Ano ang Itinuturo ng mga Nakaraang Tech Boom Tungkol sa AI

Inuulit ang Siklo ng Imprastraktura

Madalas sabihin ng Silicon Valley na ang kanilang pinakabagong breakthrough ay hindi pa nakikita dati. Hindi ito totoo. Ang kasalukuyang surge ng artificial intelligence ay sumasalamin sa paglawak ng riles ng tren noong 1800s at ang dot-com boom noong huling bahagi ng 1990s. Nakikita natin ang isang malaking pagbabago sa kung paano dumadaloy ang capital at kung paano sentralisado ang compute power. Tungkol ito sa kung sino ang nagmamay-ari ng imprastraktura ng hinaharap. Ang United States ang nangunguna dahil sila ang may pinakamalalim na bulsa at pinaka-agresibong cloud providers. Ipinapakita ng kasaysayan na ang mga kumokontrol sa mga riles o fiber optic cables ang kalaunan ay nagdidikta ng mga tuntunin para sa lahat. Hindi naiiba ang AI. Sinusunod nito ang isang pamilyar na landas ng pagbuo ng imprastraktura na sinusundan ng mabilis na konsolidasyon. Ang pag-unawa sa pattern na ito ay nakakatulong sa atin na makita ang lampas sa hype at matukoy kung nasaan ang tunay na kapangyarihan sa bagong siklong ito. Ang pangunahing aral ay simple. Hindi lang tayo bumubuo ng mas matalinong software. Bumubuo tayo ng isang bagong utility na magiging kasing-halaga ng kuryente o internet. Ang mga mananalo ay ang mga kumokontrol sa pisikal na hardware at ang malalaking datasets na kinakailangan para mapanatiling tumatakbo ang mga sistemang ito.

Mula sa Bakal na Riles Patungo sa Neural Networks

Para maunawaan ang AI ngayon, tingnan ang boom ng riles ng tren sa Amerika. Noong kalagitnaan ng 1800s, napakalaking halaga ng capital ang ibinuhos sa paglalagay ng mga riles sa buong kontinente. Maraming kumpanya ang nalugi, pero nanatili ang mga riles. Ang mga riles na iyon ang bumuo ng pundasyon para sa susunod na siglo ng paglago ng ekonomiya. Ang AI ay kasalukuyang nasa yugto ng paglalagay ng riles. Sa halip na bakal at singaw, gumagamit tayo ng silicon at kuryente. Ang malalaking investment mula sa mga kumpanya tulad ng Microsoft at Google ang bumubuo ng mga compute cluster na susuporta sa bawat iba pang industriya. Isa itong klasikong infrastructure play. Kapag ang isang teknolohiya ay nangangailangan ng napakalaking capital para magsimula, natural nitong pinapaboran ang malalaki at matatag na players. Ito ang dahilan kung bakit ilang kumpanya sa US ang nangingibabaw sa larangan. Mayroon silang pera para bumili ng mga chips at lupa para magtayo ng mga data center. Mayroon din silang mga existing user base para subukan ang kanilang mga model sa malakihang paraan. Lumilikha ito ng feedback loop kung saan ang pinakamalalaking player ay nakakakuha ng mas maraming data, na nagpapaganda sa kanilang mga model, na umaakit naman ng mas maraming user.

Madalas mapagkamalan ng mga tao ang AI bilang isang standalone na produkto. Mas tumpak na ituring ito bilang isang platform. Kung paanong kinailangan ng internet ang [external-link] kasaysayan ng internet para lumipat mula sa isang proyekto ng militar patungo sa isang global utility, ang AI ay lumilipat mula sa mga research lab patungo sa backbone ng mga operasyon ng negosyo. Ang transisyon ay nangyayari nang mas mabilis kaysa sa mga nakaraang siklo dahil ang distribution network ay umiiral na. Hindi na natin kailangang maglatag ng mga bagong cable para maabot ang mga user. Kailangan lang nating i-upgrade ang mga server sa dulo ng mga linya. Ang bilis na ito ang nagpaparamdam na kakaiba ang kasalukuyang sandali, kahit na pamilyar ang mga pinagbabatayang pattern ng ekonomiya. Ang konsentrasyon ng kapangyarihan ay isang feature ng yugtong ito, hindi isang bug. Iminumungkahi ng kasaysayan na kapag nakapwesto na ang imprastraktura, ang pokus ay lumilipat mula sa pagbuo ng mga system patungo sa pagkuha ng halaga mula sa mga ito. Papalapit na tayo sa pivot point na iyon ngayon.

Ang Bentahe ng American Capital

Ang pandaigdigang epekto ng AI ay direktang nakatali sa kung sino ang kayang magbayad ng bill. Sa ngayon, iyon ay pangunahing ang US. Ang lalim ng mga capital market ng Amerika ay nagbibigay-daan sa isang antas ng panganib na nahihirapang pantayan ng ibang mga rehiyon. Lumilikha ito ng malaking puwang sa kapangyarihan ng platform. Kapag ang ilang kumpanya ang kumokontrol sa cloud, epektibo nilang kinokontrol ang mga patakaran para sa lahat. May malalim na implikasyon ito para sa pambansang soberanya at pandaigdigang kompetisyon. Ang mga bansang walang sariling malakihang compute infrastructure ay kailangang umupa nito mula sa mga provider ng Amerika. Lumilikha ito ng bagong uri ng dependency. Hindi na lang ito tungkol sa mga software license. Tungkol ito sa access sa processing power na kinakailangan para patakbuhin ang isang modernong ekonomiya. Ang sentralisasyong ito ng kapangyarihan ay isang paulit-ulit na tema sa kasaysayan ng tech.

May tatlong pangunahing dahilan kung bakit ang kapangyarihang ito ay nananatiling nakatuon sa iilang kamay:

• Ang gastos sa pag-train ng isang nangungunang model ay umaabot na ngayon sa bilyun-bilyong dolyar.
• Ang specialized hardware na kinakailangan ay ginagawa ng napakakaunting bilang ng mga manufacturer.
• Ang malalaking pangangailangan sa enerhiya para sa mga data center ay pabor sa mga rehiyon na may stable at murang power grid.

Ang katotohanang ito ay sumasalungat sa ideya na ang AI ay magiging isang mahusay na equalizer. Bagama’t ang mga tool ay nagiging mas accessible sa mga indibidwal, ang pinagbabatayang kontrol ay nananatiling mas consolidated kaysa dati. Nagsisimula nang mapansin ng mga gobyerno ang kawalan ng timbang na ito. Tinitingnan nila ang mga makasaysayang precedent tulad ng [external-link] Sherman Antitrust Act para makita kung kayang hawakan ng mga lumang batas ang mga bagong monopolyo. Gayunpaman, ang bilis ng industriya ay kasalukuyang nalalagpasan ang polisiya. Sa oras na ang isang regulasyon ay mapagdebatehan at maipasa, ang teknolohiya ay madalas na nakalipat na ng dalawang henerasyon. Lumilikha ito ng permanenteng lag kung saan ang batas ay laging tumutugon sa isang realidad na nagbago na.

Kapag ang Software ay Mas Mabilis kaysa sa Batas

Ang tunay na epekto ng bilis na ito ay makikita sa kung paano napipilitang mag-adjust ang mga negosyo. Isipin ang isang araw sa buhay ng isang maliit na marketing firm sa Chicago. Limang taon na ang nakalilipas, kumuha sila ng mga junior writer para magsulat ng copy at mga researcher para maghanap ng mga trend. Ngayon, ang may-ari ay gumagamit ng isang subscription sa isang AI platform para hawakan ang pitumpung porsyento ng workload na iyon. Ang umaga ay nagsisimula sa isang AI-generated na buod ng mga pagbabago sa pandaigdigang merkado. Pagsapit ng tanghali, ang system ay nakagawa na ng tatlumpung iba’t ibang ad variation batay sa mga pagbabagong iyon. Ang mga tao ay nagsisilbi na lamang bilang mga editor at strategist sa halip na mga creator. Ang pagbabagong ito ay nangyayari sa bawat sektor, mula sa batas hanggang sa medisina. Pinapataas nito ang efficiency, pero lumilikha rin ito ng malaking pagdepende sa provider ng platform. Kung babaguhin ng provider ang kanilang pagpepresyo o ang kanilang terms of service, wala nang ibang pagpipilian ang marketing firm kundi sumunod. Masyado na nilang na-integrate ang tool sa kanilang workflow kaya hindi na sila madaling makakabalik sa manual na paggawa.

Ipinapakita ng senaryong ito kung bakit nahihirapang sumabay ang polisiya. Ang mga regulator ay nag-aalala pa rin tungkol sa data privacy at copyright, habang ang industriya ay patungo na sa mga autonomous agent na kayang gumawa ng mga desisyong pinansyal. Ang bilis ng pag-unlad ng AI ay hinihimok ng karera para sa market share. Ang mga kumpanya ay handang sumira ng mga bagay ngayon at ayusin ang mga ito mamaya dahil ang pagiging pangalawa sa isang karera sa imprastraktura ay madalas na katumbas ng pagiging huli. Nakita natin ito sa browser wars at sa pag-usbong ng social media. Ang mga mananalo ay ang mga mabilis kumilos para maging default standard. Kapag ikaw na ang standard, napakahirap mo nang palitan. Lumilikha ito ng sitwasyon kung saan ang interes ng publiko ay madalas na pangalawa lamang sa drive para sa scale. Ang kontradiksyon ay gusto natin ang mga benepisyo ng teknolohiya, pero nag-iingat tayo sa kapangyarihang ibinibigay nito sa iilang korporasyon.

Ang pinakabagong pagsusuri sa industriya ng AI sa [internal-link] pinakabagong pagsusuri sa industriya ng AI ay nagmumungkahi na papasok na tayo sa yugto ng malalim na integrasyon. Dito humihinto ang teknolohiya sa pagiging novelty at nagsisimulang maging requirement. Para sa isang negosyo, ang hindi paggamit ng AI ay magiging katulad ng hindi paggamit ng internet noong 2010. Maaaring posible ito, pero magiging napaka-inefficient nito. Ang pressure na ito na mag-adopt ang nagtutulak sa mabilis na paglago, kahit na hindi malinaw ang mga pangmatagalang kahihinatnan. Nakikita natin ang pag-uulit ng unang bahagi ng 2000s nang magmadali ang mga kumpanya na mag-online nang hindi lubos na nauunawaan ang mga panganib sa seguridad o privacy. Ang pagkakaiba ngayon ay mas malaki ang scale at mas mataas ang stakes. Ang mga system na binubuo natin ngayon ay malamang na mamamahala sa kung paano tayo nagtatrabaho at nakikipag-usap sa susunod na ilang dekada.

Mahihirap na Tanong para sa Compute Age

Dapat nating ilapat ang Socratic skepticism sa kasalukuyang boom. Ano ang mga nakatagong gastos ng mabilis na paglawak na ito? Ang pinaka-halata ay ang epekto sa kapaligiran. Ang [external-link] ulat ng International Energy Agency tungkol sa mga data center ay nagbibigay-diin kung gaano karaming kuryente ang kinokonsumo ng mga system na ito. Habang nagtatayo tayo ng mas maraming data center, mas pinapabigat natin ang mga lumang power grid. Sino ang nagbabayad para sa imprastraktura na iyon? Ang mga kumpanyang kumikita ng bilyun-bilyon ba, o ang mga taxpayer na nakikigamit sa grid? May tanong din tungkol sa data labor. Ang mga model na ito ay na-train sa kolektibong output ng sangkatauhan, madalas nang walang pahintulot o bayad. Patas ba para sa iilang kumpanya na gawing pribado ang halaga ng public data? Kailangan nating itanong kung sino ang tunay na nakikinabang sa efficiency na ito. Kung ang isang gawain na dati ay tumatagal ng sampung oras ay tumatagal na lang ngayon ng sampung minuto, nakakakuha ba ang manggagawa ng mas maraming bakanteng oras, o nakakakuha lang sila ng sampung beses na mas maraming trabaho?

Ang privacy ay isa pang lugar kung saan ang mga gastos ay madalas na nakatago. Para gawing mas kapaki-pakinabang ang AI, binibigyan natin ito ng mas maraming access sa ating personal at propesyonal na buhay. Ipinagpapalit natin ang ating data para sa convenience. Ipinapakita ng kasaysayan na kapag naibigay na ang privacy, halos imposible na itong mabawi. Nakita natin ito sa pag-usbong ng internet na suportado ng ad. Ang nagsimula bilang paraan para makahanap ng impormasyon ay naging isang global surveillance system. Ang AI ay may potensyal na dalhin ito nang mas malayo. Kung alam ng isang AI kung paano ka mag-isip at kung paano ka magtrabaho, maaari nitong impluwensyahan ang iyong mga desisyon sa mga paraang mahirap matukoy. Hindi lang ito mga teknikal na problema. Ang mga ito ay mga sosyal at etikal na dilemma na nangangailangan ng higit pa sa software patch. Dapat nating magpasya kung ang bilis ng pag-unlad ay sulit sa pagkawala ng indibidwal na awtonomiya. Ang mga sagot sa mga tanong na ito ang magtatakda ng uri ng lipunan na ating kinalalagyan kapag ang AI boom ay pumasok na sa mature na yugto nito.

Ang Mechanics ng Model Layer

Para sa mga tumitingin sa teknikal na bahagi, ang pokus ay lumilipat mula sa laki ng model patungo sa workflow integration. Nakikita natin ang paglayo mula sa malalaki at general-purpose na mga model patungo sa mas maliliit at specialized na mga model na kayang tumakbo sa local hardware. Tugon ito sa mataas na gastos at latency ng mga cloud-based API. Ang mga power user ay lalong naghahanap ng mga paraan para malampasan ang mga limitasyong ipinataw ng mga pangunahing provider. Kasama rito ang pamamahala sa mga API rate limit at paghahanap ng mga paraan para i-store ang data nang lokal para matiyak ang privacy at bilis. Ang integrasyon ng AI sa mga existing tool ang lugar kung saan nangyayari ang tunay na trabaho. Hindi ito tungkol sa pakikipag-chat sa isang bot. Tungkol ito sa pagkakaroon ng model na kayang magbasa ng iyong mga local file, maunawaan ang iyong partikular na coding style, at magmungkahi ng mga pagbabago nang real time. Nangangailangan ito ng ibang uri ng arkitektura kaysa sa ginagamit para sa mga public web tool.

Ang mga teknikal na hamon para sa susunod na ilang taon ay kinabibilangan ng:

• Pag-optimize sa mga model para tumakbo sa consumer-grade GPU nang hindi nawawala ang masyadong maraming accuracy.
• Pagbuo ng mas mahusay na paraan para hawakan ang long-term memory sa mga AI agent para matandaan nila ang context sa loob ng ilang linggo o buwan.
• Paglikha ng mga standardized protocol para sa iba’t ibang AI system para makipag-ugnayan sa isa’t isa.

Nakikita rin natin ang pag-usbong ng *local inference* bilang paraan para mapanatili ang kontrol sa sensitibong data. Sa pamamagitan ng pagpapatakbo ng mga model sa isang local machine, masisiguro ng user na ang kanilang proprietary information ay hindi kailanman lalabas sa kanilang gusali. Partikular na mahalaga ito para sa mga industriya tulad ng batas at pananalapi kung saan ang data security ay pinakamahalaga. Gayunpaman, ang local hardware ay nahuhuli pa rin sa malalaking cluster na pagmamay-ari ng mga cloud giant. Lumilikha ito ng two-tier system. Ang pinakamakapangyarihang mga model ay mananatili sa cloud, habang ang mas efficient at hindi gaanong capable na mga bersyon ay tatakbo nang lokal. Ang pagbabalanse sa dalawang mundong ito ang susunod na malaking hamon para sa mga developer. Dapat nilang magpasya kung kailan gagamitin ang raw power ng cloud at kailan uunahin ang privacy at bilis ng local compute. Ang teknikal na tensyong ito ang magtutulak sa maraming inobasyon sa mga darating na taon.

Mayroon ka bang kuwento, tool, trend, o tanong tungkol sa AI na sa tingin mo ay dapat naming i-cover? Ipadala sa amin ang iyong ideya sa artikulo — gusto naming marinig ito.

Ang Hindi Tapos na Kwento ng Scale

Ang kasaysayan ng teknolohiya ay kasaysayan ng konsolidasyon. Mula sa mga riles ng tren hanggang sa internet, nakikita natin ang pattern ng pagsabog na sinusundan ng kontrol. Ang AI ay kasalukuyang nasa gitna ng siklong ito. Ang anggulo ng US ay dominant dahil ang mga mapagkukunang kinakailangan para sa yugtong ito ng paglago ay nakatuon doon. Gayunpaman, ang kwento ay hindi pa tapos. Habang nagiging mature ang teknolohiya, makakakita tayo ng mga bagong hamon sa kapangyarihan ng platform na ito. Kung ito man ay magmumula sa regulasyon, mga bagong teknikal na breakthrough, o pagbabago sa kung paano natin pinapahalagahan ang ating data ay makikita pa natin. Ang buhay na tanong ay kung kaya nating tamasahin ang mga benepisyo ng bagong imprastraktura na ito nang hindi isinusuko ang kompetisyon at privacy na nagpapaging posible sa isang malusog na ekonomiya. Binubuo natin ang pundasyon ng susunod na siglo. Dapat tayong maging maingat sa kung sino ang may hawak ng mga susi nito.

Paalala ng Editor: Ginawa namin ang site na ito bilang isang multilingual AI news at guides hub para sa mga taong hindi computer geeks, ngunit nais pa ring maunawaan ang artificial intelligence, gamitin ito nang may higit na kumpiyansa, at sundan ang hinaharap na dumarating na.