Як AI може зазнати крах і вижити, як це зробив Інтернет

Тривалі драматичні коливання ринку серед технологічних гігантів, що працюють на основі AI, із публічними компаніями, які втрачають понад $1 трильйон вартості за менш ніж місяць, чітко показують, що оцінки відірвані від фундаментальних показників. Однак справжнє питання, яке потрібно поставити зараз, полягає не в тому, коли бульбашка лусне, а в тому, як галузь може відповідально спустити бульбашку та підготуватися до майбутнього AI.

За останні кілька років AI став синонімом великих оцінок, необмеженої масштабованості та відчуття, що ніхто не може конкурувати з найбільшими гравцями. Але технічна реальність змінилася і вказує на інший тип майбутнього для AI: справжні гроші не в надзвичайно дорогих моделях AI, які одного дня окупляться в вигляді величезних прибутків. Все частіше значення AI полягає в тому, як його інтегрують і використовують для заробітку грошей для бізнесу, враховуючи, що моделі AI повинні ставати дешевшими, а не дорожчими. Мітка про сингулярність закінчилася. Масштаб сам по собі вже не забезпечує стрибкоподібних прибутків. Виконання, розподіл та екосистема тепер мають більше значення, ніж суровий розмір моделі.

Коригування очікувань до цієї нової реальності дозволить зростаючій бульбашці AI повільно спуститися, а не луснути і завдавати шкоди економіці та фінансовим ринкам, як це сталося з крахом доткомів чверть століття тому.

У 90-х роках галузь технологій припускала, що Інтернет може і буде робити все; і що все, що побудовано на Інтернеті, буде успішним за природою. Вони помилялися, і бульбашка дійсно луснула – але Інтернет вижив. Крах підкреслив, що успіх в Інтернеті не полягає лише в основі 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 досі процвітає, тоді як Pets.com зазнав краху, оскільки ніколи не мав прибуткової можливості обробляти відправлення собачого корму, виклик, який був проігнорований за допомогою спокусливої ідеї про те, що вони зможуть мати клієнтів по всій країні завдяки появі Інтернету.

Саме там зараз знаходиться Великий AI, поглинений мріями та очікуваннями щодо майбутнього потенціалу технології. Не залишається жодного сумніву, що це найдивовижніша технологія, яку ми маємо сьогодні. Але моделі AI – це лише основна технологія, а не самі відповіді, і точно не місце, де гроші та значення залишаться. Насправді архітектури трансформерів та дифузії, які лежать в основі більшості генеративних моделей AI, є публічними; оптимізаційні框ові відкриті; обчислювальна потужність стає все більш доступною. Бар’єр вже не теоретичні знання. Це ремесло побудови надійних систем та інтеграції їх до існуючих творчих та виробничих потоків визначить, хто успішно впорається. Ці продукти та послуги вже не потребують, щоб інвестори виділили трильйони доларів. Я знаю це з власного досвіду. Наша команда в Єрусалимі побудувала відкриту аудіо-відео модель для створення відеороликів AI приблизно за одну десяту частку вартості тих, які створені лідерами 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 AI менше пов’язаний з секретною підливкою, а більше з дисциплінованим інженерством.

Як і з Інтернетом, ті, хто виживе, будуть тими, хто використовує AI для найкращих випадків використання, апаратних застосунків, продуктів та послуг. Справді, важко передбачити, які саме вони будуть. Адже в ранньому 90-х, коли люди використовували AOL або Prodigy, ніхто не міг уявити Gmail.

Однак, відсутність сили ясновидіння, існують розумні питання, які потрібно поставити на шляху, щоб спрямувати галузь AI та її інвесторів працювати таким чином, щоб повільно та поступово спустити бульбашку, а також побудувати економіку майбутнього.

Інвестори, включаючи венчурних капіталістів та пенсійні фонди, які вкладають гроші в компанії AI, потрібно запитати, яке саме значення створюється. Більярди доларів були вкладені в дослідження в великих технологічних компаніях для побудови AI, яке в кінцевому підсумку легко було відтворено в інших місцях. Масові бюджети AI не гарантують унікальної інтелектуальної власності, блокування користувачів або оборонної економіки. Тепер інвестори повинні оцінити, як компанії будують, оптимізують та інтегрують моделі в реальні робочі потоки клієнтів, створюючи фактичні продукти та послуги. Інвестори повинні запитати про метрики, такі як економіка за робочим навантаженням, коли дивляться на застосування AI.

Ці, а не самі таланти або власницька природа моделі, є ключовими елементами значення. Також важливо зрозуміти значення відкритих моделей. Вони часто перевершують закриті API, оскільки дослідники та розробники можуть адаптувати їх локально. Це прийняття складає навколо компанії або продукту, допомагаючи гарантувати прибутки та успіх

І інвестори, і підприємці, які турбуються про ефективне використання капіталу, повинні зробити крок назад і оцінити справжню вартість AI та всіх пов’язаних компонентів; ці часто завищені та вищі, ніж потрібно. Загальний підхід повинен полягати в тому, що витрати на апаратуру волатильні, тому дизайн AI не повинен залежати від будь-якого конкретного пристрою чи апаратури. Суть та те, що відрізняє компанію, полягає в її продуктивності за долар, а не у знижках постачальників, що сприяють певному типу апаратури. Обороноздатність витрат на AI зараз полягає в оптимізації інфраструктури, власних даних та глибині інтеграції. Підприємці з хорошими ідеями для рішень, які ретельно створюють або використовують моделі з урахуванням цієї кінцевої продуктивності, переможуть тих, хто шукає масові моделі, які пізніше можна буде масштабувати для різних потенційних застосунків. Ще одним плюсом є пропозиція відкритих варіантів розгортання для студій та платформ, які не можуть залежати від віддаленого API для реальних досвідів.

Пolicymakers та галузь також повинні думати більш логічно про регулювання. Прогрес у цих областях був повільним і зосереджувався в основному на моделях переднього краю, які працюють на великих пристроях; це вже не є практичним підходом. Імпульс переважно спрямований на те, щоб такі моделі могли працювати на споживчій апаратурі, роблячи регулювання самих моделей неможливим. Відкрита природа багатьох моделей представляє ще одну серйозну виклик поточному підходу до регулювання. Ще раз, правильний підхід полягає в тому, щоб зосередитися на розгортанні через застосування та продукти, а також розробляти нормативні рамки навколо них для різних галузей, а не загальні політики щодо моделей. Метою повинно бути регулювання застосунків та секторів, з стандартами для походження, безпеки в продуктах та розкриття синтетичних ЗМІ. Історія 90-х і початку 2000-х років знову містить мудру настанову щодо цього концепту: справу проти популярної компанії з обміну музичними файлами Napster не обмежила сам обмін файлами – ця технологія лише росла і ставала ще швидшою, в кінцевому підсумку призвела до стримінгу – але зосередилася на відповідальному розгортанні технології платформою. (Даже через банкрутство Napster насправді змогла зберегти себе як бренд, змінивши спосіб розгортання своєї технології, і була придбана за понад 200 мільйонів доларів на початку цього року.)

Основна думка полягає в тому, що ринок буде консолідуватися навколо кількох уніфікованих багатомодальних моделей AI, які можуть бути дистильовані для ефективності та адаптовані для різних застосунків. Усі зацікавлені сторони повинні звертати значно більше уваги на застосування та фактичну бізнес-цінність, яку може принести AI, і не губитися в обіцянках самих моделей. Галузь інфлюється швидше, ніж створює цінність. Чи це закінчиться драматичною корекцією – подібною до початку бульбашки Інтернету – залишається відкритим для дискусій. Але ясність зараз означає стійкість пізніше.