Amerika laimi ne tas dirbtinio intelekto lenktynes

„JAV laimi ne tas dirbtinio intelekto lenktynes. Amerikos politikos formuotojai manė, kad dirbtinis bendrasis intelektas (DBI) bus pasiektas gana greitai, todėl tikslas buvo išlaikyti 18 mėnesių persvarą prieš Kiniją, siekiant šio tikslo. Vašingtonas apribojo Pekino prieigą prie pažangių lustų, sukūrė DI energetikos infrastruktūrą ir įvedė eksporto kontrolę kitiems komponentams. Tai leido JAV išlikti priekyje DBI sprinte, tačiau tai yra konkursas, kurio neįmanoma laimėti. Amerika turėtų rinktis kitokias, laimėtinas, DI lenktynes.

 

Ekspertai keičia DBI, arba „tikrojo intelekto“, kokį matote žmoguje, tikslą su kiekvienu DI progresu. Šachmatų įvaldymas ir nuoseklaus rašinio rašymas kažkada buvo laikomi DBI kriterijais. DI dabar gali padaryti abu, tačiau išlieka aiškūs, akivaizdūs atotrūkiai nuo žmogaus galimybių. DBI yra filosofinis tikslas – nuolat tolstantis horizontas – o ne praktinis strateginės pergalės taikinys.

 

Tačiau net jei ekspertai galėtų pasiekti stabilų DI technologinio pranašumo apibrėžimą, Bandymas būti pirmąja tauta, pasiekusia šį tikslą, nėra protingas politikos prioritetas. Dėl dirbtinio intelekto (DI) plėtros užsienio konkurentai greitai pasivys ir, greičiausiai ,sunaudos daug mažiau išteklių.

 

Modelių galimybės logaritmiškai didėja, didėjant jiems apmokyti naudojamai aparatinei įrangai. Iš esmės tai reiškia, kad modelį galima sukurti 90 % tokį pat geresnį, kaip ir dabartinį DI našumo lygį, naudojant tik 10 % aparatinės įrangos. Štai kodėl prieigos prie grafikos procesorių ribojimas nesustabdys Amerikos konkurentų. Užsienio įmonės ir vyriausybės, net ir tos, kurios turi tik dalį išteklių, vis tiek galės konkuruoti su JAV įmonėmis. Buvo neišvengiama, kad toks Kinijos modelis kaip „DeepSeek“ – atvirojo kodo, pigiai apmokytas – atsiras ir mes iššūkį Amerikos pranašumui DI srityje, nepaisant to, kaip griežtai Vašingtonas kontroliavo lustų eksportą.

 

Be to, pagrindinė DI aparatinė ir programinė įranga sparčiai tampa efektyvesnė. Kažkas panašaus į Moore'o dėsnį – pastebėjimas, kad procesorių (CPU) talpa padvigubėja maždaug kas dvejus metus – pasitvirtino ir žaidimų procesorių (GPU) atveju. Tuo pačiu metu algoritminiai patobulinimai pakankamai stipriai didina modelių efektyvumą, kad mažesni modeliai gali greitai pasivyti tuos, kurie yra dirbtinio intelekto galimybių priešakyje. Pažangus dirbtinis intelektas, kuriam šiandien reikia istorinių investicijų į duomenų centrus, rytoj taps prieinamas daugiau pasaulinių žaidėjų, turinčių vidutinę infrastruktūrą.

 

Nors Amerika negali sustabdyti pasaulinės dirbtinio intelekto modelių konkurencijos, mes galime vadovauti dirbtinio intelekto diegimo lenktynėms.

 

Tai, ar šalis pirmauja dirbtinio intelekto srityje, nulems ne tai, ar ji pirmiausia turės geriausius modelius, o tai, ar ji pavers dirbtinį intelektą plačiai paplitusia nauda visuomenei. Tai reiškia, kad geriausi modeliai turi būti įtraukti į pagrindines organizacijų misijas ir procesus – nuo ​​gamyklos iki operacinės ir mūšio lauko.

 

Pagalvokite apie sveikatos priežiūrą. Ligoninės renka daugybę duomenų. Slaugytojo ar gydytojo gebėjimas greitai susintetinti svarbiausius paciento atvejo veiksnius gali lemti, ar jo būklė pagerės, ar pablogės, net ar jam bus gyvenimas ar mirtis. Pirmaujančios ligoninės pradėjo naudoti dirbtinio intelekto valdomas sistemas, kad fiksuotų lovų skaičių, diagnozes, personalo modelius, chirurgines operacijas ir kt. Sprendimai, kurie būtų užtrukę valandas ar net dienas, gali būti priimti per kelias sekundes.

 

Besiformuojantis dirbtinio intelekto naudojimas turi savo iššūkių. Pavyzdžiui, sveikatos priežiūros srityje įstatymų leidėjai turės atidžiai išaiškinti medicininių duomenų privatumo klausimus ir įstatymus. Pacientai turi būti tikri, kad jų asmeninė informacija nėra saugoma ar naudojama netinkamai, o sveikatos priežiūros specialistai turi vengti įklimpti į nenaudingą langelių žymėjimą ir popierizmą, kurie mažai padeda apsaugoti pacientų teises. Įstatymų leidėjai turės parengti panašiai niuansuotus, konkrečioms sritims skirtus, teisės aktus, nes dirbtinio intelekto naudojimas plinta įvairiose srityse.

 

Gamyboje dirbtinis intelektas gali paskatinti pažangą, siekiant, atrodytų, priešingų tikslų – efektyvumo ir atsparumo. Gamyklos patalpose dirbtinio intelekto modeliai gali aptikti defektus, leisdami įmonėms pastebėti sugedusias dalis, prieš jas išsiunčiant. Dirbtinis intelektas taip pat gali greičiau nustatyti pagrindines klaidų priežastis ir užkirsti kelią būsimiems gedimams. Už gamyklos ribų dirbtinis intelektas gali užfiksuoti kiekvieną tiekimo grandinės grandį, stebėti sutrikimus realiuoju laiku ir atitinkamai paskirstyti išteklius.

 

Mūšio lauke dirbtinis intelektas gali padaryti kariuomenę greitesnę ir mirtingesnę, nei bet kada anksčiau. „Maven Smart System“, paremta „Palantir“ platforma, sugebėjo 100 kartų padidinti taikinių efektyvumą, integruodama ginklų sistemas, palydovų duomenis, žvalgybą, pajėgų parengties duomenis ir pajėgų sekimą. Anksčiau kariniams taikiniams rasti ir patikrinti galėjo prireikti net 2000 kareivių, tačiau, dirbtinio intelekto valdoma, platforma, kurią JAV kariuomenė gali naudoti su 20 kareivių, gali pasiekti tą patį tikslą. Dabar kareiviai gali bendradarbiauti su modeliais ir daug efektyviau dirbti kartu su kitais kariais, atliekančiais skirtingas funkcijas ir vadovavimo grandinę. Visi šie duomenys, gaunami kartu, priima galutinį sprendimą, kuris vis dar priklauso nuo žmogaus.

 

„Maven“ išmanioji sistema padėjo paversti vienetą, kuris buvo pakankamai didelis, kad būtų lengvai matomas priešams, tokiu mažu, kad jis beveik nematomas, ir jo pajėgumai augs, vyriausybei ir komerciniams bendradarbiams toliau investuojant. Tai radikaliai pagerina atgrasymo poveikį, net ir esant skaitiniam trūkumui.

 

Tai yra tokia dirbtinio intelekto konkurencija, kuri yra svarbi. Nėra vieno tikslo, o daug jų, išsibarsčiusių po ekonomikos ir politikos pasaulius. Norėdamos pažangos, JAV turi sutelkti dėmesį į kruopštų dirbtinio intelekto integracijos kelio kiekviename sektoriuje palengvinimą ir sparčiai investuoti į technologijos transformacinės galios išlaisvinimą, siekiant pagerinti gyvenimą ir išspręsti realaus pasaulio problemas. Štai kaip atrodo dirbtinio intelekto lenktynių laimėjimas.

 

---

 

Ponas Alhassani yra „Palantir“ vyriausybės reikalų ir viešosios politikos vadovas. 2009–2012 m. jis dirbo specialiuoju Nacionalinio saugumo tarybos padėjėju. Ponas Bakas yra „Palantir“ dirbtinio intelekto diegimo vadovas. Jis dirba Nacionalinio dirbtinio intelekto patariamojo komiteto teisėsaugos pakomitetyje.” [1]

 

Mes jau pralaimėjome šias lenktynes. Didžiąją dalį darbo kariuomenėje šiandien atlieka dronai. Dalis šių dronų jau naudoja dirbtinį intelektą, kad išvengtų elektroninio trukdymo.

 

Galimybė masiškai gaminti tokius dronus yra nulemianti viską. Mes perkėlėme mūsų masinės gamybos pajėgumus į Kiniją.

 

Todėl nieko nebuvo galima padaryti. Tie 20 kareivių yra tik 20 klounų, žiūrinčių į kompiuterių ekranus, nieko negalinčių daryti mūšio laukuose. Zelenskio armija nenaudoja mūsų dronų. Zelenskio armija naudoja kiniškus dronus. Tai, ką mes jam duodame, neveikia. Jis juokiasi iš mūsų tankų ir F-16. Štai kodėl Zelenskis su mumis vaidina cirką ir nurodo, ką prezidentas Trumpas turi daryti toliau: atvykti į Turkiją, sėdėti ten kamputyje, įvesti daugiau sankcijų...

 

 

1. America Is Winning the Wrong AI Race. Alhassani, Mehdi; Bak, Anthony.  Wall Street Journal, Eastern edition; New York, N.Y.. 17 May 2025: A15.