Het is tijd om de AI-staf over te dragen van software naar hardware

Het is onwaarschijnlijk dat we in ons leven een technologie tegenkomen die belangrijker en gevolgrijker is dan AI. De aanwezigheid van kunstmatige intelligentie heeft de menselijke ervaring en de manier waarop technologie onze levens kan veranderen, al veranderd, en de impact ervan wordt alleen maar groter.

Met dat in gedachten hebben AI-innovators en leiders de afgelopen kwart eeuw data verzameld en modellen ontwikkeld om de software te creëren die generatieve AI aandrijft. AI vertegenwoordigt het hoogtepunt van software: een amorf hulpmiddel dat tools kan reproduceren om problemen op te lossen over abstractie-lagen heen. Bedrijven die compute-rijken bouwen of die LLM’s verwerven om hun software-aanbod te versterken, zijn nu gewone verschijnselen.

Dus, waar gaan we van hieruit naartoe?

Zelfs met onbeperkte compute, zal de verzameling van deducties met alle bestaande data asymptotisch benaderen het bestaande lichaam van menselijke kennis. Net zoals mensen moeten experimenteren met de externe wereld, ligt de volgende frontier in AI in het hebben van de technologie op een betekenisvolle manier interactie met de fysieke wereld om nieuwe data te genereren en de grenzen van kennis te verleggen.

Interactie door experimentatie

Het verkennen van de potentie van AI vereist het transcenderen van het gebruik ervan op personal computers of smartphones. Ja, deze tools zijn waarschijnlijk de gemakkelijkste toegangspunten voor AI-technologie, maar het zet een limiet aan wat de technologie kan bereiken.

Hoewel de uitvoering veel te wensen overliet, toonden de Ray-Ban Smart Sunglasses aangedreven door Meta’s AI-systeem een bewijs van concept in wearables die zijn geïnfuseerd met AI-technologie. Deze voorbeelden van hardware-first-integraties zijn cruciaal voor het opbouwen van de vertrouwdheid en bruikbaarheid van AI buiten een apparaat-instelling, omdat ze laten zien hoe deze grote technologische vooruitgangen naadloos kunnen worden gemaakt.

Niet elk experiment met AI in de echte wereld zal een succes zijn, dat is precies waarom ze experimenten zijn. Echter, door te demonstreren het potentieel van hardware-first AI-toepassingen, verbreedt het spectrum van hoe deze technologie zowel nuttig als toepasbaar kan zijn buiten de “persoonlijke assistent”-doos waarin het nu zit.

Uiteindelijk zullen bedrijven die laten zien hoe AI praktisch en legitiem kan zijn, degenen zijn die experimentele datapunten zullen genereren die je gewoon niet kunt krijgen van webapplicaties. Natuurlijk vereist dit allemaal compute en infrastructuur om goed te functioneren, wat een grotere toevloed van investeringen in het opbouwen van de fysieke infrastructuur van AI vereist.

Maar zijn AI-bedrijven klaar en bereid om dat te doen?

De hardware- en software-dialoog

Het is gemakkelijk om te zeggen dat computationeel intensieve AI-toepassingen in fysieke producten uiteindelijk de norm zullen worden, maar het maken ervan tot een realiteit vereist veel meer rigor. Er is alleen zo veel middelen en wil beschikbaar om de minder gebruikte weg te bewandelen.

Wat we vandaag zien, is een vorm van korte-termijn AI-overspannenheid, die de typische marktreactie op disruptieve technologieën die nieuwe industrieën kunnen creëren, spiegelt. Dus, het is duidelijk waarom er mogelijk aarzeling kan zijn bij bedrijven die AI-software bouwen of erin experimenteren om dure en computationeel intensieve hardware-uitstapjes te ondernemen.

Maar iedereen met een bredere kijk kan zien waarom dit mogelijk een myope benadering van innovatie kan zijn.

Er zijn veel vergelijkingen gemaakt tussen de AI-boom en de vroege internet-dotcom-bubbel, waar projecten gefocust waren op korte-termijndoelen en zijn gestorven toen het barstte. Maar als we collectief de internet af zouden schrijven vanwege de nasleep van de dotcom-bubbel in plaats van ons te concentreren op de langetermijnideeën die lang na het barsten zijn overgebleven, zouden we nergens in de buurt van het technologische landschap zijn waarin we nu zijn. Grote ideeën overleven elke trend.

Bovendien is compute de spil voor elke AI-innovatie om te blijven vooruitgang boeken. En zoals elke AI-ontwikkelaar je zal vertellen—compute is zijn gewicht in goud waard. Echter, dat zet ook een limiet aan hoeveel projecten realistisch kunnen onderzoeken AI-toepassingen in de echte wereld wanneer modelontwikkeling alleen al middelen verbruikt. Maar geen enkel bedrijf kan marktdominantie behouden met alleen software—geen enkele LLM is zo indrukwekkend.

Het is comfortabel voor AI-bedrijven om te leiden met software en te wachten tot een hardware-aanbieder binnenkomt en hun technologie verwerven of licentiëren. Niet alleen is dit ernstig beperkend, maar het laat ook veel geweldige projecten aan de genade van buitenstaanders die mogelijk nooit komen kloppen.

AI is een meer-generatie-technologie die alleen maar meer aangepast en ontworpen zal worden voor individuen naarmate de tijd vordert. Echter, het is aan projecten om te profiteren van een grotendeels gelijk speelveld software-wise om echte stappen te zetten in de fysieke wereld. Zonder moedige experimenten, en zelfs falen, zal er geen pad naar voren zijn voor AI-technologie om zijn volledige potentieel te realiseren in het verbeteren van de menselijke ervaring.