Aasta 2030: chatboti surm ja agendi tõus
Uudsuse faas on lõppemas
Kujutage end ette viis aastat tagasi, vaatamas, kuidas keegi esimest korda ChatGPT-sse kirjutab. Mäletate seda tunnet? Kerge uskmatus, kui sidusad laused hakkasid ilmuma. Närviline naer, kui see kirjutas luuletuse teie koerast. Eksistentsiaalne hirm, kui see seletas kvantfüüsikat paremini kui teie ülikooliprofessor kunagi.
See imestuse hetk? See on juba hääbumas. Me elame läbi tehisintellekti uudsuse faasi, lühikest akent, mida iseloomustavad aukartus ja vaatemäng. Me imestame, et arvuti oskab rääkida. Me veedame tunde vestluskastidesse kirjutades, koheldes tehisintellekti nagu naljakat oraaklit, nutikat mänguasja või (olgem ausad) kergelt purjus praktikanti, kes aeg-ajalt särab.
Oleme isegi loonud selle ajastu jaoks uue ametinimetuse: kiirmalooja. Mõelge sellele hetkeks. Me maksame inimestele kuuekohalisi palku, et nad sosistaksid arvutile õigeid loitsusid. Me kohtleme tehisintellekti kui salapärast olendit, keda tuleb meelitada, veenda ja hoolikalt suunata, et ta kasulikku tööd teeks. See on nagu kellegi palkamine, et ta teie mikrolaineahjuga läbi räägiks.
See olukord tundub meile põhimõtteliselt absurdne. Mitte sellepärast, et tehnoloogia pole muljetavaldav, vaid sellepärast, et me kasutame seda valesti. Oleme ehitanud inimkonna ajaloo võimsaimad kognitiivsed tööriistad ja kasutame neid nagu eriti paljusõnalisi otsingumootoreid. Meil on tuumareaktorid ja me kasutame neid leiva röstimiseks.
Aastaks 2030 tundub see faas arhailine. Piinlikult arhailine. Me vaatame kiirmaloomisele tagasi samamoodi, nagu vaatame tagasi perfokaartidele või MS-DOS-i käsureale. See oli vajalik, primitiivne liides primitiivseks ajaks. Tehisintellekti tulevik ei seisne arvutiga vestlemises. See seisneb selles, et arvuti kaob täielikult.
Järgnev on meie prognoosid järgmiseks viieks aastaks intelligentsuse vallas. Mitte turunduslikud fantaasiad ega ulmepäevaunistused, vaid põhjendatud ekstrapolatsioonid tehnoloogilistest trajektooridest, mida me täna näeme. Mõned juhtuvad kiiremini, kui ootame. Mõned aeglasemalt. Kuid suund on selge ja selle mõistmine annab teile praegu ettevalmistuse strateegilise eelise.
Tehnoloogilise nihke mõistmine
Enne kui prognoosidesse sukeldume, teeme selgeks, mis tegelikult muutub. Aastate 2022-2025 tehisintellekti revolutsioon seisnes põhimõtteliselt ühes läbimurdes: tohututeks mõõtmeteks skaleeritud trafoarhitektuurid suutsid teha üldotstarbelist tekstigeneratsiooni. See oli muljetavaldav. See oli ka, tagantjärele vaadates, märkimisväärselt toores.
Praegused suuremahulised keelemudelid on sisuliselt väga keerukad automaatse teksti genereerimise süsteemid. Nad ennustavad järgmist märgijada treeningandmetest õpitud statistiliste mustrite põhjal. Neil puudub arusaam tõest, neil puudub maailmamudel ja nad ei suuda oma väljundeid kontrollida. Nad esitavad enesekindlalt väljamõeldisi, sest neil puudub mehhanism, mis eristaks fakti väljamõeldisest. Nad on tõenäosuslikud mustrituvastajad ja nad on jõudnud selle piirini, mida mustrituvastus üksi suudab saavutada.
Järgmise põlvkonna tehisintellekt on põhimõtteliselt erinev. Selle asemel, et tugineda ainult õpitud statistilistele seostele, hõlmavad süsteemid sümbollist arutlust, formaalset tõestamist ja teadmiste selgesõnalist esitust. Selle asemel, et vastuseid arvata, tuletavad nad need esimestest põhimõtetest ja tõestavad, et need on õiged. Selle asemel, et olla üldotstarbelised ja ebamäärased, on nad spetsialiseeritud ja täpsed.
See ei ole spekulatsioon. Teadustöö on juba avaldatud. Arhitektuure juba arendatakse. Ainus küsimus on, kui kiiresti need jõuavad tootmiskasutusse ja turule. Meie prognoosid põhinevad nende üleminekute realistlikel ajakavadel.
Ennustus 1: liides kaob
Parim tehnoloogia on nähtamatu. Te ei "vestle" oma blokeerumisvastase pidurisüsteemiga; see lihtsalt hoiab ära libisemise. Te ei "sisesta käsklusi" oma meilirämpsufiltrile; see lihtsalt filtreerib rämpsposti. Te ei mõtle kunagi TCP/IP-protokollile, mis selle artikli teie ekraanile toob. Hea tehnoloogia töötab. Suurepärane tehnoloogia töötab ilma, et te seda märkaksite.
Aastaks 2030 taandub tehisintellekt taustale. Sellest saab maailma ümbritsev operatsioonisüsteem. See ei ole sihtkoht (veebisait nagu ChatGPT), mida külastate. See on teenus, mis läbib kõike, sama tavaline ja hädavajalik kui elekter.
See üleminek järgib mustrit, mida oleme tehnoloogia ajaloos korduvalt näinud. Varased autod nõudsid koolitatud autojuhti, kes mõistis sisepõlemismootori keerulist mehaanikat. Varased arvutid nõudsid programmeerijaid, kes oskasid masinkeelt. Varased telefonid nõudsid operaatoreid, kes ühendasid kõnesid käsitsi. Igal juhul muutus tehnoloogia lõpuks piisavalt lihtsaks, et vahendaja kadus. Liides tasandus, kuni see muutus nähtamatuks.
Liigume selgesõnaliselt suhtluselt (käsu sisestamine tulemuse saamiseks) kaudse kavatsuse juurde (süsteem näeb vajadust ette ja täidab selle). Mõelge, kuidas see praktikas välja näeb:
Teie kalender täna: Loete meililõime. Mõtlete: "me peaksime kohtuma." Avate kalendri. Kontrollite kõigi saadavust (kolm erinevat süsteemi). Pakute välja kellaajad. Ootate vastuseid. Broneerite ruumi. Saadate kutsed. Kakskümmend minutit hõõrdumist kolmekümne minuti pikkuse kohtumise eest.
Teie kalender aastal 2030: AI jälgib teie meililõime. See märkab kohtumise kavatsust (tuletab selle kontekstist, mitte märksõnadest). See kontrollib kõigi osapoolte saadavust nende kalendrisüsteemides. See lepib kokku optimaalse aja. See broneerib ruumi. See saadab kutsed. Näete teatist: "Kohtumine Sarahi ja Jamesiga on kavandatud neljapäevaks kell 14." Te ei teinud midagi. Hõõrdumine kadus.
Või mõelge tarneahela haldusele:
Täna: Teie operatsioonimeeskond jälgib juhtpaneelide andmeid. Analüütik märkab Mehhiko lahes tekkivat orkaani. Nad kontrollivad käsitsi, milliseid saadetisi see võib mõjutada. Nad teavitavad juhti. Juht kutsub kokku koosoleku. Nad otsustavad lasti ümber suunata. Keegi uuendab laoseisu prognoosi tabelis. Kulunud aeg: 48 tundi. Viivituse hind: 200 000 eurot.
Aastal 2030: Tarneahela AI märkab orkaani tekkimist (see jälgib ilma, mitte juhtpaneele). See ennustab 94% kindlusega, millised saadetised hilinevad. See suunab lasti automaatselt ümber alternatiivsetesse sadamatesse. See uuendab laoseisu prognoosi. See teavitab asjaomaseid inimesi ühelauselise kokkuvõttega: "14 konteinerit suunati ümber Rotterdami kaudu orkaan Maria tõttu. ETA muutumatu." Kulunud aeg: 3 minutit. Viivituse hind: 0 eurot.
Või mõelge meditsiinilisele diagnoosimisele:
Täna: Patsient kirjeldab sümptomeid perearstile. Perearst teeb piiratud aja ja laia koolituse põhjal esmase hinnangu. Nad suunavad patsiendi eriarsti juurde. Eriarst määrab uuringud. Möödub nädalaid. Tulemused saabuvad. Määratakse uus vastuvõtuaeg. Pannakse diagnoos. Ravi algab kuud pärast esimeste sümptomite ilmnemist.
Aastal 2030: Patsiendi kantavad seadmed on anomaalia juba tuvastanud. Tema isiklik tervise-AI on jälginud peeneid muutusi südame löögisageduse varieeruvuses, unemustrites ja liikumises, mis viitavad varajasele haigusele. Enne kui patsient isegi sümptomeid tunneb, saab tema arst teatise esialgse analüüsi ja soovitatud diagnostilise teekonnaga. Selleks ajaks, kui patsient oleks märganud, et midagi on valesti, on ravi juba alanud.
Tehnoloogia eesmärk on vähendada hõõrdumist. Tippimine on hõõrdumine. Rääkimine on hõõrdumine. Isegi mõtlemine sellele, mida tippida, on hõõrdumine. Lõplik AI kõrvaldab hõõrdumise täielikult. Sina ei kasuta seda. See kasutab ennast, sinu nimel, sinu volitusel.
Voorspelling 2: Van woorden naar daden
Tänapäeva suured keelemudelid (LLM-id) on tekstimootorid. Need genereerivad sõnu. Need on uskumatult väljendusrikkad. Need suudavad kirjutada luuletusi, selgitada füüsikat, teha kokkuvõtteid dokumentidest ja teeselda piraati, kes selgitab plokiahelat. Kuid lõppkokkuvõttes toodavad need teksti, millega sina, inimene, pead seejärel midagi ette võtma.
See on põhimõtteline piirang. Tekst on odav. Tegevus on väärtuslik. Dokument, mis kirjeldab, kuidas viga parandada, on mõningase väärtusega. Vea tegelik parandamine on kümme korda väärtuslikum. Soovitus, milliseid aktsiaid osta, annab teavet. Tehingute tegelik sooritamine (õigesti, turvaliselt, õigel ajal) annab väärtust.
Homsed suured tegevusmudelid (LAM-id) on tegutsemisvõime mootorid. Need genereerivad tegevusi. Need teevad maailmas asju, mitte ei räägi ainult asjade tegemisest.
Agent ei ütle sulle lihtsalt, kuidas lennukipiletit broneerida; ta broneerib lennu. Ta logib sisse lennufirma veebilehele (või kasutab API-t). Ta valib istme, mida eelistad (akna all, varuväljapääsu juures, sest ta õppis sinu eelistused viimase 47 lennu põhjal). Ta sisestab sinu passiandmed. Ta maksab sinu ettevõtte kaardiga. Ta lisab kviitungi sinu kuluraportisse õige projektikoodiga. Ta lisab lennu sinu kalendrisse. Ta määrab isegi meeldetuletuse registreerimiseks 24 tundi enne väljumist.
Sa küsisid lendu. Sa said lennu. Mitte juhiseid. Mitte valikute loetelu. Mitte abivalmis soovitust. Päris pileti, ostetud, kinnitatud, kalendrisse kantud.
See nihe info otsimiselt ülesannete täitmisele on suurim majanduslik läbimurre tarkvara ajaloos. See muudab tehisintellekti "otsingumootorist" (mis aitab teil tööd kiiremini teha) "tööjõuks" (mis teeb töö teie eest ära). Tagajärjed on hämmastavad.
Volgens onderzoek van McKinsey besteden kennismedewerkers ongeveer 28% van hun tijd aan e-mail- en agendabeheer, 19% aan het zoeken naar informatie en 14% aan administratieve taken. Dat is 61% van de werkdag aan activiteiten die agents volledig zouden kunnen afhandelen. Als we zelfs maar de helft van die tijd zouden kunnen terugwinnen voor daadwerkelijk creatief en strategisch werk, zou de mondiale productiviteit jaarlijks met biljoenen euro's toenemen.
See muutus nõuab aga tohutut usaldusväärsuse tõusu. Hallutsineeritud luuletust võid taluda. (See võib isegi võluv olla.) Hallutsineeritud pangaülekannet ei tohi taluda. Sa ei tohi taluda Agenti, kes kustutab kogemata sinu tootmisandmebaasi, sest ta "arvas", et sa tahtsid seda. Sa ei tohi aktsepteerida Agenti, kes broneerib sulle lennu Sydney'sse Austraalias, kui sa mõtlesid Sydneyt Nova Scotias.
Praegused AI-süsteemid kukuvad selles usaldusväärsuse testis spektaakulaarselt läbi. Uuringud näitavad hallutsinatsioonimäära 15–25% isegi lihtsate faktipäringute puhul. Keerukate mitmeastmeliste ülesannete puhul veamäärad kuhjuvad. Kui igal etapil on 90% õnnestumismäär ja ülesanne nõuab kümmet etappi, on üldine õnnestumismäär vaid 35%. See ei ole töövoo automatiseerimise tööriist. See on kaose generaator.
See usaldusväärsuse lünk on põhjus, miks tulevik kuulub arhitektuuridele, mis suudavad tagada korrektsuse, mitte puhtalt tõenäosuslikele mudelitele, mis suudavad seda vaid oletada. Kui Agent haldab sinu rahaasju, ei ole "95% täpne" funktsioon. See on vastutushagi, mis ootab juhtumist.
Voorspelling 3: De revolutie van kleine modellen
Viimased viis aastat on valdkonna mantra olnud "Scale is All You Need". Suuremad mudelid, rohkem andmeid, rohkem GPU-sid. Me kihutasime miljonitelt miljarditeni ja biljoniteni parameetrites. GPT-3-l oli 175 miljardit parameetrit. GPT-4-l on (väidetavalt) üle biljoni. Iga põlvkond nõudis eksponentsiaalselt rohkem arvutusvõimsust, rohkem energiat ja rohkem kapitali. Me ehitasime nende majutamiseks katedraalisuuruseid andmekeskusi.
2030. aastad tähistavad põhimõttelist pööret. Me astume väikeste, spetsialiseerunud ekspertide ajastusse.
Miks? Sest mudeli suuruse puhul tabab meid kahanev tulu. Parameetrite suurendamine 100 miljardilt 1 biljonile parandab võrdlusaluste tulemusi ehk 5–10%. Kuid see suurendab treeningkulusid 10 miljonilt eurolt 100 miljoni euroni. See suurendab järelduste tegemise kulusid 10 korda. See suurendab energiatarbimist punktini, kus üks treeningkord eraldab rohkem süsinikku kui 500 autot aasta jooksul.
De wiskunde van afnemende meeropbrengsten is genadeloos. Vroege opschaling leverde ongeveer lineaire verbeteringen op: verdubbel de parameters, verdubbel de capaciteit. Nu zitten we in een regime waarin het verdubbelen van parameters misschien 10-15% verbetering oplevert. De economie ervan is voor de meeste toepassingen niet langer zinvol.
Belangrijker is dat we ons realiseren dat een enorm, algemeen model dat alles weet, van Shakespeare tot Python, van de Franse keuken tot de kwantummechanica, inherent inefficiënt is. Het is alsof je één persoon inhuurt die tegelijkertijd advocaat, kok, monteur en dichter is, en die vraagt om je belastingaangifte te doen. Ja, ze weten misschien wel iets over belastingen. Maar een toegewijde accountant zou sneller, goedkoper en nauwkeuriger zijn.
Inimaju ei tööta ühtse monoliitse süsteemina. See koosneb spetsialiseerunud piirkondadest: nägemiskoor eks töötleb pilte, keelekeskused tegelevad kõnega, hipokampus haldab mälu. Need spetsialiseerunud süsteemid töötavad koos, igaüks annab oma teadmised tervikusse. 2030. aasta võimekaimad AI-süsteemid järgivad sama mustrit.
Pilves asuva "Jumala mudeli" asemel on meil miljoneid väikeseid, ülispetsialiseerunud mudeleid:
- Üks, mis on ekspert Saksa lepinguõiguses (treenitud iga Saksa kohtuotsuse põhjal alates 1949. aastast)
- Een expert in TypeScript-optimalisatie (getraind op miljoenen codebeoordelingen)
- Üks, mis on ekspert 2015. aasta Fordi mootoriprobleemide diagnoosimises (treenitud iga hooldusjuhendi ja remonditellimuse põhjal)
- Üks, mis on ekspert sinu ettevõtte konkreetses tootedokumentatsioonis
- Üks, mis on ekspert sinu isiklikus suhtlusstiilis
Need mudelid on piisavalt väikesed, et töötada lokaalselt sinu seadmes (Edge AI). Need töötavad sinu telefonis, prillides, autos, külmkapis. Need ei vaja 500-vatist GPU-d; need töötavad 2-vatise närvitöötlusüksuse peal. Need suhtlevad omavahel võrgus ja suunavad päringud sobivale eksperdile. Need on kiired (võrgu latentsus puudub), privaatsed (andmed ei lahku sinu seadmest) ja odavad (tasu tokeni kohta puudub).
See üleminek on juba algamas. Avatud lähtekoodiga mudelid nagu Llama ja Mistral on tõestanud, et väiksemad, hästi treenitud mudelid suudavad konkreetsete ülesannete puhul suurematele omandimudelitele vastata või neid ületada. Kvantiseerimistehnikad võimaldavad miljardite parameetritega mudeleid käitada tavatarbijate riistvaral. Tööriistakomplekt spetsialiseeritud ja tõhusa tehisintellekti loomiseks küpseb kiiresti.
Dweves oleme selle lähenemisviisi viinud loogilise lõpuni Loomiga: 528 spetsialiseeritud piirangute kogumit töötavad koos, millest igaüks sisaldab 64–128 MB binaarseid piiranguid, olles koos võimekamad kui ükskõik milline monoliitne hiid. Tänu ülihõredale aktiveerimisele (korraga on aktiivsed vaid 4–8 domeenispetsialisti) püsib töömälu vahemikus 256 MB kuni 1 GB, samal ajal kui kogu kataloog pakendatakse ligikaudu 150 GB suuruseks. See arhitektuur annab paremaid tulemusi kui triljoni parameetriga mudelid, kuid murdosa arvutusmaksumusest, ning töötab riistvaral, mis teil juba olemas on.
Ennustus 4: Kontrollimisest saab kuningas
Siin on mõtteeksperiment. On aasta 2028. 1000-sõnalise artikli genereerimise hind on langenud 100 eurolt (inimkirjutaja) 0,001 euroni (AI-generaator). Mis saab internetist?
See ujutatakse üle. Uputatakse. Maetakse sünteetilise müra laviini alla. Iga SEO-rämpspostitaja, iga propagandaveski, iga sisufarm toodab miljoneid artikleid päevas. Rämpspost, süvavõltsingud ja hallutsineeritud "uudised" moodustavad 99% veebist. Signaali-müra suhe kukub peaaegu nullini.
Esimesi märke on juba näha. Teadlased on leidnud, et üha suurem osa teadusartiklite esitustest on AI loodud prügi. Sotsiaalmeediaplatvormid võitlevad AI-põhiste botiarmeede vastu. Varufotosid asendatakse AI-piltidega, millel on vahel inimestel seitse sõrme. Uudisteorganisatsioonid on avaldanud AI kirjutatud artikleid, mis sisaldavad täiesti väljamõeldud tsitaate ja sündmusi.
Majanduslikud stiimulid tagavad, et see läheb hullemaks. Sünteetilise sisu loomine on praktiliselt tasuta. Piirkulu läheneb nullile. Igaüks, kellel on eesmärk, olgu see äriline, poliitiline või pahatahtlik, võib infokeskkonna üle ujutada mis tahes narratiiviga, mida ta soovib. Tõest saab lihtsalt üks arvamus miljonite väljamõeldud alternatiivide seas.
Selles keskkonnas tõuseb Tõe väärtus hüppeliselt. Näeme "tõetehnoloogiate" esiletõusu:
Krüptograafiline vesimärgistamine: Nähtamatud signatuurid, mis on sisusse manustatud ja tõendavad, millal ja kelle poolt see loodi. Kui fotol puudub registreeritud kaamera kehtiv vesimärk, eeldatakse, et see on AI loodud, kuni pole tõestatud vastupidist. Suuremad kaameratootjad rakendavad seda tehnoloogiat juba praegu. Adobe Content Authenticity Initiative ehitab infrastruktuuri sisu päritolu jälgimiseks.
Päritolu jälgimine: Plokiahela-laadsed süsteemid, mis jälgivad iga andmeühiku päritolu ja muutmise ajalugu. Saate pildi jälgida tagasi algse kaamera sensorini, mis selle jäädvustas, läbi iga muudatuse. Iga muudatus loob uue krüptograafilise signatuuri, mis aheldub originaali külge. Täielik ajalugu on kõigile kontrollitav.
Formaalne kontrollimine: Matemaatilised tõestused, et AI väljundid on õiged. Mitte "tõenäoliselt õiged" või "tavaliselt õiged", vaid tõestatavalt, sertifitseeritavalt, vaieldamatult õiged. Kui teie AI-agent kannab raha üle, on teil krüptograafiline tõestus, et see kandis üle täpse summa täpselt sellele kontole, mille te volitasite. Kui AI genereerib juriidilise dokumendi, on teil kinnitus, et iga klausel vastab asjakohastele määrustele.
Reeglipõhine arutlus: AI-süsteemid, mis järeldavad järeldusi selgetest loogilistest seostest, mitte statistilistest korrelatsioonidest. Kuna arutlus järgib formaalseid reegleid, saab iga sammu auditeerida. Kui AI soovitab meditsiinilist ravi, saate täpselt jälgida, millised sümptomid vastasid millistele diagnostilistele kriteeriumidele, et see soovitus tekkis.
Veebibrauserid tulevad koos "Reaalsusfiltritega" (nagu tänased reklaamiblokeerijad), mis filtreerivad välja kontrollimata, AI-genereeritud sisu. Kõige usaldusväärsemad uudisteallikad ja andmepakkujad on need, kes suudavad krüptograafiliselt tõestada oma sisu haldusahelat.
Usaldus liigub brändi atribuudilt ("The New York Times on usaldusväärne, sest sellel on maine") krüptograafilisele tõestusele ("See artikkel on usaldusväärne, sest ma saan kontrollida ajakirjaniku allkirja, toimetaja heakskiitu ja faktikontrollija kinnitust"). Maine loeb endiselt, kuid seda toetavad tõendatavad tõendid, mitte eeldused ajaloo põhjal.
"Ära usalda, kontrolli" on juba krüptorahamaailma moto. Aastaks 2030 on see kogu infoajastu moto.
Voorspelling 5: De Energieafrekening
On üks ennustus, mida me ei saa vältida, kuigi tööstus eelistab sellest mitte rääkida: AI energiatarbimise praegune trajektoor on füüsiliselt jätkusuutmatu.
GPT-4 treenimine tarbis väidetavalt piisavalt elektrit, et toita 50 000 Euroopa kodu aasta jooksul. Suurte mudelite järeldamiskulud ulatuvad miljonitesse dollaritesse kuus. AI-le pühendatud andmekeskused tarbivad terve linna jagu elektrit. Iirimaa, AI andmekeskuste peamine keskus, läheneb punktile, kus AI-arvutus tarbib rohkem elektrit kui kõik riigi leibkonnad kokku.
See trajektoor põrkab füüsilistele piiridele. Elektrit saab toota ainult teatud koguses. On ainult teatud arv asukohti, kus andmekeskuseid saab tõhusalt jahutada. AI süsiniku jalajälg praeguste skaleerimismäärade juures tarbiks aastaks 2030 olulise osa maailma süsinikueelarvest.
Midagi peab järele andma. Kas AI muutub dramaatiliselt tõhusamaks või muutub AI kasutuselevõtt dramaatiliselt piiratuks energia kättesaadavuse ja hinna tõttu. Me usume, et tõhusus võidab, sest majanduslikud stiimulid on ülekaalukad ja tehnilised lahendused on olemas.
Binaarne arvutus pakub teed edasi. Traditsioonilised närvivõrgud kasutavad iga arvutuse jaoks 32-bitiseid või 16-bitiseid ujukomaarve. Binaarsed närvivõrgud kasutavad 1-bitiseid esitusi. Arvutuse, mis vajab GPU-l 1200 vatti, saab teha 50 vatiga protsessoril, mis töötab binaarsete tehtetega.
See ei ole teoreetiline. Uuringud on näidanud, et binaarsed närvivõrgud suudavad paljude ülesannete puhul saavutada konkurentsivõimelise täpsuse, kasutades samal ajal suurusjärke vähem energiat. XNOR-popcount-tehete (binaarsete närvivõrkude põhilised ehituskivid) tõhususvõit võrreldes ujukoma korrutis-akumuleerimisega on nii suur, et see muudab seda, millist riistvara üldse vaja on.
Me ennustame, et aastaks 2030 on energiatõhusus AI-süsteemide hindamise peamine kriteerium, sama oluline kui täpsus või võimekus. Regulatiivne surve (eriti Euroopas), majanduslik surve (energiahinnad) ja mainesurve (süsiniku jalajälje mured) sunnivad selle ülemineku peale.
Ettevõtetel, kes on juba loonud tõhusad arhitektuurid, on tohutu eelis. Need, kes sõltuvad endiselt jõhkrast ujukoma skaleerimisest, avastavad, et nende ärimudelid muutuvad majanduslikult jätkusuutmatuks.
Ennustus 6: Euroopa suveräänsus on oluline
AI-sõltuvuse geopoliitilisi tagajärgi on võimatu enam ignoreerida. Kui teie riigi ettevõtted, valitsusteenused ja kriitiline taristu sõltuvad kõik AI-süsteemidest, mida kontrollib käputäis Ameerika ettevõtteid, mis töötavad Californias kavandatud ja Taiwanis toodetud riistvaral, on teil strateegiline haavatavus.
Euroopa on eriti haavatav. EL-il ei ole ühtegi suurt AI-alusmudelite pakkujat. Euroopa ettevõtted sõltuvad AI-võimekuse osas peaaegu täielikult OpenAI-st, Google'ist, Anthropicust ja Metast. Euroopa valitsused kasutavad tundlike toimingute jaoks Ameerika pilveteenuseid. Euroopa tervishoiusüsteemid kaaluvad Ameerika AI kasutamist diagnostikatoeks.
See sõltuvus loob mitmeid riske. Ameerika ettevõtted saavad hindu meelevaldselt tõsta. Nad saavad teenusetingimusi muuta viisil, mis on vastuolus Euroopa väärtustega (privaatsus, töötajate kaitse, sisu modereerimine). Äärmuslikes stsenaariumides võivad nad geopoliitiliste pingete või regulatiivsete konfliktide tõttu juurdepääsu täielikult ära lõigata.
Me ennustame, et aastaks 2030 on AI-suveräänsus sama oluline kui energiasuveräänsus või toidusuveräänsus. Riigid nõuavad, et kriitilised AI-süsteemid töötaksid riigi kontrolli all oleval taristul. Tundlikud rakendused nõuavad, et andmed ei lahkuks kunagi riigi jurisdiktsioonist. Strateegilised tööstusharud nõuavad AI-süsteeme, mis suudavad töötada sõltumatult välismaistest pakkujatest.
EL-i tehisintellekti määrus liigub juba selles suunas, kehtestades läbipaistvuse, andmekaitse ja inimjärelevalve nõuded, mida Ameerika pakkujatel on raske täita. Kuid regulatsioon on ainult osa lahendusest. Euroopa vajab tegelikku AI-võimekust, mis vastab Ameerika pakkumistele või ületab neid, säilitades samal ajal Euroopa väärtused.
See loob tohutu võimaluse AI-pakkujatele, kes suudavad pakkuda suveräänset kasutuselevõttu. Süsteemid, mis töötavad Euroopa taristul, salvestavad andmeid Euroopa jurisdiktsioonides, vastavad Euroopa regulatiivsetele nõuetele ja annavad Euroopa ettevõtetele sõltumatuse Ameerika tehnoloogiahiiglastest, nõuavad märkimisväärset hinnapreemiat.
Dweve'i juures ei ole suveräänsus järelmõte. Meie süsteemid on nullist üles ehitatud kohalikuks kasutuselevõtuks. Need töötavad standardsel Euroopa riistvaral. Nad hoiavad andmeid seal, kus need kuuluvad. Nad pakuvad läbipaistvust, mida Euroopa regulatsioonid nõuavad. Nad pakuvad Euroopa ettevõtetele tee AI-võimekuseni ilma AI-sõltuvuseta.
Mida see ettevõtetele tähendab
Need kuus prognoosi mõjutavad sügavalt seda, kuidas ettevõtted peaksid täna oma AI strateegiat kujundama:
1. Lõpetage chatbotide ehitamine, alustage agentide ehitamist. Kui teie AI strateegia on "lisame oma veebilehele chatboti", ehitate aastaks 2023. Ettevõtted, kes võidavad aastal 2030, on need, kelle AI tegelikult asju teeb, mitte ainult asjadest räägib. Küsige endalt: milliseid ülesandeid saame automatiseerida otsast lõpuni, mitte ainult abistada? Millised töövoogud neelavad tunde inimeste aega, mida saaks delegeerida kontrollitud ja usaldusväärsetele agentidele?
2. Investeerige usaldusväärsusesse, mitte võimekusesse. Järgmise põlvkonna ettevõtete AI-d hinnatakse mitte selle järgi, kui muljetavaldav see kõlab, vaid selle järgi, kas seda saab usaldada kriitiliste äriprotsesside täitmisel ilma järelevalveta. Veidi vähem võimekas AI, mis ei tee kunagi vigu, on lõpmatult väärtuslikum kui geniaalne AI, mis aeg-ajalt katastroofiliselt hallutsineerib. AI süsteeme hinnates küsige formaalseid garantiisid, mitte testitulemusi.
3. Mõelge esmalt servale, mitte pilvele. AI käitamise majanduslik tasuvus servas (seadmes, kohapeal) muutub dramaatiliselt soodsamaks kui pilvepõhine arvutus. Ettevõtted, kes suudavad intelligentsuse kohapeal juurutada, saavad kulueeliseid, latentsuseeliseid ja privaatsuseeliseid, mida pilvest sõltuvad konkurendid ei suuda korrata. Alustage hajutatud AI arhitektuuride planeerimist juba praegu.
4. Looge usalduse infrastruktuur kohe. Ettevõtted, kes loovad varakult kontrolli- ja usaldussüsteemid, saavad esimese tegutseja eelise, kui sünteetilise sisu tulv saabub. Kui teie andmed ja väljundid on krüptograafiliselt kontrollitud, samas kui konkurentide omad ei ole, muutute vaikimisi usaldusväärseks allikaks. Rakendage sisu päritolu jälgimine enne, kui see muutub kohustuslikuks.
5. Planeerige energiapiiranguid. AI energiatarbimisest saab strateegiline mure. Olgu selleks süsinikumaksud, energiahinnad või lihtsalt kättesaadavuse piirangud, tõhusus hakkab oluline olema. Hinnake AI süsteeme nende energiajalajälje, mitte ainult võimekuse järgi. Eelistage arhitektuure, mis töötavad tavalisel riistvaral, nendele, mis nõuavad spetsiaalseid kiirendeid.
6. Turvake oma AI tarneahel. Sõltuvus ühest välismaisest pakkujast kriitiliste AI võimete osas on strateegiline risk. Arendage alternatiive. Testige Euroopa pakkujaid. Looge hübriidarhitektuure, mis suudavad pakkujate vahel vahetada. Tagage, et saate tegutseda isegi siis, kui teie peamine AI müüja muudab tingimusi, tõstab hindu või muutub kättesaamatuks.
Dweve visioon
Me ei ehita Dweve't aasta 2024 AI turu jaoks. Meid ei huvita veidi parema chatboti ehitamine, et OpenAI-ga testitulemustes võistelda. Me ei püüdle "suurima mudeli" tiitli poole. Me ehitame aastaks 2030.
Sellepärast keskendume agentidele (mitte ainult vestlusele). Meie Nexus platvorm pakub mitme agendi orkestreerimist enam kui 38 spetsialiseeritud agendiga 12 arutlusrežiimis, olles nullist loodud selleks, et maailmas turvaliselt ja usaldusväärselt tegutseda, mitte ainult usutavat teksti genereerida. Kuus turvaarhitektuuri kihti tagavad piiritletud autonoomia kavatsuste kontrolli, eetika jõustamise ja käitusaja jälgimisega.
Sellepärast keskendume väikestele mudelitele (binaarsed, hõredad, servale juurutatavad). Permuted Agreement Popcount (PAP) marsruutimissüsteem tagab, et päringud jõuavad õigete valdkonna spetsialistideni struktuurse mustrituvastusega, mis välistab valepositiivsed tulemused.
Seepärast keskendume kontrollitavusele (piirangupõhine arhitektuur, formaalne loogika, Glass Boxi läbipaistvus). Iga otsuse saab jälgida kristalliseerunud loogiliste seoste kaudu. Ei mingeid musti kaste. Ei mingit "usaldage meid, see töötab". Tõestus.
Seepärast keskendume tõhususele. Meie süsteemid töötavad tavalistel protsessoritel, ARM-seadmetel ja isegi brauserites WebAssembly kaudu. Ei mingeid eksootilisi riistvaralahendusi. Ei mingeid spetsiaalseid andmekeskusi. Ei mingeid megavattiseid energiatarbeid.
Seepärast keskendume andmete töötlemisele Euroopas. Teie andmeid säilitatakse ja töödeldakse Euroopas. Dweve kasutab alltöötlejaid, nagu on kirjeldatud avaldatud andmetöötlustingimustes.
Me ehitame intelligentse tuleviku nähtamatut, usaldusväärset ja suveräänset infrastruktuuri. Me ehitame Agentide majanduse torustikku. AI ajastu teid, sildu ja elektrivõrku.
Sest 2030. aastal ei huvita kedagi AI. Nad ei imetle seda. Nad ei kirjuta sellele päringuid. Nad isegi ei mõtle sellele. Neid huvitab ainult see, mida AI nende heaks tegi: koosolek, mille see planeeris, aruanne, mille see kirjutas, probleem, mille see lahendas, otsus, mille see nende eest õigesti tegi, samal ajal kui nemad olid hõivatud oma elu elamisega.
See on tulevik, mida me ehitame. See on 2030, mida me ette näeme. Ja me tahaksime seda koos teiega ehitada.
Dweve ehitab Agentide majanduse infrastruktuuri. Meie Loom arhitektuur pakub 528 spetsialiseeritud valdkonnaspetsialistide piirangukomplekti tavalises riistvaras. Meie Nexus platvorm orkestreerib mitme agendi töövooge formaalse kontrolli ja kuue turvakihiga. Oleme pühendunud Euroopa AI suveräänsusele: tõhus, läbipaistev ja sõltumatu. Valmis 2030. aastaks? Alusta vestlust.