Як AI може зазнати крах і виживати, як і інтернет раніше

Тривалий драматичний рух ринкових коливань серед технологічних гігантів, які рухаються штучним інтелектом, з публічними компаніями, які втрачають понад 1 трильйон доларів вартості за менш ніж місяць, чітко показує, що оцінки відірвані від фундаментальних показників. Однак справжнє питання, яке потрібно поставити зараз, полягає не в тому, коли піракуля буде луснути, а в тому, як індустрія може відповідально спустити піракулю і готуватися до штучного інтелекту майбутнього.

За останні кілька років штучний інтелект став синонімом великих оцінок, необмеженої масштабованості та відчуттям, що ніхто не може конкурувати з найбільшими гравцями. Однак технічна реальність змінилася і вказує на інше майбутнє для штучного інтелекту: справжні гроші не в надзвичайно дорогих моделях штучного інтелекту, які одного дня окупляться в вигляді великих прибутків. Все частіше значення штучного інтелекту полягає в тому, як він інтегрується і використовується для заробляння грошей бізнесом, маючи на увазі, що моделі штучного інтелекту повинні ставати дешевшими, а не дорожчими. Мітка сингулярності закінчилася. Масштаб сам по собі вже не забезпечує стрибкоподібних прибутків. Виконання, розподіл і екосистема тепер важливіше, ніж суцільний розмір моделі.

Коригування очікувань до цієї нової реальності дозволить зростаючій бульбашці штучного інтелекту повільно спуститися, а не луснути і завдавати шкоди економіці та фінансовим ринкам, як це було під час краху доткомів чверть століття тому.

У 90-х роках індустрія технологій припускала, що інтернет може і буде робити все; і що все, що будується на інтернеті, буде успішним через сам інтернет. Вони помилялися, і бульбашка дійсно луснула – але інтернет вижив. Крах підкреслив, що успіх в інтернеті не полягає лише в підлеглій технології – інтернеті – а в здатності розробляти розумні та ефективні випадки використання, продукти та апаратуру. Інтернет не переміг лише завдяки протоколам. Він переміг, коли браузери, мережі доставки контенту та екосистеми розробників зробили його придатним для використання.

Amazon вижив і продовжує процвітати, тоді як Pets.com зазнав невдачі, оскільки ніколи не мав прибуткової можливості доставляти свій корм для собак, виклику, який був проігнорований за допомогою привабливої ідеї про те, що він зможе мати клієнтів по всій країні завдяки появі інтернету.

Саме там зараз знаходиться Великий Штучний Інтелект, поглинений мріями та очікуваннями щодо майбутнього цієї технології. Не існує жодного сумніву в тому, що це найдивовижніша технологія, яку ми маємо сьогодні. Однак моделі штучного інтелекту – це лише підлегла технологія, а не самі відповіді, і точно не те місце, де гроші та цінність залишаться. Насправді архітектури трансформерів та дифузій, які лежать в основі більшості генеративних моделей штучного інтелекту, є відкритими; оптимізаційні рамки відкриті; обчислювальна потужність стає все більш доступною. Перешкода вже не полягає в теоретичних знаннях. Це майстерність побудови надійних систем та інтеграції їх до існуючих творчих та виробничих потоків, яка визначатиме, хто успішно виживе. Ці продукти та послуги вже не потребують від інвесторів виділити трильйони доларів. Я знаю це з власного досвіду. Наша команда в Єрусалимі створила відкриту модель аудіо-відео для створення відео зі штучним інтелектом за приблизно одну десяту частину вартості тих, які роблять лідери ринку, і яка генерує довші безперервні сцени, часто з вищою роздільною здатністю та швидкістю. Це було досягнуто приблизно за 100 мільйонів доларів, а не мільярдів. Наша історія показує, що сучасний прогрес штучного інтелекту менше залежить від секретної приправи та більше від дисциплінованої інженерії.

Як і з інтернетом, ті, хто виживе, будуть тими, хто зможе використати штучний інтелект для найкращих випадків використання, апаратних застосунків, продуктів та послуг. Справді, що саме ці випадки використання будуть, важко передбачити. Адже в початку 90-х років, коли люди використовували AOL або Prodigy, ніхто не міг уявити Gmail.

Однак, якщо відсутня сила ясновидіння, існують розумні питання, які потрібно поставити по дорозі, щоб спрямувати індустрію штучного інтелекту та її інвесторів працювати таким чином, щоб повільно та поступово спустити бульбашку, а одночасно будувати економіку майбутнього.

Інвестори, включаючи венчурних капіталістів та пенсійні фонди, які вкладають гроші в компанії штучного інтелекту, повинні запитати, яку саме цінність створюється. Більярди доларів були вкінені в дослідження в найбільших технологічних компаніях для побудови штучного інтелекту, який у кінцевому підсумку легко відтворювався в інших місцях. Масштабні бюджети штучного інтелекту не гарантують унікальної інтелектуальної власності, блокування користувачів або оборонної економіки вже зараз. Тепер інвестори повинні оцінювати, як компанії будують, оптимізують та інтегрують моделі в реальні робочі потоки клієнтів, створюючи фактичні продукти та послуги. Інвестори повинні запитувати метрики, такі як економіка за робочим навантаженням при розгляді застосунків штучного інтелекту.

Ці, а не просто таланти чи власна природа моделі, є ключовими елементами цінності. Також важливо зрозуміти цінність відкритих моделей. Ці часто перевершують закриті API, оскільки дослідники та розробники можуть адаптувати їх локально. Це прийняття утворює ров навколо компанії чи продукту, допомагаючи гарантувати прибутки та успіх

Обидві сторони – інвестори та підприємці, які турбуються про ефективне використання капіталу, повинні зробити крок назад і оцінити справжню вартість штучного інтелекту та всіх пов’язаних компонентів; ці часто завищені та вищі, ніж це потрібно. Загальний підхід повинен полягати в тому, що витрати на апаратуру є волатильними, тому проектування штучного інтелекту не повинно залежати від конкретного пристрою чи апаратури. Цінність та те, що відрізняє компанію, полягає в її пропускній спроможності за долар, а не в знижках постачальників, які сприяють певному типу апаратури. Оборонна здатність витрат на штучний інтелект зараз полягає в оптимізації інфраструктури, власних даних та глибині інтеграції. Підприємці з хорошими ідеями для рішень, які ретельно створюють або використовують моделі з урахуванням кінцевих результатів, переможуть тих, хто шукає масштабовані моделі, які пізніше можуть бути масштабовані для різних потенційних застосунків. Ще одним плюсом є надання відкритих варіантів розгортання для студій та платформ, які не можуть залежати від віддаленого API для реальних досвідів.

Пolicymakers та індустрія також повинні думати більш логічно про регулювання. Прогрес у цих областях був повільним і зосереджувався переважно на моделях штучного інтелекту, які працюють на великих пристроях; це вже не є практичним підходом. Імпульс переважно спрямований на те, щоб такі моделі могли працювати на споживчій апаратурі, що робить регулювання самих моделей неможливим. Відкрита природа багатьох моделей представляє ще одну формуідабельну перешкоду для поточного підходу до регулювання. Ще раз, правильний підхід полягає в тому, щоб зосередитися на розгортанні через застосунки та продукти та розробляти нормативні рамки навколо них для різних галузей, а не загальні політики щодо моделей. Метою повинно бути регулювання застосунків та секторів, з стандартами походження, безпечними поручнями в продуктах та розкриттям для синтетичних медіа. Історія 90-х і початку 2000-х років знову містить мудру настанову щодо цього концепту: справа проти популярної компанії з обміну файлами Napster не обмежувала сам обмін файлами – ця технологія тільки росла і ставала ще швидшою, в кінцевому підсумку давши шлях стрімінговим службам – але зосередилася на відповідальному розгортанні технології платформою. (Навіть через банкрутство Napster насправді вдалося зберегти свій бренд, змінивши свій підхід до розгортання технології, і була придбана за понад 200 мільйонів доларів на початку цього року.)

Боттом-لاین полягає в тому, що ринок консолідуватиметься навколо кількох єдиних багатомодальних моделей штучного інтелекту, які можуть бути дистильовані для ефективності та адаптовані для різних застосунків. Усі зацікавлені сторони повинні приділяти значно більше уваги застосункам та справжній бізнес-цінності, яку штучний інтелект може принести, і не губитися в обіцянках самих моделей. Індустрія інфлюється швидше, ніж створює цінність. Чи закінчиться це драматичною корекцією – подібною до ранньої інтернет-бульбашки – залишається відкритим до дискусій. Однак ясність зараз означає стійкість пізніше.