AI Nasıl İflas Edebilir ve Hayatta Kalabilir, Tıpkı İnternetin Yaptığı Gibi

AI sürümlü teknoloji devlerinin dramatik piyasa dalgalanmaları, halka açık şirketlerin bir aydan kısa bir sürede 1 trilyon doların üzerinde değer kaybetmesiyle, değerlemelerin temeldeki gerçeklerden kopuk olduğu açıkça görülüyor. Ancak şu anda sormamız gereken gerçek soru, balonun ne zaman patlayacağı değil, endüstrinin balonunu sorumlu bir şekilde nasıl indirebileceği ve AI’ın geleceğine nasıl hazırlanabileceğidir.

Son birkaç yılda, AI büyük değerlemelerle, sınırsız ölçeklenebilirlik ve en büyük oyuncularla rekabet edemeyeceği duygusuyla eşanlamlı hale geldi. Ancak teknik gerçeklik değişti ve AI için farklı bir gelecek türü gösteriyor: Gerçek para, devasa AI modellerinde değil, işleri para kazandırmak için AI’ı entegre etme ve kullanma şekliyle ilgilidir. Sınırları zorlayan AI modellerinin daha ucuz, daha pahalı değil, olması gerekiyor. Singülerlik efsanesi bitti. Ölçek alone artık adım fonksiyonel kazançlar sağlamıyor. Uygulama, dağıtım ve ekosistem artık ham model boyutundan daha önemli hale geldi.

Bu yeni gerçekliğe beklentileri uyarlama, AI balonunun yavaş yavaş inmesine izin verecek, böylece ekonomi ve finansal piyasalara 25 yıl önce dotcom patlaması gibi bir felaket yaşatmayacak.

90’lı yıllarda, teknoloji endüstrisi internetin her şeyi yapabileceğine ve internet üzerinde inşa edilen her şeyin doğası gereği başarılı olacağına inanıyordu. Yanıldılar ve balon gerçekten patladı, ancak internet hayatta kaldı. Çökme, internet üzerindeki başarıların sadece temel teknoloji – internet – değil, akıllı ve etkili kullanım durumları, ürünler ve donanımlar geliştirmek olduğuna dikkat çekti. İnternet, sadece protokollerle değil, tarayıcılar, içerik dağıtım ağları ve geliştirici ekosistemleri ile kazandı.

Amazon hayatta kaldı ve hala gelişiyor, ancak Pets.com başarısız oldu çünkü köpek mamasını göndermenin karlı bir yolunu hiç bulamadı, bu challenge internetin countrywide müşterilere sahip olabileceği fiksi tarafından göz ardı edildi.

Tam olarak burada Büyük AI var, teknolojinin gelecekteki potansiyeli hakkında hayaller ve beklentiler içinde. AI’ın bugünün en harika teknolojisinden hiç şüphesi yok. Ancak AI modelleri, cevaplar değil, sadece temel teknoloji ve para ve değerlerin kalacağı yer değil. Aslında, transformer ve difüzyon mimarileri, çoğu generatif AI’ın temelini oluşturuyor ve bunlar halka açık; optimizasyon çerçeveleri açık; hesaplama gücü giderek daha erişilebilir hale geliyor. Engel artık teorik bilgi değil, güvenilir sistemler oluşturma ve bunları mevcut yaratıcı ve üretim hatlarına entegre etme becerisi olacak. Bu ürün ve hizmetler artık milyarlarca dolarlık yatırımlar gerektirmez. Kendi deneyimimden biliyorum. Jerusalem’daki ekibimiz, pazar liderlerinin yaptığı AI videoların yaklaşık onda biri maliyetle, açık kaynaklı bir audio-video modeli geliştirdi ve daha uzun sürekli sahneler, genellikle daha yüksek çözünürlük ve hız üretti. Bu, milyarlarca değil, 100 milyon dolar civarında bir maliyetle gerçekleştirildi. Hikayemiz, modern AI ilerlemesinin artık gizli bir sos değil, disiplinli mühendislik olduğunu gösteriyor.

İnternet gibi, hayatta kalanlar AI’ı en iyi kullanım durumları, donanım uygulamaları, ürünler ve hizmetler için kullanacak olanlar olacak. Bu kullanım durumlarının tam olarak ne olacağı gerçekten öngörülemez. 90’ların başlarında, insanlar AOL veya Prodigy kullanırken, kimse Gmail’i hayal edemezdi.

Ancak, kehanet gücünden yoksun olarak, AI endüstrisini ve yatırımcılarını geleceğin ekonomisini inşa ederken aynı zamanda balonunu yavaşça indirmeye yönlendirecek akıllı sorular var.

Yatırımcılar, včetně VC’ler ve AI şirketlerine para döken emeklilik fonları, yaratılan değerin tam olarak ne olduğunu sormalılar. Büyük teknoloji şirketlerinde AI geliştirmek için milyarlarca dolar harcandı, ancak sonuçta kolayca başka yerlerde kopyalanan AI modelleri ortaya çıktı. Büyük AI bütçeleri, benzersiz entelektüel mülkiyet, kullanıcı kilidi veya savunulabilir ekonomileri garanti etmez. Şimdi yatırımcılar, şirketlerin modelleri nasıl inşa ettiği, optimize ettiği ve müşterilerin gerçek iş akışlarına entegre ettiği konusunda değerlendirmelidir. Yatırımcılar, AI uygulamalarında iş yükü ekonomilerini sormalılar.

Bunlar, modelin kendisi veya doğası değil, değer yaratmanın anahtar unsurlarıdır. Ayrıca açık kaynaklı modellerin değerini anlamak önemlidir. Bunlar genellikle kapalı API’lerden daha fazla iterasyon yapabilir, çünkü araştırmacılar ve geliştiriciler bunları yerel olarak uyarlayabilir. Bu benimseme, bir şirket veya ürün etrafında bir hendek oluşturur ve karları ve başarıyı garanti altına almaya yardımcı olur.

Hem yatırımcılar hem de girişimciler, sermayenin verimli kullanımıyla ilgilenmelidir ve AI ile ilgili tüm bileşenlerin gerçek maliyetini değerlendirmelidir; bunlar genellikle gerektiğinden daha yüksek ve daha pahalı. Genel yaklaşım, donanım maliyetlerinin volatil olduğu, AI tasarımının belirli bir cihaza veya donanıma bağlı olmaması gerektiğidir. Bir şirketin değeri ve farklılaştırması, satıcı indirimlerine bağlı belirli bir donanım türüne değil, dolar başına verimliliktedir. AI harcamalarının savunulabilirliği artık altyapı optimizasyonunda, özel veride ve entegrasyon derinliğinde yatmaktadır. İyi fikirleri olan ve modelleri bu performansla tasarlayan veya kullanan girişimciler, büyük ölçekli modelleri olanlardan daha başarılı olacaktır. Bir diğer artı, stüdyolar ve platformlar için açık dağıtım seçenekleri sunmaktır, bunlar uzaktan bir API’ye bağımlı olmadan gerçek zamanlı deneyimler sunamaz.

Politika yapıcılar ve endüstri ayrıca düzenleme konusunda daha mantıklı düşünmelidir. Bu alanlardaki ilerleme yavaş ve büyük cihazlar上的 frontier modellerine odaklanıyor; bu artık pratik bir yaklaşım değil. Momentum, bu modellerin tüketici cihazlarında çalışabilmesine doğru kayıyor, bu da modellerin kendilerinin düzenlenmesini imkansız kılıyor. Çoğu modelin açık kaynaklı doğası, mevcut yaklaşıma başka bir zorlu challenge sunuyor. Yine de doğru yaklaşım, uygulamalar ve ürünler aracılığıyla dağıtıma odaklanmak ve çeşitli endüstriler için bunları düzenlemek, genel model politikaları geliştirmek değil. Hedef, uygulamaları ve sektörleri düzenlemek, köken, güvenlik rayları ve sentetik medya için açıklama standartları oluşturmak olmalıdır. 90’lar ve 2000’lerin başlarındaki tarih, bu kavram hakkında bir kez daha bilge bir ders sunuyor: Popüler müzik dosya paylaşım şirketi Napster davası, dosya paylaşımını itself sınırlamadı – bu teknoloji sadece büyüdü ve daha hızlı hale geldi, sonunda akışa yol açtı – ancak teknolojinin platformun sorumlu bir şekilde dağıtılmasına odaklandı. (Hatta iflasa rağmen, Napster markasını değiştirerek teknolojisini dağıtmaya devam etti ve bu yıl 200 milyon dolardan fazla bir fiyata satın alındı.)

Sonuç olarak, pazar birkaç birleşik çok modelli AI modeli etrafında konsolide olacak, bunlar verimlilik için damıtılacak ve farklı kullanımlar için uyarlanacaktır. Tüm paydaşlar, AI’ın getirebileceği gerçek iş değerine ve uygulamalara çok daha fazla dikkat etmesi gerekiyor, modelin vaatlerine kendilerini kaybetmemelidir. Endüstri, değer yaratmasından daha hızlı enflasyon geçiriyor. Bu durumun dramatik bir düzeltme ile sonuçlanıp sonuçlanmayacağı, erken internet balonuna benzer, tartışmaya açık. Ancak şimdi netlik, sonra dayanıklılık anlamına geliyor.