Šta nas prethodni tehnološki bumovi uče o AI-u

Ciklus infrastrukture se ponavlja

Silicijumska dolina često tvrdi da je njen najnoviji proboj bez presedana. To nije tačno. Trenutni nalet veštačke inteligencije (AI) podseća na širenje železnice iz 19. veka i dot-com bum iz kasnih devedesetih. Vidimo ogromnu promenu u tome kako kapital teče i kako se centralizuje računarska snaga. Ovde se radi o tome ko poseduje infrastrukturu budućnosti. Sjedinjene Američke Države prednjače jer imaju najdublje džepove i najagresivnije cloud provajdere. Istorija pokazuje da oni koji kontrolišu šine ili optičke kablove na kraju diktiraju uslove svima ostalima. AI nije ništa drugačiji. On prati dobro utaban put izgradnje infrastrukture praćene brzom konsolidacijom. Razumevanje ovog obrasca nam pomaže da sagledamo dalje od hajpa i identifikujemo gde leži stvarna moć u ovom novom ciklusu. Glavna poenta je jednostavna. Mi ne gradimo samo pametniji softver. Gradimo novi komunalni sistem koji će biti fundamentalan kao struja ili internet. Pobednici će biti oni koji kontrolišu fizički hardver i masivne skupove podataka potrebne da bi ovi sistemi radili.

Od čeličnih šina do neuronskih mreža

Da biste razumeli AI danas, pogledajte bum američke železnice. Sredinom 19. veka, ogromne količine kapitala su uložene u postavljanje šina širom kontinenta. Mnoge kompanije su bankrotirale, ali šine su ostale. Te šine su formirale osnovu za naredni vek ekonomskog rasta. AI je trenutno u fazi postavljanja šina. Umesto čelika i pare, koristimo silicijum i struju. Ogromne investicije kompanija kao što su Microsoft i Google grade računarske klastere koji će podržavati svaku drugu industriju. Ovo je klasičan potez u infrastrukturi. Kada tehnologija zahteva ogroman kapital za početak, to prirodno favorizuje velike, etablirane igrače. Zato nekoliko firmi u SAD dominira u ovoj oblasti. Oni imaju novac da kupe čipove i zemljište za izgradnju data centara. Takođe imaju postojeću bazu korisnika za testiranje svojih modela u velikom obimu. Ovo stvara povratnu spregu gde najveći igrači dobijaju više podataka, što njihove modele čini boljim, što privlači više korisnika.

Ljudi često greše misleći da je AI samostalan proizvod. Tačnije je posmatrati ga kao platformu. Baš kao što je internetu bila potrebna istorija interneta da pređe iz vojnog projekta u globalni komunalni sistem, AI se seli iz istraživačkih laboratorija u okosnicu poslovnih operacija. Tranzicija se dešava brže nego u prethodnim ciklusima jer distributivna mreža već postoji. Ne moramo da postavljamo nove kablove da bismo stigli do korisnika. Samo treba da nadogradimo servere na krajevima linija. Ova brzina je ono što čini da trenutni trenutak deluje drugačije, čak i ako su osnovni ekonomski obrasci poznati. Koncentracija moći je karakteristika ove faze, a ne greška. Istorija sugeriše da se, jednom kada se infrastruktura postavi, fokus pomera sa izgradnje sistema na izvlačenje vrednosti iz njih. Sada se približavamo toj prekretnici.

Američka prednost u kapitalu

Globalni uticaj AI-a je direktno povezan sa tim ko može da plati račun. Trenutno, to su prvenstveno SAD. Dubina američkih tržišta kapitala omogućava nivo rizika kojem drugi regioni teško mogu da pariraju. Ovo stvara značajan jaz u moći platforme. Kada nekolicina kompanija kontroliše cloud, one efektivno kontrolišu pravila igre za sve ostale. Ovo ima duboke implikacije na nacionalni suverenitet i globalnu konkurenciju. Zemlje koje nemaju sopstvenu računarsku infrastrukturu velikih razmera moraju da je iznajmljuju od američkih provajdera. Ovo stvara novu vrstu zavisnosti. Više se ne radi samo o softverskim licencama. Radi se o pristupu procesorskoj snazi potrebnoj za pokretanje moderne ekonomije. Ova centralizacija moći je ponavljajuća tema u istoriji tehnologije.

Postoje tri glavna razloga zašto ova moć ostaje koncentrisana u nekoliko ruku:

• Trošak obuke vodećeg modela sada dostiže milijarde dolara.
• Specijalizovani hardver potreban za to proizvodi veoma mali broj proizvođača.
• Masivni energetski zahtevi za data centre favorizuju regione sa stabilnim i jeftinim električnim mrežama.

Ova realnost protivreči ideji da će AI biti veliki izjednačivač. Iako alati postaju dostupniji pojedincima, osnovna kontrola ostaje konsolidovanija nego ikada. Vlade počinju da primećuju ovaj disbalans. One gledaju istorijske presedane kao što je Sherman Antitrust Act da vide da li stari zakoni mogu da se nose sa novim monopolima. Međutim, industrijska brzina trenutno prestiže politiku. Dok se o regulativi raspravlja i dok se ona usvoji, tehnologija je često već dve generacije ispred. Ovo stvara trajni zaostatak gde zakon uvek reaguje na realnost koja se već promenila.

Kada softver ide brže od zakona

Stvarni uticaj ove brzine je vidljiv u tome kako su preduzeća primorana da se prilagode. Razmotrite jedan dan u životu male marketinške firme u Čikagu. Pre pet godina, zapošljavali su mlade pisce da pišu tekstove i istraživače da pronalaze trendove. Danas vlasnik koristi jednu pretplatu na AI platformu da obavi sedamdeset posto tog posla. Jutro počinje AI-generisanim sažetkom globalnih tržišnih promena. Do podneva, sistem je sastavio trideset različitih varijacija oglasa na osnovu tih promena. Ljudsko osoblje sada deluje kao urednici i stratezi, a ne kao kreatori. Ova promena se dešava u svakom sektoru, od prava do medicine. Povećava efikasnost, ali takođe stvara masivnu zavisnost od provajdera platforme. Ako provajder promeni svoje cene ili uslove korišćenja, marketinška firma nema izbora osim da se povinuje. Oni su integrisali alat toliko duboko u svoj radni proces da ne mogu lako da se vrate na ručni rad.

Ovaj scenario pokazuje zašto politika teško drži korak. Regulatori su i dalje zabrinuti zbog privatnosti podataka i autorskih prava, dok se industrija već kreće ka autonomnim agentima koji mogu da donose finansijske odluke. Industrijsku brzinu razvoja AI-a pokreće trka za tržišnim udelom. Kompanije su spremne da sada lome stvari i popravljaju ih kasnije jer biti drugi u trci za infrastrukturu je često isto što i biti poslednji. Videli smo to sa ratovima pretraživača i usponom društvenih mreža. Pobednici su oni koji se kreću dovoljno brzo da postanu podrazumevani standard. Jednom kada postanete standard, veoma vas je teško zameniti. Ovo stvara situaciju u kojoj je javni interes često sekundaran u odnosu na težnju za skaliranjem. Kontradikcija je u tome što želimo prednosti tehnologije, ali smo oprezni prema moći koju ona daje nekolicini korporacija.

Najnovija analiza AI industrije na najnovija analiza AI industrije sugeriše da ulazimo u fazu duboke integracije. Ovo je trenutak kada tehnologija prestaje da bude novitet i počinje da bude zahtev. Za posao, nekorisćenje AI-a će uskoro biti kao nekorisćenje interneta 2010. godine. Možda je moguće, ali će biti neverovatno neefikasno. Ovaj pritisak za usvajanjem je ono što pokreće brz rast, čak i kada su dugoročne posledice nejasne. Vidimo ponavljanje ranih 2000-ih kada su kompanije žurile da se povežu na internet bez potpunog razumevanja bezbednosnih ili privatnih rizika. Razlika danas je u tome što je skala mnogo veća, a ulozi su viši. Sistemi koje sada gradimo verovatno će upravljati time kako radimo i komuniciramo u narednih nekoliko decenija.

Teška pitanja za eru računarstva

Moramo primeniti sokratovski skepticizam na trenutni bum. Koji su skriveni troškovi ovog brzog širenja? Najočigledniji je uticaj na životnu sredinu. Izveštaj Međunarodne energetske agencije o data centrima naglašava koliko struje ovi sistemi troše. Kako gradimo više data centara, vršimo veći pritisak na zastarele električne mreže. Ko plaća tu infrastrukturu? Da li su to kompanije koje zarađuju milijarde, ili poreski obveznici koji dele mrežu? Tu je i pitanje rada na podacima. Ovi modeli su obučeni na kolektivnom učinku čovečanstva, često bez saglasnosti ili kompenzacije. Da li je pošteno da nekoliko kompanija privatizuje vrednost javnih podataka? Moramo se zapitati ko zaista ima koristi od ove efikasnosti. Ako zadatak koji je trajao deset sati sada traje deset minuta, da li radnik dobija više slobodnog vremena ili samo dobija deset puta više posla?

Privatnost je još jedna oblast gde su troškovi često skriveni. Da bismo AI učinili korisnijim, dajemo mu veći pristup našim ličnim i profesionalnim životima. Menjamo naše podatke za praktičnost. Istorija pokazuje da, jednom kada se privatnost izgubi, gotovo je nemoguće vratiti je. Videli smo to sa usponom interneta podržanog oglasima. Ono što je počelo kao način za pronalaženje informacija pretvorilo se u globalni sistem nadzora. AI ima potencijal da ovo odvede još dalje. Ako AI zna kako razmišljate i kako radite, može uticati na vaše odluke na načine koje je teško otkriti. Ovo nisu samo tehnički problemi. To su društvene i etičke dileme koje zahtevaju više od obične softverske zakrpe. Moramo odlučiti da li je brzina napretka vredna gubitka individualne autonomije. Odgovori na ova pitanja će odrediti vrstu društva u kojem živimo kada se AI bum smiri u svoju zrelu fazu.

Mehanika sloja modela

Za one koji gledaju tehničku stranu, fokus se pomera sa veličine modela na integraciju radnog procesa. Vidimo odmak od masivnih, opštih modela ka manjim, specijalizovanim koji mogu da rade na lokalnom hardveru. Ovo je odgovor na visoke troškove i kašnjenje cloud API-ja. Napredni korisnici sve više traže načine da zaobiđu ograničenja koja nameću glavni provajderi. Ovo uključuje upravljanje ograničenjima brzine API-ja i pronalaženje načina za lokalno skladištenje podataka kako bi se osigurala privatnost i brzina. Integracija AI-a u postojeće alate je mesto gde se odvija pravi posao. Ne radi se o ćaskanju sa botom. Radi se o posedovanju modela koji može da čita vaše lokalne datoteke, razume vaš specifičan stil kodiranja i predlaže promene u realnom vremenu. Ovo zahteva drugačiju vrstu arhitekture od one koja se koristi za javne veb alate.

Tehnički izazovi za narednih nekoliko godina uključuju:

• Optimizaciju modela za rad na potrošačkim GPU-ovima bez prevelikog gubitka preciznosti.
• Razvijanje boljih načina za upravljanje dugoročnom memorijom u AI agentima kako bi mogli da pamte kontekst nedeljama ili mesecima.
• Kreiranje standardizovanih protokola za komunikaciju različitih AI sistema.

Takođe vidimo porast *lokalnog zaključivanja* kao način za održavanje kontrole nad osetljivim podacima. Pokretanjem modela na lokalnoj mašini, korisnik može da osigura da njihove vlasničke informacije nikada ne napuste njihovu zgradu. Ovo je posebno važno za industrije kao što su pravo i finansije gde je bezbednost podataka najvažnija. Međutim, lokalni hardver i dalje zaostaje za masivnim klasterima u vlasništvu cloud giganata. Ovo stvara sistem u dva nivoa. Najmoćniji modeli će ostati u cloudu, dok će efikasnije, manje sposobne verzije raditi lokalno. Balansiranje ova dva sveta je sledeći veliki izazov za programere. Oni moraju da odluče kada da koriste sirovu snagu clouda, a kada da daju prioritet privatnosti i brzini lokalnog računarstva. Ova tehnička tenzija će pokrenuti mnogo inovacija u narednim godinama.

Nedovršena priča o skali

Istorija tehnologije je istorija konsolidacije. Od železnice do interneta, vidimo obrazac eksplozije praćene kontrolom. AI je trenutno usred ovog ciklusa. Američki ugao je dominantan jer su resursi potrebni za ovu fazu rasta koncentrisani tamo. Međutim, priča nije gotova. Kako tehnologija sazreva, videćemo nove izazove za ovu moć platforme. Da li će to doći od regulative, novih tehničkih proboja ili promene u tome kako vrednujemo naše podatke, ostaje da se vidi. Pitanje uživo je da li možemo da uživamo u prednostima ove nove infrastrukture bez odustajanja od konkurencije i privatnosti koji čine zdravu ekonomiju mogućom. Gradimo temelj sledećeg veka. Trebalo bi da budemo veoma oprezni ko drži ključeve od njega.