A zseton gyártó Nvidia nemrég bemutatott lenyűgöző bevételeket, míg a kiváló vállalkozó, Elon Musk azt állítja, hogy az emberi szintű mesterséges intelligencia (AI) jövőre megérkezhet. Annak ellenére, hogy ezek az állítások hangzatosak, a chip ellátásban szűk kereslet mutatkozik az AI meghajtásához nélkülözhetetlen chip-ek miatt, ami arra utal, hogy az AI mozgalom csak most kezdődik, és mindenkinek csatlakoznia kell.
Azonban egy lehetséges csalódás állhat fenn azzal kapcsolatban, hogy mire képes valójában az AI és milyen megtérülést hozhat az befektetők számára. Az AI technológiai fejlődése lassul, és úgy tűnik, hogy még a legjobb rendszerekre is kevesebb alkalmazás mutatkozik, mint eredetileg várták, mint ahogy Christopher Mims beszámolója szerint a Wall Street Journalban olvasható. Az AI építése és üzemeltetése egyre költségesebbé válik, és az új modellek bevezetése nem befolyásolja lényegesen, hogy a legtöbb ember hogyan dolgozik.
Ezek a tényezők kérdéseket vetnek fel az AI árucseréje, bevételnövelő potenciálja és az, hogy új gazdaság alakul-e ki.
Az AI területén a romló innovációk megfigyelhetők a ChatGPT és a Google Gemini által alkotott jelentős nyelvi modellekben. Írásbeli és elemző képességeik nagyrészt azonosítógépes adathalmazokkal linkeletesek. Azonban az a probléma, hogy ezek a cégek akár már az interneten elérhető jelentős tartalmakat használták ki modelljeik tanításához, és további adatok beszerzése most már nehézkes.
A következő generáció AI-jának tanításához más mesterséges intelligenciák által létrehozott szintetikus adatokat tekintik opcióként, azonban ez nem bizonyult különösen sikeresnek az autonóm járműtechnológia fejlesztésében, és bizonyíték van arra, hogy valószínűleg nem javít jelentősen a nagy nyelvi modellek sem. Gary Marcus kognitív tudós, aki 2016-ban adta el AI indulását az Ubernek, megjegyezte, hogy az elmúlt 14 hónapban csak apró fejlesztéseket tapasztaltunk, utalva arra, hogy ezek az AI rendszerek képességeivel valószínűleg egy szintre jutottak.
Tanulmányok azt is sugallják, hogy a különböző AI modellek teljesítménye konvergálnak, mind szabadalmazott, mind nyílt forráskódú verziók, mint a Meta és a Mistral, egyre hasonló eredményeket szállítanak.
Az AI lehet, hogy alapvető árucikké válik, ahogy érik, és ritkábbak lesznek a forradalmi újítások. A technológia olyan mezővé válik, ahol a vállalatok hatékonyságra törekszenek. Az utolsó ilyen átalakuláson az elektromos járműszektor ment keresztül, most pedig az AI tűnik hasonló pályán haladni.
Az AI árucikké válás az egyik oka annak, hogy Anshu Sharma, az AI adatvédelemmel és adatkezelőeszközökkel foglalkozó Skyflow vezérigazgatója és a software óriás Salesforce volt alelnöke, nem biztos az OpenAI és az Anthropic nevű AI kezdő vállalatok jövőjében. Bár optimista, hogy a Microsoft és a Google nevű nagyvállalatok elegendő felhasználót vonzanak majd az AI beruházásaik megalapozásához, ez jelentős hosszú távú kiadásokat kívánhat, esetleg az elégséges tőkével rendelkező AI kezdő vállalkozásokat is felülmúlva.
Néhány AI kezdő vállalkozás már találkozik zűrzavarokkal, beleértve az Inflection AI-t, amelynek távozik a Microsoftból korábban érkezett alapítókat és munkatársakat. A Stability AI vezérigazgatója, amely a csúcstechnológiát felvonultató képminőség-generáló AI eszközökről nevezetes Stable Diffusion, márciusban váratlanul távozott. Nyilvánvaló, hogy számos AI indítványból, még a jól támogatottakból is tárgyalnak a vállalkozásaik eladásáról.
Fontos kérdések és válaszok:
– Milyen tényezők vezetnek az AI fejlődési ütemcsökkenéséhez?
Az ütemcsökkenést részben az AI modellek javulásának csökkenése, az új, hatalmas adathalmazok megtalálásának kihívásai, az AI építésének és üzemeltetésének magas költségei és a mesterséges intelligencia árucikké válása okozza, ami egy olyan szintű platformot teremt, ahol az hatékonyság kerül előtérbe a forradalmi újítás helyett.
– Hogyan befolyásolja az AI árucikké válása az iparágban működő kezdő vállalkozásokat?
Az árucikké váló AI azt jelenti, hogy a differenciálás nehezebbé válik és a bevételnövelő potenciál is csökkenhet, ami az AI kezdő vállalkozások bizonytalan jövőjéhez vezethet. Még a nagy beruházások sem garantálhatják a hosszú távú siker, és sok kezdő vállalkozásnak nehéz lehet indokolni költségeit egyedi értékesítési javaslattal.
– Milyen szerepet játszik a szintetikus adatok az AI modellek jövőbeli képzésében?
A szintetikus adatokat egy lehetséges megoldásként tekintik az új adathalmazok hiányára az AI modellek képzésében. Azonban hatékonyságát még mindig kérdőjelezik meg, különböző alkalmazásokban, mint az autonóm járműtechnológia, és a nyelvi modellek fejlesztését korlátozó potenciálvival.