρω από αυτά για διάφορες βιομηχανίες, όχι υπερκαλυπτικές πολιτικές για μοντέλα. Το στόχο πρέπει να είναι να ρυθμίσουν τις εφαρμογές και τους τομείς, με πρότυπα για προέλευση, ασφαλείς ράγες σε προϊόντα και αποκάλυψη για συνθετικό μέσο. Η ιστορία από τις αρχές της δεκαετίας του ’90 και τις αρχές του 2000 κρατάει μια σοφή διδασκαλία σε αυτή την έννοια: Η υπόθεση κατά της δημοφιλούς εταιρείας κοινής χρήσης αρχείων Napster δεν περιόρισε την κοινή χρήση αρχείων per se — αυτή η τεχνολογία μόνο μεγάλωσε και έγινε πολύ ταχύτερη, τελικά οδηγώντας στο streaming – αλλά εστιάστηκε στη υπεύθυνη διανομή της τεχνολογίας από μια πλατφόρμα. (Ακόμη και μέσω της πτώχευσης, η Napster κατάφερε να παραμείνει ως μάρκα προσαρμόζοντας τον τρόπο με τον οποίο διανέμει την τεχνολογία της και αγοράστηκε για περισσότερα από 200 εκατομμύρια δολάρια στις αρχές του έτους.)

Το τελικό συμπέρασμα είναι ότι η αγορά θα συντηρηθεί γύρω από quelques ενωμένα πολυμορφικά μοντέλα AI που μπορούν να αποσταλούν για αποτελεσματικότητα και να προσαρμοστούν για διαφορετικές χρήσεις. Όλοι οι ενδιαφερόμενοι πρέπει να δώσουν πολύ περισσότερη προσοχή στις εφαρμογές και στην πραγματική επιχειρηματική αξία που το AI μπορεί να φέρει, και να μην χάσουν τον εαυτό τους στις υποσχέσεις των μοντέλων themselves. Η βιομηχανία φουσκώνει γρηγορότερα από ό,τι δημιουργεί αξία. Εάν αυτό τελειώνει σε μια δραματική διόρθωση – παρόμοια με την πρώιμη φούσκα του ιντερνέτ – είναι ανοιχτό σε συζήτηση. Αλλά η σαφήνεια τώρα σημαίνει ανθεκτικότητα αργότερα.