מה אפשר ללמוד מבועות טכנולוגיות מהעבר על ה-AI?

מחזור התשתית חוזר על עצמו

עמק הסיליקון אוהב לטעון שהפריצה האחרונה שלו היא חסרת תקדים. זה לא נכון. גל ה-artificial intelligence הנוכחי משקף את התרחבות מסילות הברזל של המאה ה-19 ואת בועת ה-dot-com של סוף שנות ה-90. אנחנו עדים לשינוי מאסיבי באופן שבו הון זורם ואיך כוח מחשוב עובר ריכוז. זה עניין של מי מחזיק בתשתית של העתיד. ארצות הברית מובילה כי יש לה את הכיסים העמוקים ביותר ואת ספקי ה-cloud האגרסיביים ביותר. ההיסטוריה מראה שמי ששולט במסילות או בכבלי הסיבים האופטיים מכתיב בסופו של דבר את התנאים לכולם. ה-AI לא שונה. הוא עוקב אחרי נתיב מוכר של בניית תשתית ואחריה קונסולידציה מהירה. הבנת התבנית הזו עוזרת לנו לראות מעבר ל-hype ולזהות איפה נמצא הכוח האמיתי במחזור החדש הזה. השורה התחתונה פשוטה: אנחנו לא רק בונים תוכנה חכמה יותר, אנחנו בונים utility חדש שיהיה בסיסי כמו חשמל או האינטרנט. המנצחים יהיו אלו שישלטו בחומרה הפיזית וב-datasets העצומים הנדרשים כדי להריץ את המערכות הללו.

ממסילות פלדה לרשתות עצביות

כדי להבין את ה-AI היום, תסתכלו על בועת מסילות הברזל האמריקאיות. באמצע המאה ה-19, כמויות אדירות של הון הושקעו בהנחת מסילות ברחבי היבשת. חברות רבות פשטו רגל, אבל המסילות נשארו. הן היוו את הבסיס למאה הבאה של צמיחה כלכלית. ה-AI נמצא כרגע בשלב הנחת המסילות. במקום פלדה וקיטור, אנחנו משתמשים בסיליקון וחשמל. ההשקעות העצומות מחברות כמו Microsoft ו-Google בונות את ה-compute clusters שיתמכו בכל שאר התעשיות. זהו מהלך תשתיתי קלאסי. כשפיתוח טכנולוגי דורש הון עתק כדי להתחיל, הוא באופן טבעי מעדיף שחקנים גדולים ומבוססים. זו הסיבה שחברות ספורות בארה"ב שולטות בתחום. יש להן את הכסף לקנות שבבים ואת הקרקע לבניית data centers. יש להן גם בסיסי משתמשים קיימים כדי לבדוק את המודלים שלהן בקנה מידה רחב. זה יוצר לולאת משוב שבה השחקנים הגדולים מקבלים יותר דאטה, מה שהופך את המודלים שלהם לטובים יותר, מה שמושך עוד משתמשים.

אנשים טועים לעיתים קרובות וחושבים ש-AI הוא מוצר עצמאי. מדויק יותר לראות בו platform. בדיוק כפי שהאינטרנט היה זקוק ל-היסטוריה של האינטרנט כדי לעבור מפרויקט צבאי ל-utility גלובלי, ה-AI עובר ממעבדות מחקר לעמוד השדרה של הפעילות העסקית. המעבר קורה מהר יותר ממחזורים קודמים כי רשת ההפצה כבר קיימת. אנחנו לא צריכים להניח כבלים חדשים כדי להגיע למשתמשים. אנחנו רק צריכים לשדרג את השרתים בקצה הקווים. המהירות הזו היא מה שגורם לרגע הנוכחי להרגיש שונה, גם אם התבניות הכלכליות הבסיסיות מוכרות. ריכוז הכוח הוא מאפיין של השלב הזה, לא באג. ההיסטוריה מציעה שברגע שהתשתית מוגדרת, המיקוד עובר מבניית המערכות להפקת ערך מהן. אנחנו מתקרבים לנקודת המפנה הזו עכשיו.

היתרון של ההון האמריקאי

ההשפעה הגלובלית של ה-AI קשורה ישירות למי שיכול לשלם את החשבון. כרגע, זו בעיקר ארה"ב. העומק של שוקי ההון האמריקאיים מאפשר רמת סיכון שאזורים אחרים מתקשים להשתוות אליה. זה יוצר פער משמעותי בכוח הפלטפורמה. כשחופן חברות שולט ב-cloud, הן למעשה שולטות בחוקי המשחק עבור כולם. יש לזה השלכות עמוקות על ריבונות לאומית ותחרות גלובלית. מדינות שאין להן תשתית מחשוב רחבת היקף משלהן חייבות לשכור אותה מספקים אמריקאיים. זה יוצר סוג חדש של תלות. זה כבר לא רק רישיונות תוכנה, זה עניין של גישה לכוח העיבוד הנדרש להפעלת כלכלה מודרנית. הריכוזיות הזו היא נושא חוזר בהיסטוריה של הטכנולוגיה.

יש שלוש סיבות עיקריות לכך שהכוח הזה נשאר מרוכז בידיים מעטות:

• העלות של אימון מודל מוביל מגיעה כיום למיליארדי דולרים.
• החומרה הייעודית הנדרשת מיוצרת על ידי מספר קטן מאוד של יצרנים.
• דרישות האנרגיה המאסיביות של ה-data centers מעדיפות אזורים עם רשתות חשמל יציבות וזולות.

המציאות הזו סותרת את הרעיון ש-AI יהיה גורם מאזן. בעוד שהכלים הופכים נגישים יותר ליחידים, השליטה הבסיסית נשארת מרוכזת יותר מאי פעם. ממשלות מתחילות לשים לב לחוסר האיזון הזה. הן בוחנות תקדימים היסטוריים כמו ה-חוק להגבלים עסקיים של שרמן כדי לראות אם חוקים ישנים יכולים להתמודד עם מונופולים חדשים. עם זאת, המהירות התעשייתית כרגע עוקפת את המדיניות. עד שרגולציה נדונה ועוברת, הטכנולוגיה לרוב כבר התקדמה שני דורות קדימה. זה יוצר פיגור קבוע שבו החוק תמיד מגיב למציאות שכבר השתנתה.

כשהתוכנה נעה מהר יותר מהחוק

ההשפעה בעולם האמיתי של המהירות הזו נראית לעין באופן שבו עסקים נאלצים להסתגל. קחו לדוגמה יום בחיי חברת שיווק קטנה בשיקגו. לפני חמש שנים, הם שכרו כותבים זוטרים לניסוח תכנים וחוקרים למציאת טרנדים. היום, הבעלים משתמש ב-subscription אחד ל-AI platform כדי לטפל ב-70% מעומס העבודה הזה. הבוקר מתחיל בסיכום שנוצר על ידי AI של תנודות שוק גלובליות. עד הצהריים, המערכת ניסחה 30 וריאציות שונות של מודעות על בסיס השינויים האלו. הצוות האנושי מתפקד כעת כעורכים ואסטרטגים ולא כיוצרים. השינוי הזה קורה בכל מגזר, ממשפטים ועד רפואה. זה מגדיל את היעילות, אבל גם יוצר תלות מאסיבית בספק הפלטפורמה. אם הספק משנה את התמחור או את תנאי השירות שלו, לחברת השיווק אין ברירה אלא לציית. הם הטמיעו את הכלי כל כך עמוק ב-workflow שלהם שהם לא יכולים לחזור בקלות לעבודה ידנית.

התרחיש הזה מראה למה המדיניות מתקשה לעמוד בקצב. רגולטורים עדיין מודאגים מפרטיות דאטה וזכויות יוצרים, בזמן שהתעשייה כבר נעה לעבר סוכנים אוטונומיים שיכולים לקבל החלטות פיננסיות. המהירות התעשייתית של פיתוח ה-AI מונעת על ידי מרוץ לנתח שוק. חברות מוכנות לשבור דברים עכשיו ולתקן אותם אחר כך, כי להיות שני במרוץ תשתיות זה לרוב כמו להיות אחרון. ראינו את זה במלחמות הדפדפנים ובעליית הרשתות החברתיות. המנצחים הם אלו שזזים מספיק מהר כדי להפוך לסטנדרט ברירת המחדל. ברגע שאתה הסטנדרט, קשה מאוד להחליף אותך. זה יוצר מצב שבו האינטרס הציבורי לרוב משני לדחף להתרחבות. הסתירה היא שאנחנו רוצים את היתרונות של הטכנולוגיה, אבל אנחנו חוששים מהכוח שהיא נותנת לתאגידים בודדים.

ניתוח תעשיית ה-AI האחרון ב-ניתוח תעשיית ה-AI האחרון מציע שאנחנו נכנסים לשלב של אינטגרציה עמוקה. זה השלב שבו הטכנולוגיה מפסיקה להיות חידוש ומתחילה להיות דרישה. עבור עסק, לא להשתמש ב-AI יהיה בקרוב כמו לא להשתמש באינטרנט ב-2010. זה אולי אפשרי, אבל זה יהיה לא יעיל להחריד. הלחץ הזה לאמץ טכנולוגיה הוא שמניע את הצמיחה המהירה, גם כשההשלכות ארוכות הטווח לא ברורות. אנחנו רואים חזרה על תחילת שנות ה-2000 כשחברות מיהרו לעלות לאינטרנט בלי להבין עד הסוף את סיכוני האבטחה או הפרטיות. ההבדל היום הוא שהסקאלה גדולה הרבה יותר והסיכונים גבוהים יותר. המערכות שאנחנו בונים עכשיו כנראה ימשלו באופן שבו אנחנו עובדים ומתקשרים בעשורים הקרובים.

שאלות קשות לעידן המחשוב

אנחנו חייבים להפעיל ספקנות סוקרטית על הבועה הנוכחית. מהן העלויות הנסתרות של ההתרחבות המהירה הזו? הברורה ביותר היא ההשפעה הסביבתית. ה-דו"ח של סוכנות האנרגיה הבינלאומית על מרכזי נתונים מדגיש כמה כוח המערכות האלו צורכות. ככל שאנחנו בונים יותר data centers, אנחנו מעמיסים יותר על רשתות חשמל מתיישנות. מי משלם על התשתית הזו? האם אלו החברות שמרוויחות מיליארדים, או משלמי המסים שחולקים את הרשת? יש גם את שאלת עבודת הדאטה. המודלים האלו מאומנים על התוצר הקולקטיבי של האנושות, לעיתים קרובות ללא הסכמה או פיצוי. האם זה הוגן שחברות בודדות יפריטו את הערך של דאטה ציבורי? אנחנו צריכים לשאול מי באמת מרוויח מהיעילות הזו. אם משימה שלקחה עשר שעות לוקחת עכשיו עשר דקות, האם העובד מקבל יותר זמן פנוי, או שהוא פשוט מקבל פי עשרה יותר עבודה?

פרטיות היא תחום נוסף שבו העלויות לרוב נסתרות. כדי להפוך את ה-AI לשימושי יותר, אנחנו נותנים לו יותר גישה לחיים האישיים והמקצועיים שלנו. אנחנו סוחרים בדאטה שלנו תמורת נוחות. ההיסטוריה מראה שברגע שמוותרים על פרטיות, כמעט בלתי אפשרי להחזיר אותה. ראינו את זה עם עליית האינטרנט מבוסס הפרסומות. מה שהתחיל כדרך למצוא מידע הפך למערכת מעקב גלובלית. ל-AI יש פוטנציאל לקחת את זה אפילו רחוק יותר. אם AI יודע איך אתה חושב ואיך אתה עובד, הוא יכול להשפיע על ההחלטות שלך בדרכים שקשה לזהות. אלו לא רק בעיות טכניות. אלו דילמות חברתיות ואתיות שדורשות יותר מסתם עדכון תוכנה. אנחנו חייבים להחליט אם מהירות הקידמה שווה את אובדן האוטונומיה האישית. התשובות לשאלות האלו יקבעו איזה סוג חברה תהיה לנו ברגע שבועת ה-AI תתייצב בשלב הבשל שלה.

המכניקה של שכבת המודל

עבור אלו שמסתכלים על הצד הטכני, המיקוד עובר מגודל המודל לאינטגרציה של workflow. אנחנו רואים מעבר ממודלים מאסיביים לשימוש כללי למודלים קטנים ומתמחים שיכולים לרוץ על חומרה מקומית. זו תגובה לעלויות הגבוהות ול-latency של APIs מבוססי cloud. משתמשי כוח מחפשים יותר ויותר דרכים לעקוף את המגבלות שמטילים הספקים הגדולים. זה כולל ניהול מגבלות קצב API ומציאת דרכים לאחסן דאטה מקומית כדי להבטיח פרטיות ומהירות. האינטגרציה של AI בכלים קיימים היא המקום שבו העבודה האמיתית קורית. זה לא עניין של צ'אט עם בוט. זה עניין של מודל שיכול לקרוא את הקבצים המקומיים שלך, להבין את סגנון הקידוד הספציפי שלך ולהציע שינויים בזמן אמת. זה דורש סוג אחר של ארכיטקטורה מזו המשמשת לכלי רשת ציבוריים.

האתגרים הטכניים לשנים הקרובות כוללים:

• אופטימיזציה של מודלים להרצה על GPUs ברמת צרכן מבלי לאבד יותר מדי דיוק.
• פיתוח דרכים טובות יותר לטיפול בזיכרון לטווח ארוך ב-AI agents כדי שיוכלו לזכור הקשר לאורך שבועות או חודשים.
• יצירת פרוטוקולים סטנדרטיים למערכות AI שונות כדי לתקשר זו עם זו.

אנחנו רואים גם עלייה ב-*local inference* כדרך לשמור על שליטה בדאטה רגיש. על ידי הרצת מודלים על מכונה מקומית, משתמש יכול להבטיח שהמידע הקנייני שלו לעולם לא עוזב את הבניין שלו. זה חשוב במיוחד לתעשיות כמו משפטים ופיננסים שבהן אבטחת דאטה היא בעלת חשיבות עליונה. עם זאת, חומרה מקומית עדיין מפגרת אחרי ה-clusters המאסיביים שבבעלות ענקיות ה-cloud. זה יוצר מערכת דו-שכבתית. המודלים החזקים ביותר יישארו ב-cloud, בעוד גרסאות יעילות ופחות מסוגלות ירוצו מקומית. איזון שני העולמות האלו הוא האתגר הגדול הבא עבור מפתחים. הם חייבים להחליט מתי להשתמש בכוח הגולמי של ה-cloud ומתי לתעדף את הפרטיות והמהירות של מחשוב מקומי. המתח הטכני הזה יניע הרבה מהחדשנות בשנים הקרובות.

יש לכם סיפור, כלי, טרנד או שאלה הקשורים ל-AI שלדעתכם כדאי לנו לסקר? שלחו לנו את רעיון המאמר שלכם — נשמח לשמוע.

הסיפור הלא גמור של הסקאלה

ההיסטוריה של הטכנולוגיה היא היסטוריה של קונסולידציה. ממסילות הברזל ועד האינטרנט, אנחנו רואים תבנית של פיצוץ ואחריו שליטה. ה-AI נמצא כרגע באמצע המחזור הזה. הזווית האמריקאית דומיננטית כי המשאבים הנדרשים לשלב הזה של צמיחה מרוכזים שם. עם זאת, הסיפור לא נגמר. ככל שהטכנולוגיה תבשיל, נראה אתגרים חדשים לכוח הפלטפורמה הזה. האם זה יבוא מרגולציה, פריצות דרך טכניות חדשות או שינוי באופן שבו אנחנו מעריכים את הדאטה שלנו – נותר לראות. השאלה החיה היא האם אנחנו יכולים ליהנות מהיתרונות של התשתית החדשה הזו מבלי לוותר על התחרות והפרטיות שהופכות כלכלה בריאה לאפשרית. אנחנו בונים את הבסיס של המאה הבאה. כדאי שנהיה זהירים מאוד לגבי מי שמחזיק במפתחות אליו.

הערת העורך: יצרנו אתר זה כמרכז חדשות ומדריכים רב-לשוני בנושא בינה מלאכותית עבור אנשים שאינם "גיקים" של מחשבים, אך עדיין רוצים להבין בינה מלאכותית, להשתמש בה בביטחון רב יותר, ולעקוב אחר העתיד שכבר מגיע.