Det er på tide å overføre AI-batongen fra programvare til maskinvare

Det er usannsynlig at vi kommer til å møte noen teknologi som er mer konsekvensrik og viktig enn AI i våre liv. Nærværet av kunstig intelligens har allerede endret den menneskelige erfaringen og hvordan teknologi kan forme våre liv, og dens innvirkningsbane er bare økende.

Med det i mente har AI-innovatører og ledere brukt det siste kvartal århundre på å samle inn data og utvikle modellene for å oppnå programvaren som driver generativ AI. AI representerer toppen av programvare: Et amorf verktøy som kan reprodusere verktøy for å løse problemer over abstraksjonslag. Selskaper som bygger compute-imperier eller de som kjøper LLMs for å styrke sin programvaretilbud er nå vanlige syn.

Så, hvor går vi fra her?

Selv med ubegrenset beregning, vil samlingen av deduksjoner ved hjelp av all eksisterende data asymptotisk nærme seg den eksisterende menneskelige kunnskapen. Like som mennesker må eksperimentere med den ytre verden, ligger den neste grensen for AI i å få teknologien til å samhandle meningsfullt med den fysiske verden for å generere ny data og utvide grensene for kunnskap.

Interaksjon gjennom eksperimentering

Å utforske AI-s muligheter krever å gå utover dens bruk på personlige datamaskiner eller smarttelefoner. Ja, disse verktøyene er sannsynligvis å forbli den enkleste tilgangspunktet for AI-teknologi, men det setter en grense for hva teknologien kan oppnå.

Selv om utførelsen lot mye å ønske, viste Ray-Ban Smart Solbriller drevet av Metas AI-system en bevis for konseptet i wearables infusert med AI-teknologi. Disse eksemplene på hardware-først-integrasjoner er kritiske for å bygge bekymring og brukbarhet av AI utenfor en enhet-innstilling fordi de viser hvordan å gjøre disse store teknologiske fremgangene sammenhengende.

Ikke alle eksperimenter med AI i den virkelige verden vil være en suksess, det er nettopp hvorfor de er eksperimenter. Likevel, å demonstrere potensialet for hardware-først AI-applikasjoner utvider spekteret av hvordan denne teknologien kan være både nyttig og anvendelig utenfor “personlig assistent”-boksen den er plassert i nå.

Til slutt vil selskaper som viser hvordan å gjøre AI praktisk og legitimt være de som genererer eksperimentelle datapunkter som du bare ikke kan få fra web-applikasjoner. Selvfølgelig krever alt dette beregning og infrastruktur for å fungere ordentlig, hvilket nødvendiggjør en større tilførsel av investeringer i bygging ut AI-s fysiske infrastruktur.

Men er AI-selskaper klare og villige til å gjøre det?

Hardware- og programvaredialogen

Det er lett å si at komputasjonsintensive AI-applikasjoner i fysiske produkter vil bli normen til slutt, men å gjøre det til virkelighet krever mye mer rigor. Det er bare så mye ressurser og vilje tilgjengelig for å gå ned den mindre trafikkerte veien.

Hva vi ser i dag er en form for kortvarig AI-überoptimisme, som speiler den typiske markedssvaret på banebrytende teknologier som er i stand til å skape nye industrier. Så, det er tydelig hvorfor det kan være en tøffhet fra selskaper som bygger AI-programvare eller dabbler i det å iverksette kostbare og komputasjonsintensive hardware-utflukter.

Men noen med en videre utsikt kan se hvorfor dette kan være en kortvarig tilnærming til innovasjon.

Uventet, er det mange sammenligninger gjort mellom AI-boomen og den tidlige internettets dot-com-boble, hvor prosjekter fokuserte på kortvarige mål døde ut når det brast. Men hvis vi kollektivt skulle skrive av AI på grunn av dot-com-boblen etterpå i stedet for å fokusere på de langsiktige idéene som har overlevd langt etter det, ville vi være langt ifra den teknologiske landskapet vi er i i dag. Store idéer overlever enhver trend.

I tillegg er beregning nøkkelen til at enhver AI-innovasjon skal fortsette å gå fremover. Og som enhver AI-utvikler vil fortelle deg—beregning er verdt sin vekt i gull. Likevel, det setter også en grense for hvor mange prosjekter som kan realistisk sett utforske virkelige AI-applikasjoner når modellutvikling allerede spiser opp ressurser. Men ingen selskap kan opprettholde markedsdominans på programvare alene—uansett hvor imponerende deres LLM er.

Det er komfortabelt for AI-selskaper å lede med programvare og vente tålmodig på at en hardware-tilbyder skal komme inn og kjøpe eller lisensiere sin teknologi. Ikke bare er dette svært begrensende, men det etterlater også mange fantastiske prosjekter til nåde for utenforstående som kanskje aldri kommer til å melde seg.

AI er en flergenerasjons-teknologi som bare vil bli mer tilpasset og designet for enkeltpersoner over tid. Likevel, det er opp til prosjekter å dra nytte av et nesten jevnt spill felt programvare-messig for å ta reelle skritt inn i den fysiske verden. Uten dristig eksperimentering, og selv feil, vil det ikke være noen fremtidig retning for AI-teknologi å realisere sitt fulle potensiale i å forbedre den menneskelige erfaringen.