Det är dags att lämna över AI-stafettpinnen från mjukvara till hårdvara

Det är osannolikt att vi kommer att stöta på någon teknik som är mer betydelsefull och viktig än AI under vår livstid. Närvaron av artificiell intelligens har redan förändrat den mänskliga upplevelsen och hur tekniken kan omforma våra liv, och dess påverkans bana är bara på väg att bli bredare.

Med det i åtanke har AI-innovatörer och ledare under det senaste kvartalet av ett sekel samlat in data och utvecklat modeller för att uppnå den mjukvara som driver generativ AI. AI representerar toppen av mjukvara: Ett amorfiskt verktyg som kan reproducera verktyg för att lösa problem över abstraktionslager. Företag som bygger beräkningsimperier eller de som förvärvar LLM för att stärka sin mjukvaruutbud är nu vanliga synen.

Så var ska vi gå från här?

Även med obegränsad beräkning, kommer insamlingen av deduktioner med all befintlig data att asymptotiskt närma sig den befintliga mängden mänsklig kunskap. Liksom människor behöver experimentera med den yttre världen, ligger den nästa fronten inom AI i att ha tekniken interagera meningsfullt med den fysiska världen för att generera ny data och utöka gränserna för kunskap.

Interaktion genom experiment

Att utforska AI:s potential kräver att man går utöver dess användning på persondatorer eller smartphones. Ja, dessa verktyg är troligen de enklaste åtkomstpunkterna för AI-teknik, men det sätter en gräns för vad tekniken kan uppnå.

Även om genomförandet lämnade mycket att önska, visade Ray-Ban Smart Solglasögon som drivs av Metas AI-system en bevisidé för ett koncept i wearables som införlivat AI-teknik. Dessa exempel på hårdvaruförsta integreringar är avgörande för att bygga upp bekantskap och användbarhet av AI utanför en enhetsinställning, eftersom de visar hur man kan göra dessa stora tekniska framsteg smidiga.

Inte alla experiment med AI i den verkliga världen kommer att vara en framgång, det är precis varför de är experiment. Men att visa potentialen för hårdvaruförsta AI-tillämpningar breddar spektrumet för hur denna teknik kan vara både användbar och tillämplig utanför “personlig assistent”-lådan den är i nu.

Till slut kommer företag som visar hur man kan göra AI praktisk och legitim att generera experimentella datapunkter som man inte kan få från webbapplikationer. Detta kräver naturligtvis beräkning och infrastruktur för att fungera ordentligt, vilket kräver en större tillströmning av investeringar i att bygga ut AI:s fysiska infrastruktur.

Men är AI-företag redo och villiga att göra det?

Samtalet mellan hårdvara och mjukvara

Det är lätt att säga att beräkningsintensiva AI-tillämpningar i fysiska produkter kommer att bli normen så småningom, men att göra det till verklighet kräver mycket mer rigor. Det finns bara så mycket resurser och vilja tillgängliga för att gå ner på den mindre utnyttjade vägen.

Vad vi ser idag är en form av kortvarig AI-överexuberans, som speglar den typiska marknadsreaktionen på disruptiva tekniker som är redo att skapa nya branscher. Så det är tydligt varför det kan finnas tveksamhet från företag som bygger AI-mjukvara eller experimenterar med det för att ge sig in på dyra och beräkningsintensiva hårdvaruäventyr.

Men för den som har en bredare utblick kan man se varför detta kan vara en myopisk tillvägagångssätt för innovation.

Förvånansvärt nog finns det många jämförelser mellan AI-boomen och den tidiga internetens dotcom-bubbla, där projekt fokuserade på korta mål dog ut när den brast. Men om vi kollektivt skulle skriva av internet på grund av dotcom-bubblans efterdyningar istället för att fokusera på de långsiktiga idéerna som har överlevt långt efter det, skulle vi inte vara nära den tekniska landskap vi är i idag. Stora idéer överlever alla trender.

Dessutom är beräkning den viktigaste faktorn för att AI-innovation ska fortsätta att utvecklas. Och som varje AI-utvecklare kommer att säga – beräkning är värd sin vikt i guld. Men det sätter också en gräns för hur många projekt som kan undersöka verkliga världstillämpningar av AI när modellutveckling redan slukar resurser. Men inget företag kan upprätthålla marknadsdominans enbart med mjukvara – oavsett hur imponerande deras LLM är.

Det är bekvämt för AI-företag att leda med mjukvara och vänta tålmodigt på att en hårdvaruleverantör ska komma in och förvärva eller licensiera sin teknik. Inte bara är detta kraftigt begränsande, det lämnar många otroliga projekt till barmhärtigheten av utomstående som kanske aldrig kommer att knacka på.

AI är en teknologi som sträcker sig över flera generationer som kommer att bli alltmer anpassad och utformad för individer allteftersom tiden går. Men det är upp till projekt att ta tillvara på en i stort sett jämn spelplan mjukvarumässigt för att ta verkliga steg in i den fysiska världen. Utan djärv experiment och till och med misslyckanden, kommer det inte att finnas någon framtid för AI-teknik att förverkliga sin fulla potential i att förbättra den mänskliga upplevelsen.