Co nás mohou minulé technologické boomu naučit o AI

Cyklus infrastruktury se opakuje

Silicon Valley často tvrdí, že jeho nejnovější průlom je bezprecedentní. Není. Současný vzestup umělé inteligence zrcadlí expanzi železnic v 19. století a dot-com boom konce 90. let. Sledujeme masivní posun v tom, jak proudí kapitál a jak se centralizuje výpočetní výkon. Jde o to, kdo vlastní infrastrukturu budoucnosti. Spojené státy vedou, protože mají nejhlubší kapsy a nejagresivnější cloudové poskytovatele. Historie ukazuje, že ti, kdo ovládají koleje nebo kabely z optických vláken, nakonec diktují podmínky všem ostatním. AI není jiná. Sleduje dobře vyšlapanou cestu budování infrastruktury následovanou rychlou konsolidací. Pochopení tohoto vzorce nám pomáhá vidět za humbuk a identifikovat, kde v tomto novém cyklu leží skutečná moc. Hlavní poznatek je jednoduchý. Nestavíme jen chytřejší software. Stavíme novou utilitu, která bude stejně zásadní jako elektřina nebo internet. Vítězi budou ti, kteří ovládají fyzický hardware a masivní datasety potřebné k udržení těchto systémů v chodu.

Od ocelových kolejí k neuronovým sítím

Chcete-li dnes pochopit AI, podívejte se na americký železniční boom. V polovině 19. století se do pokládání kolejí napříč kontinentem nalilo obrovské množství kapitálu. Mnoho společností zkrachovalo, ale koleje zůstaly. Tyto koleje vytvořily základ pro další století ekonomického růstu. AI se v současnosti nachází ve fázi pokládání kolejí. Místo oceli a páry používáme křemík a elektřinu. Obrovské investice od společností jako Microsoft a Google budují výpočetní clustery, které podpoří každé další odvětví. Toto je klasická hra na infrastrukturu. Když technologie vyžaduje k zahájení obrovský kapitál, přirozeně to nahrává velkým, zavedeným hráčům. Proto několik firem v USA dominuje oboru. Mají peníze na nákup čipů a pozemky na stavbu datových center. Mají také stávající uživatelské základny k testování svých modelů ve velkém. To vytváří zpětnou vazbu, kde největší hráči získávají více dat, což zlepšuje jejich modely, což přitahuje více uživatelů.

Lidé si často pletou AI se samostatným produktem. Přesnější je vnímat ji jako platformu. Stejně jako internet potřeboval [external-link] historii internetu, aby se přesunul z vojenského projektu na globální utilitu, AI se přesouvá z výzkumných laboratoří na páteř obchodních operací. Přechod probíhá rychleji než v předchozích cyklech, protože distribuční síť již existuje. Nemusíme pokládat nové kabely, abychom oslovili uživatele. Stačí nám upgradovat servery na koncích linek. Tato rychlost je to, co dělá současný moment odlišným, i když základní ekonomické vzorce jsou známé. Koncentrace moci je vlastností této fáze, nikoliv chybou. Historie naznačuje, že jakmile je infrastruktura nastavena, pozornost se přesouvá od budování systémů k získávání hodnoty z nich. Nyní se blížíme k tomuto bodu obratu.

Americká kapitálová výhoda

Globální dopad AI je přímo spjat s tím, kdo si může dovolit zaplatit účet. Právě teď jsou to především USA. Hloubka amerických kapitálových trhů umožňuje míru rizika, kterému jiné regiony jen těžko konkurují. To vytváří značnou mezeru v síle platforem. Když hrstka společností ovládá cloud, efektivně ovládají pravidla hry pro všechny ostatní. To má hluboké důsledky pro národní suverenitu a globální konkurenci. Země, které nemají vlastní rozsáhlou výpočetní infrastrukturu, si ji musí pronajmout od amerických poskytovatelů. To vytváří nový druh závislosti. Už nejde jen o softwarové licence. Jde o přístup k výpočetnímu výkonu potřebnému k provozu moderní ekonomiky. Tato centralizace moci je opakujícím se tématem v historii technologií.

Existují tři hlavní důvody, proč tato moc zůstává soustředěna v několika rukou:

• Náklady na trénování špičkového modelu nyní dosahují miliard dolarů.
• Specializovaný hardware potřebný k tomu je vyráběn velmi malým počtem výrobců.
• Masivní energetické nároky datových center nahrávají regionům se stabilními a levnými energetickými sítěmi.

Tato realita vyvrací myšlenku, že AI bude velkým vyrovnávačem. Zatímco nástroje se stávají pro jednotlivce dostupnějšími, základní kontrola zůstává konsolidovanější než kdy dříve. Vlády si začínají této nerovnováhy všímat. Dívají se na historické precedenty, jako je [external-link] Shermanův antimonopolní zákon, aby zjistily, zda staré zákony dokážou zvládnout nové monopoly. Průmyslová rychlost však v současnosti předbíhá politiku. Než je regulace projednána a schválena, technologie se často posunula o dvě generace vpřed. To vytváří trvalé zpoždění, kdy zákon vždy reaguje na realitu, která se již změnila.

Když software běží rychleji než zákon

Skutečný dopad této rychlosti je viditelný v tom, jak se firmy musí přizpůsobit. Představte si den v životě malé marketingové firmy v Chicagu. Před pěti lety najímali juniory na psaní textů a výzkumníky na hledání trendů. Dnes majitel používá jediné předplatné AI platformy, aby zvládl sedmdesát procent této pracovní zátěže. Ráno začíná AI generovaným shrnutím globálních tržních posunů. Do poledne systém navrhl třicet různých variant reklam založených na těchto posunech. Lidský personál nyní funguje spíše jako editoři a stratégové než jako tvůrci. Tento posun se děje v každém sektoru, od práva po medicínu. Zvyšuje efektivitu, ale také vytváří masivní závislost na poskytovateli platformy. Pokud poskytovatel změní své ceny nebo obchodní podmínky, marketingová firma nemá jinou možnost než vyhovět. Integrovali nástroj tak hluboko do svého pracovního postupu, že se nemohou snadno vrátit k manuální práci.

Tento scénář ukazuje, proč politika bojuje s tím, aby udržela krok. Regulátoři se stále obávají ochrany dat a autorských práv, zatímco průmysl se již posouvá k autonomním agentům, kteří mohou činit finanční rozhodnutí. Průmyslová rychlost vývoje AI je poháněna závodem o podíl na trhu. Společnosti jsou ochotny věci nyní rozbít a později opravit, protože být druhý v závodě o infrastrukturu je často totéž jako být poslední. Viděli jsme to u prohlížečových válek a vzestupu sociálních médií. Vítězi jsou ti, kteří se pohybují dostatečně rychle, aby se stali výchozím standardem. Jakmile jste standardem, je velmi těžké vás nahradit. To vytváří situaci, kdy je veřejný zájem často druhořadý vůči snaze o škálování. Rozpor spočívá v tom, že chceme výhody technologie, ale jsme obezřetní vůči moci, kterou dává několika korporacím.

Nejnovější analýza AI průmyslu na [internal-link] nejnovější analýza AI průmyslu naznačuje, že vstupujeme do fáze hluboké integrace. To je chvíle, kdy technologie přestává být novinkou a začíná být požadavkem. Pro podnikání bude brzy nepoužívání AI jako nepoužívání internetu v roce 2010. Možná to bude možné, ale bude to neuvěřitelně neefektivní. Tento tlak na adopci je to, co pohání rychlý růst, i když dlouhodobé důsledky jsou nejasné. Sledujeme opakování počátku roku 2000, kdy se společnosti hnaly online, aniž by plně chápaly bezpečnostní nebo soukromá rizika. Rozdíl je dnes v tom, že měřítko je mnohem větší a sázky jsou vyšší. Systémy, které nyní stavíme, budou pravděpodobně řídit to, jak pracujeme a komunikujeme po několik příštích desetiletí.

Těžké otázky pro éru výpočetní techniky

Musíme na současný boom aplikovat sokratovský skepticismus. Jaké jsou skryté náklady této rychlé expanze? Nejzřejmějším je dopad na životní prostředí. Zpráva [external-link] Mezinárodní energetické agentury o datových centrech zdůrazňuje, kolik energie tyto systémy spotřebovávají. Jak stavíme další datová centra, více zatěžujeme stárnoucí energetické sítě. Kdo platí za tuto infrastrukturu? Jsou to společnosti vydělávající miliardy, nebo daňoví poplatníci, kteří sdílejí síť? Existuje také otázka datové práce. Tyto modely jsou trénovány na kolektivním výstupu lidstva, často bez souhlasu nebo kompenzace. Je fér, aby několik společností privatizovalo hodnotu veřejných dat? Musíme se ptát, kdo skutečně těží z této efektivity. Pokud úkol, který trval deset hodin, nyní trvá deset minut, získá pracovník více volného času, nebo jen dostane desetkrát více práce?

Soukromí je další oblastí, kde jsou náklady často skryté. Abychom AI učinili užitečnější, dáváme jí větší přístup k našim osobním a profesním životům. Vyměňujeme svá data za pohodlí. Historie ukazuje, že jakmile se soukromí vzdáte, je téměř nemožné ho získat zpět. Viděli jsme to se vzestupem internetu podporovaného reklamou. To, co začalo jako způsob hledání informací, se změnilo v globální sledovací systém. AI má potenciál posunout to ještě dál. Pokud AI ví, jak přemýšlíte a jak pracujete, může ovlivnit vaše rozhodnutí způsoby, které je těžké odhalit. Nejsou to jen technické problémy. Jsou to sociální a etické dilemata, která vyžadují více než jen softwarovou záplatu. Musíme se rozhodnout, zda rychlost pokroku stojí za ztrátu individuální autonomie. Odpovědi na tyto otázky určí druh společnosti, ve které budeme žít, jakmile AI boom přejde do své zralé fáze.

Mechanika vrstvy modelu

Pro ty, kteří se dívají na technickou stránku, se pozornost přesouvá od velikosti modelu k integraci pracovního postupu. Sledujeme odklon od masivních, všeobecných modelů směrem k menším, specializovaným, které mohou běžet na lokálním hardwaru. To je reakce na vysoké náklady a latenci cloudových API. Pokročilí uživatelé stále častěji hledají způsoby, jak obejít limity stanovené hlavními poskytovateli. To zahrnuje správu limitů API a hledání způsobů, jak ukládat data lokálně, aby byla zajištěna soukromí a rychlost. Integrace AI do stávajících nástrojů je místem, kde se odehrává skutečná práce. Nejde o chatování s botem. Jde o to mít model, který dokáže číst vaše lokální soubory, rozumět vašemu specifickému stylu kódování a navrhovat změny v reálném čase. To vyžaduje jiný druh architektury, než jaký se používá pro veřejné webové nástroje.

Technické výzvy pro příštích několik let zahrnují:

• Optimalizaci modelů pro běh na spotřebitelských GPU bez přílišné ztráty přesnosti.
• Vývoj lepších způsobů, jak zacházet s dlouhodobou pamětí u AI agentů, aby si mohli pamatovat kontext po týdny nebo měsíce.
• Vytváření standardizovaných protokolů pro různé AI systémy, aby spolu mohly komunikovat.

Také vidíme vzestup *lokální inference* jako způsob, jak udržet kontrolu nad citlivými daty. Spuštěním modelů na lokálním stroji může uživatel zajistit, že jeho proprietární informace nikdy neopustí budovu. To je zvláště důležité pro odvětví, jako je právo a finance, kde je bezpečnost dat prvořadá. Lokální hardware však stále zaostává za masivními clustery vlastněnými cloudovými giganty. To vytváří dvoustupňový systém. Nejvýkonnější modely zůstanou v cloudu, zatímco efektivnější, méně schopné verze poběží lokálně. Vyvažování těchto dvou světů je další velkou výzvou pro vývojáře. Musí se rozhodnout, kdy použít hrubou sílu cloudu a kdy upřednostnit soukromí a rychlost lokálního výpočtu. Toto technické napětí bude v příštích letech hnát velkou část inovací.

Máte příběh, nástroj, trend nebo otázku týkající se AI, o kterých si myslíte, že bychom je měli pokrýt? Pošlete nám svůj nápad na článek — rádi si ho poslechneme.

Nedokončený příběh škálování

Historie technologií je historií konsolidace. Od železnic po internet vidíme vzorec exploze následované kontrolou. AI se v současnosti nachází uprostřed tohoto cyklu. Americký úhel pohledu je dominantní, protože zdroje potřebné pro tuto fázi růstu jsou tam soustředěny. Příběh však nekončí. Jak technologie dospívá, uvidíme nové výzvy pro tuto sílu platforem. Zda to přijde z regulace, nových technických průlomů nebo posunu v tom, jak si ceníme našich dat, se teprve uvidí. Živou otázkou je, zda si můžeme užívat výhody této nové infrastruktury, aniž bychom se vzdali konkurence a soukromí, které umožňují zdravou ekonomiku. Stavíme základy příštího století. Měli bychom být velmi opatrní, kdo drží klíče k nim.

Poznámka redakce: Tuto stránku jsme vytvořili jako vícejazyčné centrum zpráv a průvodců o umělé inteligenci pro lidi, kteří nejsou počítačoví maniaci, ale přesto chtějí porozumět umělé inteligenci, používat ji s větší jistotou a sledovat budoucnost, která již přichází.