En chipproducenten Nvidia har for nylig rapporteret imponerende indtægter, mens den fremtrædende iværksætter Elon Musk har hævdet, at kunstig intelligens (AI) på menneskelignende niveau kunne blive en realitet næste år. På trods af disse udsagn er der en mangel på forsyningschips, der er afgørende for at drive AI, hvilket antyder, at AI-bevægelsen lige er begyndt, og vi alle skal komme ombord.
Alligevel kan der være en mulig skuffelse i sigte i forhold til, hvad AI menes at være i stand til, og hvilken investeringsafkast den kunne generere for investorerne. Teknologiske fremskridt inden for AI rammer en nedgang, og der synes at være færre anvendelser selv for de bedste systemer, end oprindeligt antaget, ifølge en rapport af Christopher Mims for The Wall Street Journal. At opbygge og betjene AI er blevet overordentligt dyrt, og introduktionen af nye modeller har ikke i høj grad påvirket, hvordan de fleste arbejder.
Disse faktorer rejser spørgsmål om kommoditeten af AI, dens indtjeningsevne og om der er ved at opstå en ny økonomi.
Faldende forbedringer inden for AI er tydelige i store sprogmodeller som ChatGPT fra OpenAI og Google’s Gemini. Deres skrive- og analytiske evner stammer i vid udstrækning fra at blive fodret med massive datasæt. Udfordringen er imidlertid, at disse virksomheder måske allerede har trænet deres modeller på den betydelige indhold tilgængelig på internettet, og yderligere data til yderligere træning er nu svært at finde.
For at træne den næste generation af AI overvejes syntetiske data skabt af andre kunstige intelligenser, men det har ikke vist sig særlig succesfuld til at forbedre teknologien til autonome køretøjer, og der er tegn på, at det måske ikke i væsentlig grad forbedrer store sprogmodeller heller. Kognitive forsker, Gary Marcus, der solgte en AI-startup til Uber i 2016, har kommenteret, at hvad vi har været vidne til de sidste 14 måneder, er mindre bedrifter, der antyder et plateau i kapaciteterne af disse AI-systemer.
Studier antyder også, at der har været en konvergens i præstationerne af forskellige AI-modeller, med både patenterede og open-source-versioner som dem fra Meta og Mistral, der leverer i stigende grad lignende resultater.
AI kan blive en handelsvare, efterhånden som den modnes, og gennembrud bliver sjældnere. Teknologien bliver et niveau spil, hvor virksomheder derefter stræber efter effektivitet. Det sidste, der gennemgik en sådan transformation, var sektoren for elektriske køretøjer, og nu synes AI at være på en lignende bane.
Kommoditiseringen af AI er en af grundene til, at Anshu Sharma, CEO for AI-privatlivs- og data-startuppen Skyflow og tidligere vicepræsident for softwaregiganten Salesforce, mener, at fremtiden for AI-startups som OpenAI og Anthropic måske er usikker. Selvom han er optimistisk mener han, at store virksomheder som Microsoft og Google kunne tiltrække nok brugere til at retfærdiggøre deres AI-investeringer, kan dette kræve betydelige langsigtede udgifter, der potentielt kan overgå selv de bedst finansierede AI-startups.
Nogle AI-startups støder allerede på uro, herunder Inflection AI, der står over for afgange af medstiftere og medarbejdere tidligere fra Microsoft. CEO’en for Stability AI, kendt for deres avancerede billedegenererende AI-værktøj Stable Diffusion, forlod pludselig i marts. Det er åbenlyst, at flere AI-startups, selv velfinansierede, forhandler for at sælge deres virksomheder.
Vigtige Spørgsmål og Svar:
– Hvilke faktorer bidrager til nedgangen i AI-innovation?
Nedgangen kan tilskrives faldende forbedringer i AI-modeller, udfordringer ved at finde nye massive datasæt til træning, den høje omkostning ved at opbygge og betjene AI, og kommoditiseringen af AI-teknologi, der fører til en ligestilling, som lægger vægt på effektivitet frem for gennembrudsinovation.
– Hvordan påvirker kommoditiseringen af AI startups på området?
Kommodity AI betyder, at differentiering bliver vanskelig, og indtjeningspotentialet kan formindskes, hvilket fører til usikre fremtider for AI-startups. Selv store investeringer kan ikke garantere langvarig succes, og mange startups har det svært ved at retfærdiggøre deres omkostninger uden et unikt salgsfremstød.
– Hvad er rollen for syntetiske data i fremtidig træning af AI-modeller?
Syntetiske data betragtes som en potentiel løsning på mangel på nye data til træning af AI-modeller. Dog er dens effektivitet stadig i tvivl, med blandede resultater i forskellige applikationer såsom teknologi til autonome køretøjer og potentielle begrænsninger i forbedring af sprogmodeller.
Udfordringer og Kontroverser:
– Data Mangel: Vanskeligheder ved at skaffe nye og store datasæt til træning kan potentielt hæmme udviklingen af mere avancerede AI-systemer.
– Afkastning på Investment: Da udviklingsomkostningerne til AI stiger, gennemgår investorer og virksomheder afkastning på investeringer mere nøje, hvilket fører til finansielt pres på AI-foretagender.
– AI Etik og Regulering: Den hurtige udvikling af AI har udløst etiske debatter og krav om regulering, der kan påvirke tempoet og retningen for innovation.
Fordele og Ulemper:
– Fordele:
– AI kan markant optimere og automatisere processer, hvilket øger effektiviteten og produktiviteten på tværs af forskellige brancher.
– Vedvarende innovation kan på sigt føre til gennembrud, på trods af den nuværende nedgang.
– Kommoditisering kunne gøre AI-teknologier mere tilgængelige og overkommelige for en bredere vifte af brugere og virksomheder.
– Ulemper:
– En nedgang i innovation kan føre til skuffelse og reducerede midler til AI-forskning og -udvikling.
– Startups kan have det svært med at overleve, medmindre de finder en niche eller udvikler en unik teknologi, der adskiller dem.
– Kommoditisering kan kvæle mangfoldighed i AI-løsninger og nedbringe investeringer i innovative teknologier.
For mere detaljerede og opdaterede oplysninger om området for kunstig intelligens, kan du besøge følgende relevante links:
– Nvidia Officiel Hjemmeside: Nvidia
– OpenAI Officiel Hjemmeside: OpenAI
– Google AI Blog: Google AI
– Meta AI Forskning: Meta AI
Sørg for at tjekke URL’erne, da linkene er angivet baseret på antagelsen om, at de er nøjagtige og gyldige på skrivetidspunktet.
The source of the article is from the blog publicsectortravel.org.uk