Perustajat, kriitikot ja tutkijat: Keskustelut, jotka kannattaa lukea

Useimmat ihmiset osaavat nimetä OpenAI:n toimitusjohtajan. Harvempi osaa nimetä niiden tutkimuspaperien kirjoittajat, jotka määrittelivät nykyisen suurten kielimallien aikakauden. Tämä tiedon puute luo vääristyneen kuvan siitä, miten teknologia todellisuudessa kehittyy. Käsittelemme tekoälyä kuin sarjaa tuotejulkistuksia, vaikka kyseessä on hidas matemaattisten läpimurtojen kertymä. Perustajat hallitsevat pääomaa ja julkista narratiivia. Tutkijat hallitsevat painoarvoja ja logiikkaa. Eron ymmärtäminen on ainoa tapa nähdä markkinointipuheiden läpi. Jos seuraat vain perustajia, katsot elokuvaa. Jos seuraat tutkijoita, luet käsikirjoitusta. Tämä artikkeli tarkastelee, miksi tämä ero on tärkeä ja miten tunnistaa ne signaalit, jotka todella määrittävät alan tulevaisuuden. Siirrymme karismaattisten puheiden yli tarkastelemaan laboratorion kylmää todellisuutta. On aika keskittyä niihin ihmisiin, jotka kirjoittavat koodin, eikä vain niihin, jotka allekirjoittavat lehdistötiedotteet.

Koneiden aikakauden näkymättömät arkkitehdit

Perustajat ovat julkiset kasvot. He puhuvat World Economic Forumissa ja todistavat kongressissa. Heidän tehtävänsä on hankkia miljardeja rahoitusta ja rakentaa brändi, joka tuntuu väistämättömältä. He käyttävät sanoja, jotka viittaavat taikuuteen. Tutkijat ovat erilaisia. He työskentelevät Pythonilla ja LaTeXilla. He välittävät häviöfunktioista ja token-tehokkuudesta. Perustaja saattaa sanoa, että heidän mallinsa ajattelee. Tutkija kertoo sinulle, että se ennustaa seuraavan todennäköisimmän sanan tietyn todennäköisyysjakauman perusteella. Hämmennys syntyy siitä, että media kohtelee näitä kahta ryhmää yhtenä. Kun toimitusjohtaja sanoo mallin ratkaisevan ilmastonmuutoksen, se on myyntipuhe. Kun tutkija julkaisee paperin harvoista autoenkoodereista, se on tekninen väite. Toinen on toive. Toinen on fakta.

Yleisö sekoittaa usein toiveen faktaksi. Tämä johtaa yli-lupausten ja alisuoriutumisen kierteeseen. Ymmärtääksesi tätä alaa, sinun on erotettava auton myyjä moottorin suunnittelijasta. Moottorin suunnittelija tietää tarkalleen, missä pultit ovat löysällä. Myyjä ei koskaan kerro sinulle löysistä pulteista, koska hänen tehtävänsä on pitää osakekurssi korkealla. Näemme tämän toistuvan aina, kun uusi malli julkaistaan. Perustaja postaa kryptisen twiitin luodakseen hypeä. Tutkija postaa linkin tekniseen raporttiin osoitteessa arXiv. Twiitti saa miljoona katselukertaa. Teknisen raportin lukee muutama tuhat ihmistä, jotka todella rakentavat asioita. Tämä luo palautekierteen, jossa äänekkäimmät äänet määrittelevät todellisuuden kaikille muille.

Innovaatioiden julkisten kasvojen takana

Tällä jaolla on valtavia vaikutuksia globaaliin politiikkaan. Hallitukset kirjoittavat parhaillaan lakeja perustajien varoitusten perusteella. Nämä perustajat varoittavat usein eksistentiaalisista riskeistä, jotka tuntuvat tieteiskirjallisuudelta. Tämä pitää fokuksen hypoteettisissa tulevaisuuksissa nykyisten haittojen sijaan. Samaan aikaan tutkijat osoittavat välittömiä ongelmia, kuten datan vinoumia ja energiankulutusta. Kuuntelemalla ensisijaisesti kuuluisia nimiä, vaarannamme säätelevämme vääriä asioita. Saatamme kieltää tulevaisuuden superälykkyyden samalla kun jätämme huomiotta sen, että nykyiset mallit kuluttavat pienten kaupunkien pohjavesiä datakeskustensa jäähdyttämiseen. Tämä ei ole vain amerikkalainen ongelma. Euroopassa ja Aasiassa vallitsee sama dynamiikka.

Äänet, jotka saavat eniten huomiota, ovat niitä, joilla on suurimmat markkinointibudjetit. Tämä luo ympäristön, jossa voittaja vie kaiken ja muutama yritys asettaa agendan koko planeetalle. Jos emme laajenna näkökulmaamme, annamme kourallisen ihmisiä Piilaaksossa määritellä, mikä on turvallista ja mikä mahdollista. Tämä vallan keskittyminen on riski itsessään. Se rajoittaa ajattelun monimuotoisuutta alalla, joka sitä tarvitsee. Meidän on kuultava Toronton yliopiston tai Tokion laboratorioiden ihmisiä yhtä paljon kuin San Franciscon ihmisiä. Tieteellinen edistys on maailmanlaajuinen ponnistus, mutta narratiivi on tällä hetkellä paikallinen monopoli. Meidän on katsottava lehtiä kuten Nature nähdäksemme todellisen edistyksen, jota tapahtuu yritysten hallitushuoneiden ulkopuolella.

Miksi maailma kuuntelee vääriä ihmisiä

Pohdi suuren laboratorion johtavan tutkijan päivää. He heräävät ja tarkistavat kolme miljoonaa dollaria maksaneen koulutusajon tulokset. He näkevät, että malli hallusinoi enemmän kuin odotettiin. He käyttävät kymmenen tuntia dataklustereiden tutkimiseen löytääkseen kohinan. He eivät ajattele vuoden 2024 vaaleja tai ihmiskunnan kohtaloa. He pohtivat, miksi malli ei ymmärrä kieltämistä monimutkaisissa lauseissa. He katsovat neuronien aktivaation lämpökarttoja. Heidän menestystään mitataan bitteinä per merkki tai tarkkuudella tietyssä benchmarkissa. Pohdi nyt perustajan päivää. He ovat yksityiskoneessa tapaamassa valtionpäämiestä. He puhuvat uuden talouden biljoonan dollarin mahdollisuudesta.

Tutkija käsittelee miten-kysymystä. Perustaja käsittelee sitä, miksi se on rahan arvoista. Sovellusta kehittävälle kehittäjälle tutkija on tärkeämpi hahmo. Tutkija määrittää API-latenssin ja konteksti-ikkunan. Perustaja määrittää hinnan. Jos yrität rakentaa liiketoimintaa, sinun on tiedettävä, pystyykö teknologia todella tekemään sen, mitä perustaja väittää. Usein se ei pysty. Näimme tämän autonomisen ajamisen alkuajoina. Perustajat sanoivat, että meillä olisi miljoonia robottitakseja vuoteen 2026 mennessä. Tutkijat tiesivät, että rankkasateen reunatapaukset olivat yhä ratkaisematon ongelma. Yleisö uskoi perustajia. Tutkijat olivat oikeassa.

Tämä sama kaava toistuu generatiivisen tekoälyn kentällä. Meille kerrotaan, että mallit korvaavat pian lakimiehet ja lääkärit. Jos luet tekniset paperit, huomaat, että mallit kamppailevat yhä peruslogiikan johdonmukaisuuden kanssa. Demo ja todellisuuden välinen kuilu on se paikka, jossa yritykset menettävät rahaa. Löydät syväluotauksen tekoälytrendeihin nähdäksesi, miten näitä teknisiä rajoja testataan nykyään. Tämä erottelu on ero järkevän sijoituksen ja spekulatiivisen kuplan välillä. Kun kuulet uuden väitteen, kysy itseltäsi, tuliko se paperista vai lehdistötiedotteesta. Vastaus kertoo, kuinka paljon painoarvoa sille kannattaa antaa. MIT Technology Review -lehden toimittajat korostavat usein tätä laboratorion ja aulan välistä kuilua. Meidän on muistettava, että perustajilla on kannustimet piilottaa virheet, kun taas tutkijoilla on kannustimet löytää ne. Edellinen rakentaa hypen ja jälkimmäinen rakentaa totuuden. Pitkällä aikavälillä totuus on ainoa asia, joka skaalautuu. Näimme tämän vuonna 2026, kun ensimmäinen hypeaalto alkoi jäähtyä teknisen todellisuuden painon alla.

Tiistai laboratoriossa vastaan hallitushuone

Meidän on kysyttävä vaikeita kysymyksiä nykyisestä kehityspolusta. Kuka maksaa tutkimuksesta, jonka perustajat väittävät hyödyttävän kaikkia? Useimmat huippututkijat ovat jättäneet akatemian yksityisten laboratorioiden hyväksi. Tämä tarkoittaa, että heidän tuottamansa tieto ei ole enää julkista hyvää. Se on yrityssalaisuus. Mitä tieteelliselle menetelmälle tapahtuu, kun todisteena käytetty data on piilotettu maksumuurin taakse? Näemme siirtymän avoimesta tieteestä suljetun kilpailuedun malliin. Auttaako muutaman yksilön maine alaa vai luoko se persoonallisuuskultin, joka lannistaa eriävän mielipiteen? Jos tutkija löytää suuren virheen lippulaivamallista, tuntevatko he olonsa turvalliseksi raportoidessaan siitä, jos se saattaa romuttaa yrityksen arvostuksen?

Näiden yritysten taloudellinen paine on valtava. Meidän on myös harkittava ympäristökustannuksia. Onko hieman parempien benchmark-tulosten tavoittelu näiden mallien valtavan hiilijalanjäljen arvoista? Puhumme usein tekoälyn hyödyistä ympäristölle, mutta näemme harvoin kirjanpitoa, joka tasapainottaa nämä kaksi. Lopuksi, kuka omistaa kulttuurin, jolla nämä mallit on koulutettu? Tutkijat käyttävät internetin kollektiivista tuotosta rakentaakseen järjestelmänsä. Perustajat laskuttavat sitten yleisöä pääsystä saman tuotoksen tislattuun versioon. Tämä on varallisuuden siirto, josta keskustellaan harvoin otsikoissa. Nämä eivät ole vain teknisiä ongelmia. Ne ovat sosiaalisia ja eettisiä dilemmoja, joiden ratkaiseminen vaatii muutakin kuin paremman algoritmin.

Tekniset rajoitteet ja paikallinen toteutus

Niille, jotka rakentavat näiden alustojen päälle, tekniset yksityiskohdat merkitsevät enemmän kuin filosofia. Nykyiset API-rajat ovat suuri pullonkaula yrityskäytössä. Useimmilla palveluntarjoajilla on tiukat nopeusrajoitukset, jotka estävät suuren volyymin reaaliaikaisen käsittelyn. Siksi monet yritykset tarkastelevat paikallista tallennusta ja paikallista suoritusta. Mallien, kuten Llama 3, käyttö paikallisella laitteistolla mahdollistaa paremman tietosuojan ja alhaisemmat pitkän aikavälin kustannukset. Laitteistovaatimukset ovat kuitenkin kovat. 70 miljardin parametrin mallin ajaminen kunnollisella nopeudella vaatii huippuluokan GPU:ita, joissa on merkittävä VRAM-muisti. Tässä kohtaa nörttiosio kohtaa talousosion. H100-klusterin hinta on pääsyn este, joka pitää vallan varakkaiden käsissä.

Näemme myös siirtymän kohti erikoistunutta hienosäätöä. Sen sijaan, että käytettäisiin yleismallia kaikkeen, kehittäjät käyttävät pienempiä malleja, jotka on koulutettu tietyillä dataseteillä. Tämä parantaa tarkkuutta ja vähentää token-määrää. Tekninen haaste tässä on datan kuratointi. Jos syöttödata on huonoa, hienosäädetty malli on huonompi kuin yleismalli. Näemme myös enemmän Retrieval Augmented Generation (RAG) -tekniikan käyttöä mallien ankkuroimiseksi faktatietoon. Tämä ohittaa massiivisten konteksti-ikkunoiden tarpeen ja vähentää hallusinaatioita. Mutta RAG:lla on omat rajansa, erityisesti siinä, miten se käsittelee haettujen dokumenttien luokittelua. Jos hakuvaihe epäonnistuu, mallin tuotos on hyödytön. Useimmat käyttäjät eivät ymmärrä, että tekoälyn suorituskyky riippuu yhtä paljon tietokannasta, josta se hakee tietoa, kuin itse mallista.

Tiedon viimeinen suodatin

Tekoälyn tulevaisuus ei ole yksi tarina, jonka yksi ihminen kertoo. Se on sotkuinen, jatkuva väittely niiden välillä, jotka myyvät visiota, ja niiden, jotka rakentavat todellisuutta. Ollaksesi älykäs teknologiauutisten kuluttaja, sinun on opittava katsomaan karismaattisen perustajan ohi. Etsi nimet papereista. Etsi tutkijoita, jotka ovat valmiita puhumaan siitä, mitä heidän mallinsa eivät osaa. Alan ristiriidat eivät ole bugeja. Ne ovat tarinan rehellisin osa. Ala jatkaa kehittymistään, koska tekniset ongelmat ovat kaukana ratkaistusta. Elävä kysymys pysyy: voimmeko rakentaa todella älykkään järjestelmän ilman valtavaa resurssien kulutusta, joka määrittelee nykyistä aikakautta? Siihen asti kunnes vastaamme tähän, hype jatkaa tieteen ohittamista. Meidän on pysyttävä skeptisinä kaikkia narratiiveja kohtaan, jotka lupaavat täydellisen ratkaisun mainitsematta siihen liittyviä kompromisseja.

Toimittajan huomautus: Loimme tämän sivuston monikieliseksi tekoälyuutisten ja -oppaiden keskukseksi ihmisille, jotka eivät ole tietokonenörttejä, mutta haluavat silti ymmärtää tekoälyä, käyttää sitä luottavaisemmin ja seurata jo saapuvaa tulevaisuutta.