„Burbulai yra puikūs.“ „Tegul burbulai tęsiasi“, – neseniai sakė buvęs „Google“ generalinis direktorius Ericas Schmidtas. Kad dirbtinis intelektas tobulėtų, įmonės turi toliau investuoti rekordines sumas į dirbtinio intelekto infrastruktūrą – bent jau taip manoma. Statykite daugiau duomenų centrų, ir dirbtinis intelektas ras vaistą nuo vėžio, pasieks dirbtinį bendrąjį intelektą ir įveiks Kiniją.
Tačiau pažanga paprastai vyksta esant spaudimui. Kai energija brangsta, žmonės išranda energijos taupymo metodus. Kai trūksta darbuotojų, jie išranda darbo jėgą taupančias mašinas. Defliuojantis dirbtinio intelekto burbulas gali būti būtent tai, ko reikia technologijų pramonei: senkant finansavimui, įmonės turės kurti modelius, kurie gali daugiau su mažiau lustų ir mažesnės energijos.
Ekonomistai inovacijoms trūkumo metu turi pavadinimą: nukreipti techniniai pokyčiai. 1977 m., kai amerikiečiai stovėjo prie ilgų, vingiuotų dujotiekių, prezidentas Jimmy Carteris energetikos krizę palygino su karu, ir įmonės atitinkamai reagavo, kurdamos technologijas, kurias dabar laikome savaime suprantamomis: efektyvesnius variklius, geriau izoliuotus namus, elektrinių ir hibridinių transporto priemonių technologijų bangą ir ankstyvąsias atsinaujinančios energijos formas.
Panašios aplinkybės pakeitė žemės ūkį. XX amžiaus pradžioje gausus, mažai apmokamas darbas sumažino paskatą mechanizuoti. Tada, 1927 m. pavasarį, Misisipės upė išsiveržė pro pylimus, paversdama medvilnės laukus vidaus jūra. Daugelis gyventojų rado prieglobstį Raudonojo Kryžiaus stovyklose; kai kuriose apskrityse liko iki keturių penktadalių šeimų. Turėdami mažiau rankų sodinimui ir derliaus nuėmimui, dvarininkai kreipėsi į mašinas: traktoriai pakeitė komandas, o mechaniniai įrankiai ten plito greičiau nei kaimyninėse apskrityse.
Generatyviam dirbtiniam intelektui reikia savo kurso korekcijos – tiek dėl energijos vartojimo efektyvumo, tiek dėl savo paties tobulėjimo.
Dideli kalbos modeliai, nepaisant visų savo stebuklų, gali tik numatyti, ką žmogus pasakys toliau.
Mokykite jį su XIX a. pabaigos tekstais ir jis neišras lėktuvų ar raketų. Jis nukreips idėjas iš to laikotarpio, kai žymūs mokslininkai manė, kad žmogaus skraidymas neįmanomas. Jei tik padidinsime savo dabartinį požiūrį, švaistydami pinigus greitai pasenstantiems lustams ir energiją eikvojantiems duomenų centrams, nepažengsime toliau nei dabartinės technologijos, kurios vis dar duoda ribotus, vidutiniškus rezultatus.
Geresnis dirbtinis intelektas (DI) atsimintų tai, ko išmoksta, kaip ir žmonės, ir iš kiekvieno vato išspaustų daugiau darbo.
Technologijų įmonės išleidžia milijardus dolerių, kurdamos didelius kalbos modelius, kurie nesimoko veikdami. Įrankis, kuris atliktų abu veiksmus vienu metu, priartėtų prie žmogaus smegenų veikimo, leisdamas joms lengviau diegti naujoves.
Pakilimo ir nuosmukio modelis buvo esminis DI pažangos veiksnys. Devintajame dešimtmetyje klestinti DI pramonė bandė atkartoti žmogaus samprotavimus, kompiuterinėms sistemoms įdiegdama tūkstančius programuotojų parašytų „jei-tada“ taisyklių. Šis metodas pasirodė esąs brangus ir ribotas.
Tačiau dėl to kilęs šokas pastūmėjo tyrėjus link modelių, kurie mokėsi iš pavyzdžių ir geriau susidorojo su neapibrėžtumu, o neuroniniai tinklai, tuo metu nemadingi, toliau tobulėjo.
Pažangą tapo lengviau išmatuoti, ir ši sritis nustojo viską statyti ant vieno didelio požiūrio. Darbo vietos buvo prarastos, laboratorijos uždarytos, tačiau šis sulėtėjimas išmokė mokslininkus ir kūrėjus geresnių įpročių – labiau empirinių, lankstesnių ir į rezultatus orientuotų – kurie padėjo pagrindą šiuolaikiniam DI.
Trūkumas vis dar skatina dirbtinį intelektą (DI), nes įmonės, turinčios mažiau išteklių, mokosi nuveikti daugiau su mažiau. 2018 m. Europos duomenų reglamentai nustatė griežtas taisykles ir dideles baudas, kaip galima rinkti ir saugoti asmens duomenis. Reaguodamos į tai, technologijų įmonės pritaikė taktiką, kad patobulintų esamus modelius ir naudotų dirbtinai sugeneruotus duomenis, o ne tikrus įrašus.
Nuo 2018 m. Kinijos bendrovė „DeepSeek“ stengėsi apeiti JAV eksporto apribojimus. Jos modeliai, apmokyti naudojant nedidelę dalį Vakarų konkurentų skaičiavimo galios, tačiau daugeliu našumo kriterijų palyginami, rodo, kaip trūkumas skatina išradingumą.
Kai nėra paskatų energiją taupančioms inovacijoms, technologijos rizikuoja nukrypti nuo teisingo kelio. Apie 1900 m. elektrinės transporto priemonės buvo perspektyvios; Niujorkas ir Londonas netgi turėjo elektrinių taksi parkus. Tačiau nepakankamos investicijos į elektros tinklą kartu su pigia nafta lėmė sistemos, kuri ištisas kartas palankė vidaus degimo varikliams, atsiradimą. Nesunku įsivaizduoti kitokį amžių, jei būtume anksti nustatę anglies dioksido kainą ir toliau kūrę tinklą. Nekeisdami kurso, DI gali būti pasmerktas toks pat likimas – technologija, kuri turėjo didžiulį potencialą, bet įstrigus pasenusioje paradigmoje, kuri eikvoja mūsų išteklius.
Žmonės yra stebėtinai energiją taupantys. Vaikas gali suvokti priežastis ir pasekmes, kaip elgiasi fizinis pasaulis ir pagrindines socialines normas su smegenimis, kurios veikia tik apie 20 vatų galios.
Šiandienos dirbtinio intelekto modeliai sudegina kalnus duomenų ir elektros, kad pasiektų tą patį našumą, tačiau vis tiek neveikia, kai jiems tenka spręsti nepažįstamas problemas. Pataisytas dirbtinis intelektas padėtų mums spręsti naujus iššūkius – daryti mokslinius atradimus, sudaryti sąlygas medicinos proveržiams, o ne tik tobulinti tai, ką jau žinome.
Burbulai kelia triukšmą, kol jie išsipučia. Kai jie sprogsta, putos išsisklaido ir galima pamatyti, kurios idėjos išsilaiko be subsidijų. Jei dirbtinio intelekto bumas atvės, išliks sistemos, kurios padarys daugiau su mažiau.
Carlas Benediktas Frey'us yra Oksfordo universiteto Oksfordo interneto instituto docentas ir vadovauja Oksfordo Martino mokyklos programai „Darbo ateitis“. Naujausia jo knyga yra „Kaip baigiasi pažanga: technologijos, inovacijos ir tautų likimas“. [1]
Tinkamai apmokyti dideli kalbos modeliai (pvz., Musko „Grok“) gali numatyti, ką toliau pasakys gerai informuotas žmogus. Netinkamai apmokyti dideli kalbos modeliai (pvz., „Google“ „Gemini“) gali pateikti tik kvailas banalybes, kurias pasakytų dauguma idiotų.
1. A Bursting Bubble Would Be Great for A.I.: Guest Essay. Carl Benedikt Frey. New York Times (Online) New York Times Company. Dec 5, 2025.
Komentarų nėra:
Rašyti komentarą