Ajatusjohtajat

Kuinka tekoäly voi epäonnistua ja selvitä, aivan kuten internetkin teki

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Jatkuva dramaattinen markkinoiden heilahtelu tekoälyllä ajettavien teknologiayhtiöiden keskuudessa, jolloin julkinen yhtiö menettää yli 1 biljoona dollaria arvoa alle kuukaudessa, osoittaa selvästi, että arvot ovat irrotettu perusteluista. Kuitenkin todellinen kysymys, jota pitäisi nyt kysyä, ei ole, milloin kupla puhkeaa, vaan miten teollisuus voi vastuullisesti laskea kuplan ja valmistautua tulevaisuuden tekoälyyn.

Viime vuosien aikana tekoäly on tullut tunnetuksi suurten arvojen, rajattoman skaalautuvuuden ja tunteen, ettei kukaan voi kilpailla suurimpien toimijoiden kanssa. Mutta tekninen todellisuus on muuttunut ja osoittaa eräänlaista tulevaisuutta tekoälylle: todellinen raha ei ole valtavassa kustannuksessa olevissa tekoälymallissa, jotka ovat yhden päivän jälkeen maksavat yliarvioituja tuottoja. Yhä enemmän tekoälyn arvo on siinä, miten se on integroitu ja käytetty rahojen tekemiseen liiketoiminnassa, ottaen huomioon, että rajoja työntävät eturintamalla olevat tekoälymallit tulisi olla halvempia, ei kalliimpia. Singulaarisuuden myytti on ohi. Skaalautuvuus yksin ei enää tuota askelfunktion edistystä. Suorituskyky, jakelu ja ekosysteemi ovat tärkeämpiä kuin raaka mallin koko.

Odotusten mukauttaminen tähän uuteen todellisuuteen sallii kasvavan tekoälykuplan hitaasti laskea, sen sijaan, että se puhkeaisi ja aiheuttaisi tuhoja taloudelle ja rahoitusmarkkinoille, kuten dotcom-kupla tekikin neljännesvuosisadan sitten.

1990-luvulla teknologiayritykset olettivat, että internet pystyy tekemään kaiken; ja että mikä tahansa internetissä rakennettiin, oli luonteeltaan menestyvä. He olivat väärässä, ja kupla puhkesi todella – mutta internet selvisi. Romahdus korosti, että verkossa tapahtuva menestys ei ollut ainoastaan perustuvaa teknologiaa – internetiä – vaan kykyä kehittää älykkäitä ja tehokkaita sovelluksia, tuotteita ja laitteita. Internet ei voittanut pelkästään protokollalla. Se voitti, kun selaimet, sisällön toimitusverkot ja kehittäjien ekosysteemit tekivät siitä käytettävän.

Amazon selvisi, ja edelleen menestyy, kun taas Pets.com epäonnistui, koska se ei koskaan ollut voittoisa tapa toimittaa koiranruokaa, haaste jota viehättävä ajatus, että se voisi palvella asiakkaita koko maassa internetin ansiosta.

Se on tarkalleen siinä, missä suuri tekoäly on tänään, haaveiden ja odotusten vallassa teknologian tulevaisuuden potentiaalista. Ei ole epäilystä siitä, että se on mahtavin teknologia, jota meillä on tänään. Mutta tekoälymallit ovat vain perusteknologiaa, eivät itse vastauksia, ja varmasti ei siellä, missä raha ja arvo tulevat pysymään. Itse asiassa transformer- ja diffuusioiden arkkitehtuureja, jotka muodostavat useimmat generatiiviset tekoälyt, ovat julkisia; optimointikehykset ovat avoimia; laskentakapasiteetti on yhä enemmän saatavilla. Este on ei enää teoreettinen osaaminen. Se on taito rakentaa luotettavia järjestelmiä ja integroida ne olemassa oleviin luovien ja tuotannon prosessien putkiin, joka määrää, kuka onnistuu. Nämä tuotteet ja palvelut eivät enää vaadi sijoittajilta miljardeja dollareita. Tiedän tämän oman kokemukseni perusteella. Meidän tiimimme Jerusalemissa rakensi avoimen ääni- ja videomallin tekoälyvideoita noin kymmenesosan siitä, mitä markkinajohtajat tekivät, ja se tuottaa usein pidempiä jatkuvia kohtauksia, usein korkeammalla resoluutiolla ja nopeudella. Tämä saavutettiin noin 100 miljoonalla dollarilla, ei miljardeilla. Tarinamme osoittaa, että moderni tekoäly-edistys on vähemmän salaisen kastiken ja enemmän kurinalaisen insinöörityön ansiota.

Kuten internetissä, ne, jotka selviävät, ovat niitä, jotka käyttävät tekoälyä parhaisiin sovelluksiin, laitteisiin, tuotteisiin ja palveluihin. On totta, että mitä nämä tarkalleen ovat, on vaikea ennustaa. Kuitenkin, 1990-luvun alussa, kun ihmiset käyttivät AOL:ia tai Prodigyä, kukaan ei olisi voinut kuvitella Gmailia.

Kuitenkin, ilman selvänäkemisen voimaa, on olemassa älykkäitä kysymyksiä, jotka voidaan kysyä matkan varrella, jotta voidaan ohjata tekoälyteollisuutta ja sen sijoittajia toimimaan tavalla, joka voi hitaasti ja asteittain laskea kuplan, samalla kun rakennetaan tulevaisuuden taloutta.

Sijoittajat, mukaan lukien pääomasijoittajat ja eläkerahastot, jotka tuottavat rahaa tekoälyyrityksiin, tarvitsevat tietää, mikä arvo todella luodaan. Miljardit dollareita on pumpattu suurten teknologiayhtiöiden tutkimukseen rakentamaan tekoälyä, joka lopulta oli helposti toistettavissa muualla. Massiiviset tekoälybudjetit eivät takaa ainutlaatuista immateriaalioikeutta, käyttäjien lukkoa tai puolustettavia taloudellisia etuja enää. Nyt sijoittajien on arvioitava, miten yritykset rakentavat, optimoivat ja integroivat malleja todellisiin asiakkaiden työprosesseihin, luoden todellisia tuotteita ja palveluita. Sijoittajien on pyydettävä metriikkoja, kuten taloudellisia laskelmia työkuormituksella, kun tarkastellaan tekoälysovelluksia.

Nämä, eivät pelkästään mallin kyvyt tai sen omistusoikeus, ovat avainarvoa. On myös tärkeää ymmärtää avoimien mallien arvo. Nämä usein ylittävät suljettuja API:ita, koska tutkijat ja kehittäjät voivat sopeuttaa ne paikallisesti. Tämä omaksuminen muodostaa ojat ympäröivän yhtiön tai tuotteen, auttaen varmistamaan voitot ja menestystä

Sijoittajien ja yrittäjien on otettava askel taaksepäin ja arvioitava tekoälyn ja kaikkien siihen liittyvien komponenttien todelliset kustannukset; nämä ovat usein inflatoituneita ja korkeampia kuin niiden tarvitsee olla. Yleinen lähestymistapa on, että laitteistokustannukset ovat volatiilisia, joten tekoälyn suunnittelu ei tulisi riippua minkään tietyn laitteen tai laitteiston ominaisuuksista. Arvo ja se, mikä erottaa yhtiön, on sen läpimeno dollaria kohden, ei valmistajan alennuksia, jotka suosivat tietynlaista laitteistoa. Tekoälykustannusten puolustettavuus on nyt infrastruktuurin optimoinnissa, omistajien aineistossa ja integraati Syvyydessä. Yrittäjät, joilla on hyviä ideoita ratkaisuista, jotka huolellisesti rakentavat tai käyttävät malleja, jotka on suunniteltu lopputuotteen suorituskyvyn kannalta, voittavat niiden yrittäjien yli, jotka etsivät massiivisia malleja, jotka voidaan myöhemmin skaalata eri käyttötarkoituksiin. Yksi etu on myös tarjota avoimia käyttömahdollisuuksia studioille ja alustoille, jotka eivät voi riippua etä-API:sta reaaliaikaisissa kokemuksissa.

Sääntelyviranomaisten ja teollisuuden on myös ajateltava loogisemmin sääntelystä. Edistys on ollut hidasta näissä aloissa ja keskittyy voimakkaasti eturintamalla oleviin malleihin, jotka suoritetaan suurilla laitteilla; tämä ei ole enää käytännöllinen lähestymistapa. Momentum on ylivoimaisesti siirtymässä kohti malleja, jotka voivat suorittaa kuluttajalaitteilla, mikä tekee mallien itsessään sääntelyn mahdottomaksi. Avoimen lähdekoodin luonteessa olevat mallit esittävät toisen haasteellisen haasteen nykyiselle lähestymistavalle sääntelyyn. Taas kerran, oikea lähestymistapa on keskittyä soveltamiseen sovellusten ja tuotteiden kautta ja kehittää sääntelykehyksiä niiden ympärille eri aloille, ei yleispäteviin käytäntöihin malleista. Tavoitteena on säännellä sovelluksia ja toimialoja, joilla on standardit alkuperästä, turvajärjestelmistä tuotteissa ja ilmoituksista synteettisestä mediasta. Historia 1990-luvulta ja 2000-luvun alusta sisältää jälleen viisaan opetuksen tästä käsitteestä: Tapaus suositun musiikin jakamisyritystä Napsteria vastaan ei rajoittanut tiedostojen jakamista itsessään — tämä teknologia kasvoi vain ja tuli nopeammaksi, lopulta antaen tilaa suoratoistopalveluille – vaan se keskittyi alustan vastuulliseen teknologian käyttöön. (Jopa konkurssin kautta Napster onnistui säilyttämään itsensä brändinä sopeutumalla siihen, miten se käytti teknologiaansa, ja se myytiin yli 200 miljoonalla dollarilla tänä vuonna.)

Pohjimmiltaan markkinat tulevat konsolidoimaan muutamaksi yhtenäiseksi monitilamuotoiseksi tekoälymalliksi, jotka voidaan tiivistää tehokkuuden vuoksi ja sovittaa eri käyttötarkoituksiin. Kaikkien sidosryhmien on kiinnitettävä enemmän huomiota sovelluksiin ja tekoälyn todelliseen liiketoimintaa tuottavaan arvoon, eikä häviävän tekoälymallien itsensä lupauksiin. Teollisuus on inflatoitumassa nopeammin kuin se luo arvoa. On avoin kysymys, päätyykö tämä dramaattiseen korjaukseen – samankaltaiseen kuin varhainen internet-kupla – on avoin keskustelulle. Mutta selkeys nyt tarkoittaa myöhempiä joustavuutta.

Zeev Farbman on Lightricksin perustaja ja toimitusjohtaja, joka on AI-ensin luovan teknologian yritys, joka on kehittänyt LTX-2 AI-mallin, LTX Studio-n ja Facetune-n. Hänen väitöskirjansa tietojenkäsittelytieteestä Hebrew University of Jerusalemin yliopistosta, Farbman on viettänyt uransa AI-tutkimuksen, laskennallisen valokuvauksen ja luovuuden risteyksessä. Hänen johdollaan Lightricks on kehittänyt omistajan teknologian ja generatiiviset AI-mallit, jotka mahdollistavat seuraavan sukupolven sisällön luomisen. Entinen tutkija, josta tuli yrittäjä, Farbman on intohimoinen siitä, että akateemiset läpimurrot muutetaan helposti saataville luoville työkaluille yrityksille maailmanlaajuisesti.