Czego wcześniejsze boom technologiczne uczą nas o AI

Cykl infrastrukturalny się powtarza

Dolina Krzemowa często twierdzi, że jej najnowszy przełom jest bezprecedensowy. To nieprawda. Obecny boom na sztuczną inteligencję przypomina ekspansję kolei w XIX wieku i boom dot-comów z końca lat 90. Obserwujemy ogromną zmianę w przepływie kapitału i centralizacji mocy obliczeniowej. Chodzi o to, kto będzie właścicielem infrastruktury przyszłości. Stany Zjednoczone przodują, ponieważ mają najgłębsze kieszenie i najbardziej agresywnych dostawców cloud. Historia pokazuje, że ci, którzy kontrolują tory lub kable światłowodowe, ostatecznie dyktują warunki wszystkim innym. AI nie jest inna. Podąża dobrze znaną ścieżką budowy infrastruktury, po której następuje szybka konsolidacja. Zrozumienie tego wzorca pomaga nam przejrzeć przez szum i zidentyfikować, gdzie w tym nowym cyklu leży prawdziwa władza. Główny wniosek jest prosty. Nie budujemy tylko inteligentniejszego oprogramowania. Budujemy nowe narzędzie, które będzie tak fundamentalne jak elektryczność czy internet. Zwycięzcami będą ci, którzy kontrolują fizyczny sprzęt i ogromne zbiory danych niezbędne do utrzymania tych systemów w ruchu.

Od stalowych szyn do sieci neuronowych

Aby zrozumieć dzisiejszą AI, spójrz na amerykański boom kolejowy. W połowie XIX wieku ogromne ilości kapitału wpompowano w układanie torów przez kontynent. Wiele firm zbankrutowało, ale tory pozostały. Te tory stworzyły fundament pod kolejny wiek wzrostu gospodarczego. AI znajduje się obecnie w fazie układania torów. Zamiast stali i pary używamy krzemu i elektryczności. Ogromne inwestycje firm takich jak Microsoft i Google budują klastry obliczeniowe, które będą wspierać każdą inną branżę. To klasyczna zagrywka infrastrukturalna. Kiedy technologia wymaga ogromnego kapitału na start, naturalnie faworyzuje duże, ugruntowane podmioty. Dlatego kilka firm w USA dominuje w tej dziedzinie. Mają pieniądze na zakup chipów i ziemię pod budowę centrów danych. Mają też istniejące bazy użytkowników, aby testować swoje modele na dużą skalę. Tworzy to pętlę zwrotną, w której najwięksi gracze zyskują więcej danych, co sprawia, że ich modele są lepsze, co przyciąga więcej użytkowników.

Ludzie często mylą AI z samodzielnym produktem. Dokładniej jest postrzegać ją jako platformę. Tak jak internet potrzebował historii internetu, aby przejść od projektu wojskowego do globalnego narzędzia, tak AI przechodzi z laboratoriów badawczych do kręgosłupa operacji biznesowych. Transformacja ta zachodzi szybciej niż w poprzednich cyklach, ponieważ sieć dystrybucji już istnieje. Nie musimy układać nowych kabli, aby dotrzeć do użytkowników. Musimy tylko zmodernizować serwery na końcach linii. Ta szybkość sprawia, że obecny moment wydaje się inny, nawet jeśli podstawowe wzorce ekonomiczne są znane. Koncentracja władzy jest cechą tego etapu, a nie błędem. Historia sugeruje, że gdy infrastruktura jest już gotowa, uwaga przesuwa się z budowania systemów na czerpanie z nich wartości. Zbliżamy się teraz do tego punktu zwrotnego.

Amerykańska przewaga kapitałowa

Globalny wpływ AI jest bezpośrednio powiązany z tym, kto może zapłacić rachunek. Obecnie są to głównie USA. Głębokość amerykańskich rynków kapitałowych pozwala na poziom ryzyka, któremu inne regiony mają trudności dorównać. Tworzy to znaczącą lukę w sile platform. Kiedy garstka firm kontroluje cloud, skutecznie kontroluje zasady gry dla wszystkich innych. Ma to głębokie implikacje dla suwerenności narodowej i globalnej konkurencji. Kraje, które nie posiadają własnej infrastruktury obliczeniowej na dużą skalę, muszą ją wynajmować od amerykańskich dostawców. Tworzy to nowy rodzaj zależności. Nie chodzi już tylko o licencje na oprogramowanie. Chodzi o dostęp do mocy obliczeniowej wymaganej do prowadzenia nowoczesnej gospodarki. Ta centralizacja władzy jest powracającym tematem w historii technologii.

Istnieją trzy główne powody, dla których ta władza pozostaje skoncentrowana w kilku rękach:

• Koszt wytrenowania wiodącego modelu sięga obecnie miliardów dolarów.
• Specjalistyczny sprzęt jest produkowany przez bardzo niewielką liczbę producentów.
• Ogromne zapotrzebowanie na energię w centrach danych faworyzuje regiony ze stabilnymi i tanimi sieciami energetycznymi.

Ta rzeczywistość przeczy idei, że AI będzie wielkim wyrównywaczem szans. Chociaż narzędzia stają się bardziej dostępne dla jednostek, podstawowa kontrola pozostaje bardziej skonsolidowana niż kiedykolwiek. Rządy zaczynają dostrzegać tę nierównowagę. Przyglądają się historycznym precedensom, takim jak Sherman Antitrust Act, aby sprawdzić, czy stare prawa mogą poradzić sobie z nowymi monopolami. Jednak tempo przemysłowe obecnie wyprzedza politykę. Zanim regulacja zostanie przedyskutowana i uchwalona, technologia często wyprzedza ją o dwie generacje. Tworzy to trwałe opóźnienie, w którym prawo zawsze reaguje na rzeczywistość, która już się zmieniła.

Kiedy oprogramowanie wyprzedza prawo

Realny wpływ tej szybkości jest widoczny w tym, jak firmy muszą się adaptować. Rozważmy dzień z życia małej firmy marketingowej w Chicago. Pięć lat temu zatrudniali młodszych copywriterów do pisania tekstów i badaczy do wyszukiwania trendów. Dziś właściciel korzysta z jednej subskrypcji platformy AI, aby obsłużyć siedemdziesiąt procent tego nakładu pracy. Poranek zaczyna się od wygenerowanego przez AI podsumowania globalnych zmian rynkowych. Do południa system przygotowuje trzydzieści różnych wariantów reklam w oparciu o te zmiany. Ludzki personel działa teraz jako redaktorzy i stratedzy, a nie twórcy. Ta zmiana zachodzi w każdym sektorze, od prawa po medycynę. Zwiększa wydajność, ale także tworzy ogromną zależność od dostawcy platformy. Jeśli dostawca zmieni swoje ceny lub warunki świadczenia usług, firma marketingowa nie ma innego wyboru, jak tylko się dostosować. Zintegrowali narzędzie tak głęboko w swój przepływ pracy, że nie mogą łatwo wrócić do pracy ręcznej.

Ten scenariusz pokazuje, dlaczego polityka ma trudności z nadążeniem. Regulatorzy wciąż martwią się o prywatność danych i prawa autorskie, podczas gdy branża już zmierza w stronę autonomicznych agentów, którzy mogą podejmować decyzje finansowe. Przemysłowe tempo rozwoju AI jest napędzane wyścigiem o udział w rynku. Firmy są gotowe psuć rzeczy teraz i naprawiać je później, ponieważ bycie drugim w wyścigu infrastrukturalnym jest często tym samym, co bycie ostatnim. Widzieliśmy to podczas wojen przeglądarkowych i rozwoju mediów społecznościowych. Zwycięzcami są ci, którzy poruszają się wystarczająco szybko, aby stać się domyślnym standardem. Kiedy już jesteś standardem, bardzo trudno cię zastąpić. Tworzy to sytuację, w której interes publiczny jest często drugorzędny wobec dążenia do skali. Sprzeczność polega na tym, że chcemy korzyści płynących z technologii, ale obawiamy się władzy, jaką daje ona kilku korporacjom.

Najnowsza analiza branży AI na najnowsza analiza branży AI sugeruje, że wchodzimy w fazę głębokiej integracji. To moment, w którym technologia przestaje być nowinką, a staje się wymogiem. Dla firmy niekorzystanie z AI wkrótce będzie jak niekorzystanie z internetu w 2010 roku. Może to być możliwe, ale będzie niezwykle nieefektywne. Ta presja na adopcję napędza szybki wzrost, nawet jeśli długoterminowe konsekwencje są niejasne. Widzimy powtórkę z początku lat 2000., kiedy firmy rzuciły się do sieci, nie rozumiejąc w pełni zagrożeń dla bezpieczeństwa czy prywatności. Różnica polega dziś na tym, że skala jest znacznie większa, a stawka wyższa. Systemy, które teraz budujemy, prawdopodobnie będą rządzić tym, jak pracujemy i komunikujemy się przez następne kilka dekad.

Trudne pytania dla ery obliczeń

Musimy zastosować sokratejski sceptycyzm wobec obecnego boomu. Jakie są ukryte koszty tej szybkiej ekspansji? Najbardziej oczywistym jest wpływ na środowisko. Raport Międzynarodowej Agencji Energetycznej na temat centrów danych podkreśla, jak dużo energii zużywają te systemy. Budując więcej centrów danych, obciążamy starzejące się sieci energetyczne. Kto płaci za tę infrastrukturę? Czy firmy zarabiające miliardy, czy podatnicy, którzy dzielą się siecią? Istnieje również kwestia pracy nad danymi. Modele te są trenowane na zbiorowym dorobku ludzkości, często bez zgody czy wynagrodzenia. Czy to sprawiedliwe, aby kilka firm prywatyzowało wartość publicznych danych? Musimy zapytać, kto naprawdę korzysta z tej wydajności. Jeśli zadanie, które zajmowało dziesięć godzin, teraz zajmuje dziesięć minut, czy pracownik dostaje więcej czasu wolnego, czy po prostu dostaje dziesięć razy więcej pracy?

Prywatność to kolejny obszar, w którym koszty są często ukryte. Aby uczynić AI bardziej użyteczną, dajemy jej większy dostęp do naszego życia osobistego i zawodowego. Wymieniamy nasze dane na wygodę. Historia pokazuje, że gdy prywatność zostanie oddana, prawie niemożliwe jest jej odzyskanie. Widzieliśmy to wraz z rozwojem internetu wspieranego reklamami. To, co zaczęło się jako sposób na znajdowanie informacji, zmieniło się w globalny system inwigilacji. AI ma potencjał, by pójść jeszcze dalej. Jeśli AI wie, jak myślisz i jak pracujesz, może wpływać na twoje decyzje w sposób trudny do wykrycia. To nie są tylko problemy techniczne. To dylematy społeczne i etyczne, które wymagają czegoś więcej niż tylko poprawki oprogramowania. Musimy zdecydować, czy szybkość postępu jest warta utraty indywidualnej autonomii. Odpowiedzi na te pytania określą rodzaj społeczeństwa, w którym będziemy żyć, gdy boom na AI przejdzie w swoją dojrzałą fazę.

Mechanika warstwy modelu

Dla tych, którzy patrzą na stronę techniczną, uwaga przesuwa się z rozmiaru modelu na integrację z przepływem pracy. Odchodzimy od ogromnych, ogólnych modeli na rzecz mniejszych, wyspecjalizowanych, które mogą działać na lokalnym sprzęcie. Jest to odpowiedź na wysokie koszty i opóźnienia API opartych na chmurze. Zaawansowani użytkownicy coraz częściej szukają sposobów na obejście limitów narzuconych przez głównych dostawców. Obejmuje to zarządzanie limitami stawek API i znajdowanie sposobów na przechowywanie danych lokalnie, aby zapewnić prywatność i szybkość. Integracja AI z istniejącymi narzędziami to miejsce, gdzie dzieje się prawdziwa praca. Nie chodzi o czatowanie z botem. Chodzi o posiadanie modelu, który potrafi czytać twoje lokalne pliki, rozumieć twój specyficzny styl kodowania i sugerować zmiany w czasie rzeczywistym. Wymaga to innego rodzaju architektury niż ta używana w publicznych narzędziach internetowych.

Wyzwania techniczne na najbliższe lata obejmują:

• Optymalizację modeli do działania na konsumenckich GPU bez utraty zbyt dużej dokładności.
• Opracowanie lepszych sposobów obsługi pamięci długoterminowej w agentach AI, aby mogły pamiętać kontekst przez tygodnie lub miesiące.
• Tworzenie ustandaryzowanych protokołów dla różnych systemów AI, aby mogły się ze sobą komunikować.

Obserwujemy również wzrost znaczenia *lokalnej inferencji* jako sposobu na utrzymanie kontroli nad wrażliwymi danymi. Uruchamiając modele na lokalnej maszynie, użytkownik może mieć pewność, że jego własne informacje nigdy nie opuszczą budynku. Jest to szczególnie ważne w branżach takich jak prawo i finanse, gdzie bezpieczeństwo danych jest sprawą nadrzędną. Jednak lokalny sprzęt wciąż pozostaje w tyle za ogromnymi klastrami należącymi do gigantów chmurowych. Tworzy to system dwupoziomowy. Najpotężniejsze modele pozostaną w chmurze, podczas gdy bardziej wydajne, mniej zdolne wersje będą działać lokalnie. Równoważenie tych dwóch światów to kolejne wielkie wyzwanie dla programistów. Muszą zdecydować, kiedy użyć surowej mocy chmury, a kiedy priorytetyzować prywatność i szybkość lokalnych obliczeń. To techniczne napięcie będzie napędzać wiele innowacji w nadchodzących latach.

Masz historię, narzędzie, trend lub pytanie dotyczące sztucznej inteligencji, które Twoim zdaniem powinniśmy omówić? Prześlij nam swój pomysł na artykuł — chętnie go poznamy.

Niedokończona historia skali

Historia technologii to historia konsolidacji. Od kolei po internet widzimy wzorzec eksplozji, po której następuje kontrola. AI znajduje się obecnie w środku tego cyklu. Perspektywa USA jest dominująca, ponieważ zasoby wymagane na tym etapie wzrostu są tam skoncentrowane. Jednak historia jeszcze się nie skończyła. W miarę dojrzewania technologii zobaczymy nowe wyzwania dla tej potęgi platform. Czy będzie to wynikać z regulacji, nowych przełomów technicznych, czy zmiany w sposobie, w jaki cenimy nasze dane, dopiero się okaże. Pytaniem pozostaje, czy możemy cieszyć się korzyściami z tej nowej infrastruktury, nie rezygnując z konkurencji i prywatności, które czynią zdrową gospodarkę możliwą. Budujemy fundamenty następnego stulecia. Powinniśmy bardzo uważać na to, kto trzyma do nich klucze.

Uwaga redakcji: Stworzyliśmy tę stronę jako wielojęzyczne centrum wiadomości i przewodników na temat sztucznej inteligencji dla osób, które nie są komputerowymi maniakami, ale nadal chcą zrozumieć sztuczną inteligencję, używać jej z większą pewnością i śledzić przyszłość, która już nadchodzi.