Как предишните технологични бумове ни учат за AI

Цикълът на инфраструктурата се повтаря

Силициевата долина често твърди, че последният ѝ пробив е безпрецедентен. Това не е така. Настоящият възход на изкуствения интелект отразява разширяването на железопътните линии през 1800-те години и дот-ком бума в края на 90-те. Виждаме масивна промяна в това как текат капиталите и как се централизира изчислителната мощ. Тук става въпрос за това кой притежава инфраструктурата на бъдещето. Съединените щати водят, защото имат най-дълбоките джобове и най-агресивните cloud доставчици. Историята показва, че тези, които контролират релсите или оптичните кабели, в крайна сметка диктуват условията за всички останали. AI не е по-различен. Той следва добре утъпкан път на изграждане на инфраструктура, последван от бърза консолидация. Разбирането на този модел ни помага да видим отвъд хайпа и да идентифицираме къде се крие реалната сила в този нов цикъл. Основният извод е прост. Ние не просто изграждаме по-умен софтуер. Ние изграждаме нов инструмент, който ще бъде толкова фундаментален, колкото електричеството или интернет. Победителите ще бъдат тези, които контролират физическия хардуер и масивните масиви от данни, необходими за поддържането на тези системи.

От стоманени релси до невронни мрежи

За да разберете AI днес, погледнете бума на американските железници. В средата на 1800-те години огромни количества капитал се изляха в полагането на релси през континента. Много компании фалираха, но релсите останаха. Тези релси поставиха основата за следващия век на икономически растеж. AI в момента е във фазата на полагане на релси. Вместо стомана и пара, ние използваме силиций и електричество. Огромните инвестиции от компании като Microsoft и Google изграждат изчислителните клъстери, които ще поддържат всяка друга индустрия. Това е класическа игра с инфраструктура. Когато една технология изисква огромен капитал за стартиране, тя естествено облагодетелства големите, утвърдени играчи. Ето защо няколко фирми в САЩ доминират в областта. Те имат парите да купят чиповете и земята, за да построят центрове за данни. Те също имат съществуващите потребителски бази, за да тестват своите модели в мащаб. Това създава обратна връзка, при която най-големите играчи получават повече данни, което прави моделите им по-добри, което привлича повече потребители.

Хората често бъркат AI със самостоятелен продукт. По-точно е да се разглежда като платформа. Точно както интернет се нуждаеше от [external-link] историята на интернет, за да премине от военен проект към глобален инструмент, AI преминава от изследователски лаборатории към гръбнака на бизнес операциите. Преходът се случва по-бързо от предишните цикли, защото мрежата за разпространение вече съществува. Не е нужно да полагаме нови кабели, за да достигнем до потребителите. Трябва само да надстроим сървърите в края на линиите. Тази скорост е това, което прави настоящия момент различен, дори ако основните икономически модели са познати. Концентрацията на власт е характеристика на този етап, а не грешка. Историята предполага, че след като инфраструктурата е настроена, фокусът се измества от изграждането на системите към извличането на стойност от тях. Сега се приближаваме към тази повратна точка.

Предимството на американския капитал

Глобалното въздействие на AI е пряко свързано с това кой може да си позволи сметката. В момента това са основно САЩ. Дълбочината на американските капиталови пазари позволява ниво на риск, на което други региони трудно могат да съответстват. Това създава значителна разлика в силата на платформата. Когато шепа компании контролират cloud-а, те ефективно контролират правилата на играта за всички останали. Това има дълбоки последици за националния суверенитет и глобалната конкуренция. Държави, които нямат собствена мащабна изчислителна инфраструктура, трябва да я наемат от американски доставчици. Това създава нов вид зависимост. Вече не става въпрос само за софтуерни лицензи. Става въпрос за достъп до изчислителната мощ, необходима за управление на съвременна икономика. Тази централизация на властта е повтаряща се тема в историята на технологиите.

Има три основни причини, поради които тази власт остава концентрирана в няколко ръце:

• Цената за обучение на водещ модел сега достига милиарди долари.
• Специализираният хардуер, необходим за това, се произвежда от много малък брой производители.
• Масивните енергийни нужди на центровете за данни облагодетелстват региони със стабилни и евтини енергийни мрежи.

Тази реалност противоречи на идеята, че AI ще бъде голям изравнител. Въпреки че инструментите стават по-достъпни за индивидите, основният контрол остава по-консолидиран от всякога. Правителствата започват да забелязват този дисбаланс. Те разглеждат исторически прецеденти като [external-link] Закона за антитръста на Шърман, за да видят дали старите закони могат да се справят с новите монополи. Индустриалната скорост обаче в момента изпреварва политиката. Докато една регулация се обсъжда и приема, технологията често вече е преминала две поколения напред. Това създава постоянна изостаналост, при която законът винаги реагира на реалност, която вече се е променила.

Когато софтуерът се движи по-бързо от закона

Реалното въздействие на тази скорост е видимо в това как бизнесите са принудени да се адаптират. Помислете за един ден от живота на малка маркетингова фирма в Чикаго. Преди пет години те наемаха младши писатели, които да чертаят текстове, и изследователи, които да откриват тенденции. Днес собственикът използва един абонамент за AI платформа, за да се справи със седемдесет процента от това натоварване. Сутринта започва с генерирано от AI резюме на глобалните пазарни промени. До обяд системата е изготвила тридесет различни рекламни вариации въз основа на тези промени. Човешкият персонал сега действа като редактори и стратези, а не като създатели. Тази промяна се случва във всеки сектор, от правото до медицината. Тя повишава ефективността, но също така създава масивна зависимост от доставчика на платформата. Ако доставчикът промени ценообразуването си или условията си за ползване, маркетинговата фирма няма друг избор, освен да се съобрази. Те са интегрирали инструмента толкова дълбоко в работния си процес, че не могат лесно да се върнат към ръчен труд.

Този сценарий показва защо политиката се бори да бъде в крак. Регулаторите все още се притесняват за поверителността на данните и авторското право, докато индустрията вече се движи към автономни агенти, които могат да вземат финансови решения. Индустриалната скорост на развитието на AI се движи от надпревара за пазарен дял. Компаниите са готови да чупят неща сега и да ги поправят по-късно, защото да бъдеш втори в инфраструктурна надпревара често е същото като да бъдеш последен. Видяхме това с браузърните войни и възхода на социалните медии. Победителите са тези, които се движат достатъчно бързо, за да станат стандарт по подразбиране. След като веднъж станете стандарт, е много трудно да бъдете изместени. Това създава ситуация, в която общественият интерес често е вторичен спрямо стремежа към мащаб. Противоречието е, че искаме ползите от технологията, но сме предпазливи към властта, която тя дава на няколко корпорации.

Последният анализ на AI индустрията относно [internal-link] последния анализ на AI индустрията предполага, че навлизаме във фаза на дълбока интеграция. Това е моментът, в който технологията спира да бъде новост и започва да бъде изискване. За един бизнес, неизползването на AI скоро ще бъде като неизползването на интернет през 2010 г. Може да е възможно, но ще бъде невероятно неефективно. Този натиск за приемане е това, което движи бързия растеж, дори когато дългосрочните последици са неясни. Виждаме повторение на началото на 2000-те, когато компаниите се втурнаха онлайн, без напълно да разбират рисковете за сигурността или поверителността. Разликата днес е, че мащабът е много по-голям и залозите са по-високи. Системите, които изграждаме сега, вероятно ще управляват начина, по който работим и комуникираме през следващите няколко десетилетия.

Трудни въпроси за ерата на изчисленията

Трябва да приложим Сократов скептицизъм към настоящия бум. Какви са скритите разходи на това бързо разширяване? Най-очевидното е въздействието върху околната среда. Докладът на [external-link] Международната агенция по енергетика за центровете за данни подчертава колко енергия консумират тези системи. Докато изграждаме повече центрове за данни, ние поставяме по-голямо напрежение върху застаряващите енергийни мрежи. Кой плаща за тази инфраструктура? Дали компаниите, които печелят милиарди, или данъкоплатците, които споделят мрежата? Съществува и въпросът за труда с данни. Тези модели се обучават върху колективния резултат на човечеството, често без съгласие или компенсация. Справедливо ли е няколко компании да приватизират стойността на публичните данни? Трябва да се запитаме кой наистина печели от тази ефективност. Ако една задача, която отнемаше десет часа, сега отнема десет минути, дали работникът получава повече свободно време, или просто получава десет пъти повече работа?

Поверителността е друга област, в която разходите често са скрити. За да направим AI по-полезен, му даваме повече достъп до личния и професионалния си живот. Ние търгуваме данните си за удобство. Историята показва, че веднъж щом поверителността бъде предадена, е почти невъзможно да бъде върната. Видяхме това с възхода на интернет, поддържан от реклами. Това, което започна като начин за намиране на информация, се превърна в глобална система за наблюдение. AI има потенциала да изведе това още по-далеч. Ако един AI знае как мислите и как работите, той може да повлияе на решенията ви по начини, които са трудни за откриване. Това не са просто технически проблеми. Това са социални и етични дилеми, които изискват нещо повече от просто софтуерен пач. Трябва да решим дали скоростта на прогреса си заслужава загубата на индивидуална автономия. Отговорите на тези въпроси ще определят вида общество, в което живеем, след като AI бумът се установи в своята зряла фаза.

Механиката на моделния слой

За тези, които гледат техническата страна, фокусът се измества от размера на модела към интеграцията на работния процес. Виждаме отдалечаване от масивни модели с общо предназначение към по-малки, специализирани, които могат да работят на локален хардуер. Това е отговор на високите разходи и латентността на базираните в cloud-а API-та. Power users все повече търсят начини да заобиколят ограниченията, наложени от големите доставчици. Това включва управление на ограниченията на API и намиране на начини за съхранение на данни локално, за да се гарантира поверителност и скорост. Интеграцията на AI в съществуващи инструменти е мястото, където се случва истинската работа. Не става въпрос за чат с бот. Става въпрос за наличието на модел, който може да чете вашите локални файлове, да разбира вашия специфичен стил на кодиране и да предлага промени в реално време. Това изисква различен вид архитектура от тази, използвана за публични уеб инструменти.

Техническите предизвикателства за следващите няколко години включват:

• Оптимизиране на моделите за работа на потребителски GPU-та без загуба на твърде много точност.
• Разработване на по-добри начини за управление на дългосрочната памет в AI агентите, така че те да могат да помнят контекст в продължение на седмици или месеци.
• Създаване на стандартизирани протоколи за различните AI системи, за да комуникират помежду си.

Също така виждаме възход на *локалното извеждане* (local inference) като начин за поддържане на контрол върху чувствителни данни. Чрез стартиране на модели на локална машина, потребителят може да гарантира, че неговата патентована информация никога не напуска сградата му. Това е особено важно за индустрии като правото и финансите, където сигурността на данните е от първостепенно значение. Локалният хардуер обаче все още изостава от масивните клъстери, притежавани от cloud гигантите. Това създава двустепенна система. Най-мощните модели ще останат в cloud-а, докато по-ефективни, по-малко способни версии ще работят локално. Балансирането на тези два свята е следващото голямо предизвикателство за разработчиците. Те трябва да решат кога да използват суровата мощ на cloud-а и кога да дадат приоритет на поверителността и скоростта на локалните изчисления. Това техническо напрежение ще движи голяма част от иновациите през идните години.

Имате история, инструмент, тенденция или въпрос, свързани с ИИ, които смятате, че трябва да обхванем? Изпратете ни вашата идея за статия — ще се радваме да я чуем.

Недовършената история на мащаба

Историята на технологиите е история на консолидацията. От железниците до интернет, виждаме модел на експлозия, последван от контрол. AI в момента е по средата на този цикъл. Американският ъгъл е доминиращ, защото ресурсите, необходими за този етап на растеж, са концентрирани там. Историята обаче не е приключила. С узряването на технологията ще видим нови предизвикателства пред тази сила на платформата. Дали това ще дойде от регулация, нови технически пробиви или промяна в начина, по който оценяваме данните си, предстои да видим. Живият въпрос е дали можем да се наслаждаваме на ползите от тази нова инфраструктура, без да се отказваме от конкуренцията и поверителността, които правят една здравословна икономика възможна. Ние изграждаме основата на следващия век. Трябва да бъдем много внимателни кой държи ключовете към нея.

Бележка на редактора: Създадохме този сайт като многоезичен център за новини и ръководства за изкуствен интелект за хора, които не са компютърни маниаци, но все пак искат да разберат изкуствения интелект, да го използват с повече увереност и да следят бъдещето, което вече настъпва.