Mit tanítanak nekünk a korábbi technológiai boomok az AI-ról?

Az infrastruktúra ciklusai ismétlődnek

A Szilícium-völgy gyakran állítja, hogy legújabb áttörése példa nélküli. Ez nem igaz. A jelenlegi mesterséges intelligencia hullám az 1800-as évek vasútépítési lázát és az 1990-es évek végi dot-com boomot tükrözi. Hatalmas változást látunk abban, hogyan áramlik a tőke és hogyan centralizálódik a számítási kapacitás. Arról van szó, ki birtokolja a jövő infrastruktúráját. Az Egyesült Államok azért vezet, mert ott a legmélyebb a pénztárca és a legagresszívebbek a cloud szolgáltatók. A történelem azt mutatja, hogy aki irányítja a síneket vagy az optikai kábeleket, az végül mindenki más számára diktálja a feltételeket. Az AI sem más. Ugyanazt a jól bevált utat járja be: infrastruktúra-kiépítés, majd gyors konszolidáció. Ennek a mintának a megértése segít átlátni a hype-on, és azonosítani, hol rejlik az igazi hatalom ebben az új ciklusban. A lényeg egyszerű: nem csak okosabb szoftvereket építünk, hanem egy új közművet, amely ugyanolyan alapvető lesz, mint az elektromosság vagy az internet. A győztesek azok lesznek, akik uralják a fizikai hardvert és azokat a hatalmas adathalmazokat, amelyek a rendszerek működtetéséhez szükségesek.

Az acélsínektől a neurális hálózatokig

Ahhoz, hogy megértsük a mai AI-t, nézzük meg az amerikai vasúti boomot. Az 1800-as évek közepén rengeteg tőke áramlott a kontinenset átszelő sínek lefektetésébe. Sok cég csődbe ment, de a sínek maradtak. Ezek a sínek alapozták meg a következő évszázad gazdasági növekedését. Az AI jelenleg a sínfektetési fázisban van. Acél és gőz helyett szilíciumot és elektromosságot használunk. A Microsoft és a Google hatalmas befektetései építik azokat a compute clustereket, amelyek minden más iparágat támogatni fognak. Ez egy klasszikus infrastruktúra-játszma. Amikor egy technológia elindításához hatalmas tőke kell, az természetes módon a nagy, bejáratott szereplőknek kedvez. Ezért dominál néhány amerikai cég a területen. Nekik van pénzük chipeket venni és földet vásárolni az adatközpontokhoz. Emellett megvan a meglévő felhasználói bázisuk is, hogy nagy léptékben teszteljék a modelljeiket. Ez egy visszacsatolási hurkot hoz létre, ahol a legnagyobbak még több adathoz jutnak, amitől jobb lesz a modelljük, ami még több felhasználót vonz.

Az emberek gyakran összekeverik az AI-t egy önálló termékkel. Pontosabb platformként tekinteni rá. Ahogy az internetnek szüksége volt a [external-link] internet történetére ahhoz, hogy katonai projektből globális közművé váljon, az AI is a kutatólaborokból az üzleti működés gerincévé alakul. Az átmenet gyorsabb, mint a korábbi ciklusokban, mert a disztribúciós hálózat már létezik. Nem kell új kábeleket fektetnünk a felhasználók eléréséhez. Csak frissítenünk kell a szervereket a vonalak végén. Ez a sebesség teszi mássá a jelenlegi pillanatot, még ha a mögöttes gazdasági minták ismerősek is. A hatalom koncentrációja ennek a szakasznak a velejárója, nem pedig hiba. A történelem azt sugallja, hogy amint az infrastruktúra kész, a hangsúly az építésről az érték kinyerésére tevődik át. Most közeledünk ehhez a fordulóponthoz.

Az amerikai tőkeelőny

Az AI globális hatása közvetlenül ahhoz kötődik, ki tudja kifizetni a számlát. Jelenleg ez elsősorban az USA. Az amerikai tőkepiacok mélysége olyan kockázatvállalást tesz lehetővé, amivel más régiók nehezen tudják felvenni a versenyt. Ez jelentős szakadékot teremt a platformhatalomban. Amikor néhány cég uralja a cloudot, gyakorlatilag ők irányítják a játékszabályokat mindenki más számára. Ennek mélyreható következményei vannak a nemzeti szuverenitásra és a globális versenyre nézve. Azok az országok, amelyeknek nincs saját nagyüzemi számítási infrastruktúrájuk, kénytelenek bérelni azt az amerikai szolgáltatóktól. Ez a függőség egy új formáját hozza létre. Már nem csak szoftverlicencekről van szó, hanem a modern gazdaság működtetéséhez szükséges feldolgozási teljesítményhez való hozzáférésről. A hatalom ilyen központosulása visszatérő téma a technológia történetében.

Három fő oka van annak, hogy ez a hatalom néhány kézben összpontosul:

• Egy vezető modell betanításának költsége ma már dollármilliárdokban mérhető.
• A szükséges speciális hardvert nagyon kevés gyártó állítja elő.
• Az adatközpontok hatalmas energiaigénye azokat a régiókat részesíti előnyben, ahol stabil és olcsó az energiahálózat.

Ez a valóság ellentmond annak az elképzelésnek, hogy az AI a nagy kiegyenlítő lesz. Bár az eszközök egyre elérhetőbbek az egyének számára, a háttérben zajló irányítás minden eddiginél koncentráltabb. A kormányok kezdik észrevenni ezt az egyensúlytalanságot. Olyan történelmi precedenseket vizsgálnak, mint a [external-link] Sherman trösztellenes törvény, hogy lássák, a régi törvények képesek-e kezelni az új monopóliumokat. Az ipari sebesség azonban jelenleg lehagyja a szabályozást. Mire egy szabályozást megvitatnak és elfogadnak, a technológia gyakran két generációval előrébb jár. Ez állandó lemaradást okoz, ahol a törvény mindig egy már megváltozott valóságra reagál.

Amikor a szoftver gyorsabb a törvénynél

Ennek a sebességnek a valós hatása látható abban, hogyan kényszerülnek alkalmazkodni a vállalkozások. Gondoljunk egy chicagói kis marketingügynökség mindennapjaira. Öt éve junior írókat vettek fel szövegíráshoz és kutatókat a trendek figyeléséhez. Ma a tulajdonos egyetlen AI platform előfizetéssel a munka hetven százalékát elintézi. A reggel egy AI által generált összefoglalóval indul a globális piaci változásokról. Délre a rendszer harminc különböző hirdetési variációt készített ezek alapján. Az emberi munkaerő most szerkesztőként és stratégaként működik, nem alkotóként. Ez a váltás minden szektorban zajlik, a jogtól az orvostudományig. Növeli a hatékonyságot, de hatalmas függőséget is teremt a platformszolgáltatótól. Ha a szolgáltató megváltoztatja az árait vagy a felhasználási feltételeit, a marketingcégnek nincs más választása, mint alkalmazkodni. Annyira mélyen integrálták az eszközt a munkafolyamatukba, hogy nem tudnak könnyen visszatérni a kézi munkához.

Ez a forgatókönyv mutatja, miért küzd a szabályozás a lépéstartással. A szabályozók még mindig az adatvédelem és a szerzői jogok miatt aggódnak, miközben az ipar már az autonóm ágensek felé tart, amelyek pénzügyi döntéseket is hozhatnak. Az AI-fejlesztés ipari sebességét a piaci részesedésért folytatott verseny hajtja. A cégek hajlandóak most elrontani a dolgokat és később megjavítani, mert az infrastruktúra-versenyben másodiknak lenni gyakran ugyanaz, mint utolsónak. Láttuk ezt a böngészőháborúknál és a közösségi média felemelkedésénél. A győztesek azok, akik elég gyorsan mozognak ahhoz, hogy alapértelmezett szabvánnyá váljanak. Ha egyszer te vagy a szabvány, nagyon nehéz kiszorítani. Ez olyan helyzetet teremt, ahol a közérdek gyakran másodlagos a méretgazdaságosság hajszolásával szemben. Az ellentmondás az, hogy akarjuk a technológia előnyeit, de tartunk attól a hatalomtól, amit néhány vállalatnak ad.

A legfrissebb AI iparági elemzés a [internal-link] legfrissebb AI iparági elemzés szerint egy mély integrációs szakaszba lépünk. Itt a technológia megszűnik újdonság lenni, és követelménnyé válik. Egy vállalkozás számára az AI használatának mellőzése hamarosan olyan lesz, mint 2010-ben nem használni az internetet. Lehet, hogy lehetséges, de hihetetlenül hatástalan lesz. Ez az adaptációs kényszer hajtja a gyors növekedést, még akkor is, ha a hosszú távú következmények nem tiszták. A 2000-es évek elejének ismétlődését látjuk, amikor a cégek rohantak online lenni anélkül, hogy teljesen megértették volna a biztonsági vagy adatvédelmi kockázatokat. A különbség ma az, hogy a lépték sokkal nagyobb és a tét is magasabb. Azok a rendszerek, amelyeket most építünk, valószínűleg meghatározzák, hogyan dolgozunk és kommunikálunk a következő évtizedekben.

Kemény kérdések a számítástechnika korában

Szókratészi szkepticizmussal kell viszonyulnunk a jelenlegi boomhoz. Mik a rejtett költségei ennek a gyors terjeszkedésnek? A legnyilvánvalóbb a környezeti hatás. A [external-link] Nemzetközi Energiaügynökség adatközpontokról szóló jelentése rávilágít, mennyi energiát fogyasztanak ezek a rendszerek. Ahogy egyre több adatközpontot építünk, egyre nagyobb terhet róunk az elöregedő elektromos hálózatokra. Ki fizeti ezt az infrastruktúrát? A milliárdokat kereső cégek, vagy az adófizetők, akik osztoznak a hálózaton? Ott van az adatmunka kérdése is. Ezeket a modelleket az emberiség kollektív kimenetén tanítják, gyakran beleegyezés vagy kompenzáció nélkül. Igazságos, hogy néhány cég privatizálja a nyilvános adatok értékét? Meg kell kérdeznünk, ki profitál igazán ebből a hatékonyságból. Ha egy feladat, ami tíz óráig tartott, most tíz perc alatt kész, a dolgozó több szabadidőt kap, vagy csak tízszer több munkát?

Az adatvédelem egy másik terület, ahol a költségek gyakran rejtettek. Hogy az AI-t hasznosabbá tegyük, több hozzáférést adunk neki személyes és szakmai életünkhöz. Az adatainkat kényelemre cseréljük. A történelem azt mutatja, hogy ha az adatvédelem egyszer elveszik, szinte lehetetlen visszaszerezni. Láttuk ezt a hirdetésekkel támogatott internet felemelkedésével. Ami az információkeresés módjaként indult, globális megfigyelőrendszerré vált. Az AI képes ezt még tovább vinni. Ha egy AI tudja, hogyan gondolkodsz és hogyan dolgozol, befolyásolhatja döntéseidet olyan módon, amit nehéz észlelni. Ezek nem csak technikai problémák. Ezek társadalmi és etikai dilemmák, amelyek többet igényelnek, mint egy szoftverjavítás. El kell döntenünk, megéri-e a fejlődés sebessége az egyéni autonómia elvesztését. A kérdésekre adott válaszok határozzák meg, milyen társadalomban élünk, miután az AI boom eléri érett szakaszát.

A modellréteg mechanikája

Aki a technikai oldalt nézi, a hangsúly a modellméretről a munkafolyamat-integrációra tevődik át. A hatalmas, általános célú modellektől a kisebb, speciális modellek felé mozdulunk el, amelyek helyi hardveren is futtathatók. Ez válasz a felhőalapú API-k magas költségeire és késleltetésére. A haladó felhasználók egyre inkább keresik a módját, hogyan kerüljék meg a nagy szolgáltatók által támasztott korlátokat. Ez magában foglalja az API sebességkorlátok kezelését és az adatok helyi tárolását a magánszféra és a sebesség biztosítása érdekében. Az AI integrációja a meglévő eszközökbe az, ahol az igazi munka zajlik. Nem egy bottal való csevegésről van szó. Arról, hogy legyen egy modelled, ami elolvassa a helyi fájljaidat, megérti a specifikus kódolási stílusodat, és valós időben javasol változtatásokat. Ez másfajta architektúrát igényel, mint amit a nyilvános webes eszközöknél használnak.

A következő évek technikai kihívásai közé tartoznak:

• A modellek optimalizálása, hogy fogyasztói GPU-kon is fussanak, a pontosság jelentős csökkenése nélkül.
• Jobb módszerek fejlesztése az AI-ágensek hosszú távú memóriájának kezelésére, hogy hetekig vagy hónapokig emlékezzenek a kontextusra.
• Szabványosított protokollok létrehozása a különböző AI-rendszerek közötti kommunikációhoz.

A *helyi következtetés* (local inference) térnyerését is látjuk, mint az érzékeny adatok feletti kontroll megőrzésének módját. A modellek helyi gépen való futtatásával a felhasználó biztosíthatja, hogy védett információi soha ne hagyják el az épületet. Ez különösen fontos az olyan iparágakban, mint a jog és a pénzügy, ahol az adatbiztonság kiemelt jelentőségű. A helyi hardver azonban még mindig lemarad a felhőóriások hatalmas clusterjei mögött. Ez egy kétszintű rendszert hoz létre. A legerősebb modellek a felhőben maradnak, míg a hatékonyabb, kevésbé képes verziók helyben futnak. E két világ egyensúlyba hozása a fejlesztők következő nagy kihívása. El kell dönteniük, mikor használják a felhő nyers erejét, és mikor részesítik előnyben a helyi számítások adatvédelmét és sebességét. Ez a technikai feszültség fogja hajtani az innováció nagy részét az elkövetkező években.

Van egy AI-történet, eszköz, trend vagy kérdés, amiről úgy gondolja, hogy foglalkoznunk kellene vele? Küldje el nekünk cikkötletét — szívesen meghallgatnánk.

A méretarány befejezetlen története

A technológia története a konszolidáció története. A vasutaktól az internetig a robbanás, majd az irányítás mintáját látjuk. Az AI jelenleg ennek a ciklusnak a közepén jár. Az amerikai szempont azért domináns, mert a növekedés ezen szakaszához szükséges erőforrások ott koncentrálódnak. A történetnek azonban nincs vége. Ahogy a technológia érik, új kihívásokkal nézünk majd szembe ezzel a platformhatalommal szemben. Hogy ez szabályozásból, új technikai áttörésekből vagy az adataink értékelésének megváltozásából jön-e, még kiderül. Az élő kérdés az, hogy élvezhetjük-e ennek az új infrastruktúrának az előnyeit anélkül, hogy feladnánk azt a versenyt és magánszférát, ami egy egészséges gazdaságot lehetővé tesz. A következő évszázad alapjait építjük. Nagyon óvatosnak kell lennünk azzal, ki tartja a kulcsokat hozzá.

A szerkesztő megjegyzése: Ezt az oldalt többnyelvű AI hírek és útmutatók központjaként hoztuk létre olyan emberek számára, akik nem számítógépes zsenik, de mégis szeretnék megérteni a mesterséges intelligenciát, magabiztosabban használni, és követni a már megérkező jövőt.