Oppretne uro i kunstig intelligens-bransjen
Løftet om at kunstig intelligens (AI) skal omforme bransjer og introdusere en ny økonomisk sektor møter motvind på grunn av en nedbremsing i teknologisk framgang. Oppstartsbedrifter sliter med å holde tritt med de høye driftskostnadene involvert i å utvikle og vedlikeholde AI-teknologier, noe som setter dem i en konkurransemessig ulempe mot tech-giganter.
OpenAI, for eksempel, er en fremtredende aktør, anslått til å generere en årlig inntekt på minst 2 milliarder dollar, samtidig som den blir verdsatt til en forbløffende sum på 90 milliarder dollar. Slike tall gjenspeiler den økonomiske styrken bak noen av de mest avanserte AI-innsatsene. Forrige uke rapporterte Nvidia, en leder innen AI-brikkeproduksjon, en kvartalsinntekt på 26 milliarder dollar, som markerer en økning på 262 % sammenlignet med i fjor. Elon Musk fra xAI-oppstarten spådde at AI-tankemønstre på menneskenivå kan oppstå i løpet av det kommende året, noe som indikerer fortsatt entusiasme for investeringer i AI.
Til tross for all oppmerksomheten, antyder Christopher Mims fra The Wall Street Journal en forestående skuffelse i hva AI kan oppnå og de inntektene den kan generere. Innovasjonstakten bremses opp, og bruksområdene er færre enn opprinnelig antatt, noe som reiser spørsmål rundt den vellykkede kommersialiseringen av AI og gjennomførbarheten av en ny økonomi basert på dette. Den massive investeringen i AI kan minne om den internettsatsningen på 1990-tallet som ledet opp til dot-com-boblen.
De fleste målbare forbedringer i AI-språkmodeller som OpenAI’s ChatGPT og Googles Gemini kommer som et resultat av mer data som mates til disse systemene. Imidlertid tørker strømmen av fersk data ut, og dytter ingeniører mot «syntetiske data» generert av andre AI-modeller. Gary Marcus, en kognitiv vitenskapsmann, hevder at slike metoder ikke vil fremme teknologien betydelig, og påpeker at AI-forbedringer har vært beskjedne de siste 14 månedene.
Dette reiser tvil om den bredt baserte adopsjonen av AI ettersom utviklings- og driftskostnadene øker kraftig. Den overveldende summen på 50 milliarder dollar som ble brukt på Nvidia AI-brikker i 2023, som kun resulterte i 3 milliarder dollar i inntekt ifølge investeringsfirmaet Sequoia, understreker det enorme gapet mellom investering og avkastning. Dette underbygger utfordringen med at AI-initiativer oppnår lønnsomhet på lang sikt, spesielt når driftskostnadene for AI langt overstiger de allerede høye opplæringskostnadene.
Viktige utfordringer og kontroverser i AI-innovasjon:
Den avtagende hastigheten på AI-innovasjon introduserer flere utfordringer:
1. Høye kostnader: Kostnaden for å utvikle, trene og operere AI-systemer er ekstraordinært høy. Dette er en stor hindring for oppstartsselskaper og små til mellomstore bedrifter som kanskje ikke har økonomiske ressurser til å konkurrere med store enheter.
2. Datalbegrensninger: AI-systemer er sterkt avhengige av store datamengder for trening. Tilgjengeligheten av slike data minker, og bekymringer rundt personvern og etisk bruk av data kompliserer ytterligere scenariet.
3. Avtagende avkastning: Som AI-systemene forbedres, øker mengden innsats og ressurser som kreves for å oppnå marginale forbedringer betydelig, noe som fører til lavere avkastning på investeringen.
4. Teknologisk plateau: Noen eksperter hevder at AI nærmer seg et platå i innovasjon, noe som betyr at vi kanskje ikke vil se betydelige teknologiske fremskritt i nær fremtid.
5. Hype vs. Virkelighet: Det er en risiko for at AI-teknologier blir overdrevet, med forventninger langt over de faktiske evnene til dagens systemer. Denne forskjellen kan føre til overdrevne investeringer og en potensiell boble, lignende dot-com sammenbruddet.
6. Økonomisk forskyvning: Integrering av AI i ulike sektorer kan føre til betydelig økonomisk forskyvning, da jobber automatiseres og nødvendige ferdigheter for sysselsetting endrer seg dramatisk.
Fordeler og ulemper ved AI-utvikling:
Fordeler:
– Effektivitet: AI kan behandle og analysere data raskere enn mennesker, noe som fører til effektivitetsgevinster i ulike bransjer.
– Innovasjon: AI-teknologier kan drive innovasjon, resulterende i nye produkter, tjenester og måter å drive virksomhet på.
– Kostnadsreduksjon: Over tid kan AI føre til reduserte kostnader på visse områder, for eksempel å redusere behovet for menneskelig arbeidskraft i spesifikke oppgaver.
Ulemper:
– Arbeidsledighet: Jobber kan gå tapt når AI-systemer automatiserer oppgaver som tidligere ble utført av mennesker.
– Kostnad: Den initiale investeringen i AI-teknologi er høy og skaper barrierer for mindre organisasjoner.
– Kompleksitet: AI-systemer kan være komplekse å utvikle og vedlikeholde, krever spesialisert kunnskap og ressurser.
For å utforske mer om AI, besøk hjemmesidene til noen av lederne på feltet:
– OpenAI
– Nvidia
– DeepMind
Hver av disse selskapene er i forkant av AI-innovasjon og tilbyr innsikt i nåværende forskning og utviklinger på feltet.
Konklusjon:
De økonomiske implikasjonene av en nedbremsing i AI-innovasjon er store, inkludert potensielle stopp i produktivitetsgevinster og skape et utfordrende miljø for oppstartsselskaper. Mens større selskaper fortsetter å investere tungt i AI, må bransjen finne nye måter å overvinne avtagende avkastning på slike investeringer. Å sikre etisk og ansvarlig utvikling og bruk av AI er avgjørende for å maksimere fordeler samtidig som risikoene minimeres.