Prognoza za 2030.: smrt chatbotova i uspon agenata
Faza noviteta se bliži kraju
Zamislite se prije pet godina, kako gledate nekoga tko prvi put tipka u ChatGPT. Sjećate li se tog osjećaja? Onog blagog nevjerice kada su se počele pojavljivati smislene rečenice. Onog nervoznog smijeha kada je napisao pjesmu o vašem psu. Onog egzistencijalnog straha kada je objasnio kvantnu fiziku bolje nego što je to ikada učinio vaš sveučilišni profesor.
Taj trenutak čuđenja? Već blijedi. Živimo u "fazi noviteta" umjetne inteligencije, kratkom razdoblju obilježenom strahopoštovanjem i spektaklom. Divimo se tome što računalo može razgovarati. Provodimo sate tipkajući u okvire za chat, tretirajući AI kao duhovitog proroka, pametnu igračku ili (budimo iskreni) pomalo pripitu pripravnicu koja povremeno proizvede briljantnost.
Čak smo za ovo doba stvorili i novi naziv radnog mjesta: "inženjer upita". Razmislite o tome na trenutak. Ljude plaćamo šestoznamenkastim plaćama da šapću prave čarolije računalu. AI tretiramo kao tajanstveni entitet koji se mora nagovarati, umiljavati i pažljivo upućivati kako bi obavio koristan posao. To je kao da unajmite nekoga da pregovara s vašom mikrovalnom pećnicom.
Ova situacija nam se čini u osnovi apsurdnom. Ne zato što tehnologija nije impresivna, nego zato što je koristimo pogrešno. Izgradili smo najmoćnije kognitivne alate u ljudskoj povijesti, a koristimo ih kao posebno razgovorljive tražilice. Imamo nuklearne reaktore, a koristimo ih za prženje kruha.
Do 2030. ova će faza izgledati arhaično. Posramljujuće arhaično. Na "inženjering upita" gledat ćemo onako kako danas gledamo na bušene kartice ili MS-DOS naredbeni redak. Bilo je to nužno, primitivno sučelje za primitivno doba. Budućnost umjetne inteligencije nije u razgovoru s računalom. Ona je u tome da računalo potpuno nestane.
Ono što slijedi naša su predviđanja za sljedećih pola desetljeća inteligencije. Ne marketinške fantazije ni znanstvenofantastični snovi, nego utemeljene ekstrapolacije temeljene na tehnološkim putanjama koje danas vidimo. Neka će se ostvariti brže nego što očekujemo. Neka sporije. Ali smjer je jasan, a razumijevanje toga sada daje vam stratešku prednost pripremljenosti.
Razumijevanje tehnološke promjene
Prije nego što zaronimo u predviđanja, utvrdimo što se zapravo mijenja. Revolucija umjetne inteligencije od 2022. do 2025. u osnovi se svodila na jedan proboj: arhitekture transformatora skalirane do golemih veličina mogle su obavljati generiranje teksta opće namjene. To je bilo impresivno. Bilo je također, gledano unatrag, iznimno grubo.
Trenutačni veliki jezični modeli u osnovi su vrlo sofisticirani sustavi za automatsko dovršavanje. Predviđaju sljedeći token na temelju statističkih obrazaca naučenih iz podataka za obuku. Nemaju razumijevanje istine, nemaju model svijeta, nemaju mogućnost provjere vlastitih rezultata. Samouvjereno haluciniraju jer nemaju mehanizam za razlikovanje činjenica od fikcije. Oni su probabilistički usklađivači obrazaca i dosežu granice onoga što samo usklađivanje obrazaca može postići.
Sljedeća generacija umjetne inteligencije bit će temeljno drugačija. Umjesto oslanjanja isključivo na naučene statističke korelacije, sustavi će uključivati simboličko zaključivanje, formalnu provjeru i eksplicitno predstavljanje znanja. Umjesto nagađanja odgovora, izvodit će ih iz prvih načela i dokazivati da su točni. Umjesto da budu općenamjenski i nejasni, bit će specijalizirani i precizni.
To nije spekulacija. Istraživanja su već objavljena. Arhitekture se već razvijaju. Jedino je pitanje koliko će brzo doseći produkcijsku primjenu i usvajanje na tržištu. Naša predviđanja temelje se na realnim vremenskim okvirima za te tranzicije.
Prognoza 1: Sučelje nestaje
Najbolja je tehnologija nevidljiva. Ne vodite "razgovor" sa svojim sustavom protiv blokiranja kotača; on jednostavno sprječava proklizavanje. Ne "upisujete upite" svom filteru za neželjenu poštu; on jednostavno filtrira spam. Nikada ne razmišljate o TCP/IP protokolu koji ovaj članak dostavlja na vaš zaslon. Dobra tehnologija radi. Izvrsna tehnologija radi, a da to niti ne primijetite.
Do 2030. umjetna će se inteligencija povući u pozadinu. Postat će sveprisutni operativni sustav svijeta. Neće biti odredište (poput web stranice ChatGPT) koje posjećujete. Bit će usluga koja prožima sve, jednako obična i neophodna kao struja.
Ovaj prijelaz slijedi obrazac koji smo više puta vidjeli u povijesti tehnologije. Prvi su automobili zahtijevali obučenog šofera koji je razumio složenu mehaniku motora s unutarnjim izgaranjem. Prva su računala zahtijevala programere koji su govorili strojni jezik. Prvi telefoni zahtijevali su operatere koji su ručno spajali pozive. U svakom je slučaju tehnologija na kraju postala dovoljno jednostavna da je posrednik nestao. Sučelje se izravnalo dok nije postalo nevidljivo.
Prijelazit ćemo s eksplicitne interakcije (upisivanje naredbe za dobivanje rezultata) na implicitnu namjeru (sustav predviđa potrebu i ispunjava je). Pogledajmo kako to izgleda u praksi:
Vaš kalendar danas: Čitate lanac e-poruka. Pomislite "trebali bismo se sastati". Otvorite kalendar. Provjerite dostupnost svih (tri različita sustava). Predložite termine. Čekate odgovore. Rezervirate sobu. Šaljete pozivnice. Dvadeset minuta muke za sastanak od trideset minuta.
Vaš kalendar 2030.: Umjetna inteligencija prati vaš lanac e-poruka. Primjećuje namjeru za sastankom (izvlačeći je iz konteksta, ne iz ključnih riječi). Provjerava dostupnost svih sudionika u njihovim kalendarskim sustavima. Dogovara optimalno vrijeme. Rezervira sobu. Šalje pozivnice. Vidite obavijest: "Sastanak zakazan sa Sarom i Jamesom, četvrtak u 14 sati." Vi niste učinili ništa. Muka je nestala.
Ili razmotrite upravljanje opskrbnim lancem:
Danas: Vaš operativni tim prati nadzorne ploče. Analitičar primjećuje da se u Meksičkom zaljevu formira uragan. Ručno provjerava koje bi isporuke mogle biti pogođene. Eskalira problem voditelju. Voditelj saziva sastanak. Odlučuju preusmjeriti teret. Netko ažurira prognozu zaliha u proračunskoj tablici. Proteklo vrijeme: 48 sati. Trošak kašnjenja: 200.000 €.
2030.: Umjetna inteligencija opskrbnog lanca primjećuje formiranje uragana (prati vremensku prognozu, ne nadzorne ploče). Predviđa koje će isporuke kasniti s pouzdanošću od 94 %. Automatski preusmjerava teret u alternativne luke. Ažurira prognozu zaliha. Obavještava relevantne ljude sažetkom u jednoj rečenici: "Preusmjereno 14 kontejnera preko Rotterdama zbog uragana Maria. Predviđeno vrijeme dolaska nepromijenjeno." Proteklo vrijeme: 3 minute. Trošak kašnjenja: 0 €.
Ili razmotrite medicinsku dijagnostiku:
Danas: Pacijent opisuje simptome liječniku opće prakse. Liječnik, zbog ograničenog vremena i široke naobrazbe, daje početnu procjenu. Upućuje pacijenta specijalistu. Specijalist naručuje pretrage. Prolaze tjedni. Stižu rezultati. Zakazuje se novi pregled. Postavlja se dijagnoza. Liječenje počinje mjesecima nakon što su se simptomi prvi put pojavili.
2030.: Pacijentovi su nosivi uređaji već otkrili anomaliju. Njegova osobna zdravstvena umjetna inteligencija pratila je suptilne promjene u varijabilnosti otkucaja srca, obrascima spavanja i kretanju koje upućuju na ranu fazu bolesti. Prije nego što pacijent uopće osjeti simptome, njegov liječnik prima upozorenje s preliminarnom analizom i predloženim dijagnostičkim putem. Do trenutka kada bi pacijent primijetio da nešto nije u redu, liječenje je već počelo.
Cilj tehnologije je smanjiti trenje. Tipkanje je trenje. Govor je trenje. Čak i razmišljanje o tome što tipkati je trenje. Krajnji AI u potpunosti uklanja trenje. Vi ga ne koristite. On se koristi sam, u vaše ime, s vašim ovlastima.
Predviđanje 2: Od riječi do akcija
Današnji veliki jezični modeli (LLM) su strojevi za tekst. Generiraju riječi. Nevjerojatno su rječiti. Mogu pisati poeziju, objašnjavati fiziku, sažimati dokumente i glumiti pirata koji objašnjava blockchain. No na kraju dana, proizvode tekst na koji vi, kao čovjek, morate potom reagirati.
To je temeljno ograničenje. Tekst je jeftin. Akcija je vrijedna. Dokument koji opisuje kako popraviti grešku ima određenu vrijednost. Stvarno popravljanje greške ima deset puta veću vrijednost. Preporuka koje dionice kupiti pruža informaciju. Stvarno izvršavanje trgovina (ispravno, sigurno, u pravo vrijeme) pruža vrijednost.
Sutrašnji veliki modeli akcija (LAM) bit će strojevi za djelovanje. Generirat će akcije. Radit će stvari u svijetu, ne samo pričati o tome da će ih raditi.
Agent vam ne govori samo kako rezervirati let; on rezervira let. Prijavljuje se na web stranicu zrakoplovne tvrtke (ili koristi API). Odabire sjedalo koje preferirate (do prozora, izlazni red, jer je naučio vaše preferencije s posljednja 47 letova). Unosi podatke iz vaše putovnice. Plaća vašom korporativnom karticom. Dodaje račun u vaš izvještaj o troškovima s ispravnom šifrom projekta. Dodaje let u vaš kalendar. Čak postavlja podsjetnik za prijavu 24 sata prije polaska.
Tražili ste let. Dobili ste let. Ne upute. Ne popis opcija. Ne koristan prijedlog. Stvarnu kartu, kupljenu, potvrđenu, unesenu u kalendar.
Ovaj pomak od prikupljanja informacija do izvršavanja zadataka najveće je ekonomsko otključavanje u povijesti softvera. Pretvara AI iz "tražilice" (koja vam pomaže raditi brže) u "radnu snagu" (koja obavlja posao umjesto vas). Implikacije su zapanjujuće.
Prema McKinseyjevom istraživanju, zaposlenici koji rade na znanju provode otprilike 28% svog vremena na upravljanje e-poštom i kalendarom, 19% na traženje informacija i 14% na administrativne zadatke. To je 61% radnog dana na aktivnostima koje bi agenti mogli u potpunosti preuzeti. Kad bismo mogli povratiti čak i polovicu tog vremena za stvarni kreativni i strateški rad, globalna produktivnost porasla bi za bilijune eura godišnje.
Međutim, ovaj pomak zahtijeva ogromno poboljšanje pouzdanosti. Možete tolerirati haluciniranu pjesmu. (Možda će čak biti šarmantna.) Ne možete tolerirati halucinirani bankovni prijenos. Ne možete tolerirati agenta koji slučajno izbriše vašu produkcijsku bazu podataka jer je "mislio" da je to ono što želite. Ne možete prihvatiti agenta koji vas rezervira na let za Sydney u Australiji kada ste mislili na Sydney u Novoj Škotskoj.
Trenutačni AI sustavi spektakularno padaju na ovom testu pouzdanosti. Studije pokazuju stope halucinacija od 15-25% čak i za jednostavna činjenična pitanja. Za složene zadatke s više koraka, stope pogrešaka se kumuliraju. Ako svaki korak ima stopu uspjeha od 90%, a zadatak zahtijeva deset koraka, ukupna stopa uspjeha je samo 35%. To nije alat za automatizaciju radnih procesa. To je generator kaosa.
Upravo je taj jaz u pouzdanosti razlog zašto budućnost pripada arhitekturama koje mogu jamčiti točnost, a ne čisto probabilističkim modelima koji o njoj mogu samo nagađati. Kada agent upravlja vašim financijama, "95% točnosti" nije značajka. To je tužba za odštetu koja samo čeka da se dogodi.
Prediction 3: The Small Model Revolution
Posljednjih pet godina mantra industrije bila je "Scale is All You Need." Veći modeli, više podataka, više GPU-ova. Jurili smo od milijuna do milijardi do bilijuna parametara. GPT-3 je imao 175 milijardi parametara. GPT-4 ima (navodno) više od bilijun. Svaka generacija zahtijevala je eksponencijalno više računalne snage, energije i kapitala. Sagradili smo podatkovne centre veličine katedrala da ih smjestimo.
2030-e će označiti temeljni preokret. Ulazimo u eru malih, specijaliziranih stručnjaka.
Zašto? Zato što smo dosegli granicu opadajućih prinosa na veličinu modela. Povećanje parametara sa 100 milijardi na bilijun poboljšava rezultate na benchmark testovima za možda 5-10%. No troškovi treniranja rastu s 10 milijuna eura na 100 milijuna eura. Troškovi inferencije povećavaju se 10 puta. Potrošnja energije raste do te mjere da jedno treniranje emitira više ugljika nego 500 automobila voženih godinu dana.
Matematika opadajućih prinosa je nemilosrdna. Rano skaliranje donosilo je približno linearne napretke: udvostručite parametre, udvostručite sposobnost. Sada smo u režimu gdje udvostručenje parametara donosi možda 10-15% poboljšanja. Ekonomika više nema smisla za većinu primjena.
Što je još važnije, shvaćamo da je masivni model opće namjene koji zna sve od Shakespearea do Pythona, od francuskog kuhanja do kvantne mehanike, inherentno neučinkovit. To je kao da zaposlite jednu osobu koja je istovremeno odvjetnik, kuhar, mehaničar i pjesnik, i tražite od nje da vam ispuni poreznu prijavu. Da, možda zna ponešto o porezima. No posvećeni računovođa bio bi brži, jeftiniji i precizniji.
Ljudski mozak ne funkcionira kao jedan monolitan sustav. Sastoji se od specijaliziranih regija: vizualni korteks obrađuje slike, jezični centri upravljaju govorom, hipokampus upravlja pamćenjem. Ti specijalizirani sustavi rade zajedno, svaki doprinoseći svojom stručnošću cjelini. Najsposobniji AI sustavi 2030. godine slijedit će isti obrazac.
Umjesto "Boga modela" u oblaku, imat ćemo milijune malih, hiper-specijaliziranih modela:
- Jedan koji je stručnjak za njemačko ugovorno pravo (treniran na svakoj njemačkoj sudskoj odluci od 1949.)
- Jedan koji je stručnjak za optimizaciju TypeScripta (treniran na milijunima pregleda koda)
- Jedan koji je stručnjak za dijagnosticiranje problema motora Forda iz 2015. (treniran na svakom servisnom priručniku i nalogu za popravak)
- Jedan koji je stručnjak za dokumentaciju specifičnog proizvoda vaše tvrtke
- Jedan koji je stručnjak za vaš osobni komunikacijski stil
Ti će modeli biti dovoljno mali da se pokreću lokalno na vašem uređaju (Edge AI). Radit će na vašem telefonu, naočalama, automobilu i hladnjaku. Neće zahtijevati GPU od 500 vata; radit će na neuralnoj procesorskoj jedinici od 2 vata. Međusobno će komunicirati u mesh mreži, prosljeđujući upite odgovarajućem stručnjaku. Bit će brzi (bez mrežnog kašnjenja), privatni (bez podataka koji napuštaju vaš uređaj) i jeftini (bez naplate po tokenu).
Ta tranzicija već počinje. Open source modeli poput Llamae i Mistrala dokazali su da manji, dobro trenirani modeli mogu dosegnuti ili nadmašiti performanse većih vlasničkih modela na specifičnim zadacima. Tehnike kvantizacije omogućuju pokretanje modela s milijardama parametara na potrošačkom hardveru. Alati za izgradnju specijaliziranog, učinkovitog AI-ja brzo sazrijevaju.
U Dweveu smo taj pristup doveli do logičnog kraja s Loomom: 456 specijaliziranih skupova ograničenja koji djeluju usklađeno, a svaki sadrži 64-128 MB binarnih ograničenja, zajedno sposobniji od bilo kojeg monolitnog diva. Uz ultra-rijetku aktivaciju (istovremeno je aktivno samo 4-8 domennih specijalista), radna memorija ostaje između 256 MB i 1 GB, dok se cijeli katalog sažima na otprilike 150 GB. Ova arhitektura daje bolje rezultate od modela s trilijun parametara uz djelić računalnih troškova, radeći na hardveru koji već posjedujete.
Prediction 4: Verification Becomes King
Evo misaonog pokusa. Godina je 2028. Trošak generiranja članka od 1.000 riječi pao je sa 100 € (ljudski pisac) na 0,001 € (AI generator). Što se događa s internetom?
Biva preplavljen. Potopljen. Zatrpan lavinom sintetičke buke. Svaki SEO spamer, svaki propagandni mlin, svaka tvornica sadržaja proizvodit će milijune članaka dnevno. Spam, deepfakeovi i halucinirani "vijesti" činit će 99 % weba. Omjer signala i šuma svest će se na gotovo nulu.
Rane znakove već vidimo. Znanstvenici su otkrili da sve veći postotak prijava znanstvenih radova čini AI-generirano smeće. Platforme društvenih mreža bore se s vojskama AI-pokretanih botova. Stock fotografije zamjenjuju AI slike koje ponekad prikazuju ljude sa sedam prstiju. Novinske kuće objavile su članke koje je napisao AI, a koji sadrže potpuno izmišljene citate i događaje.
Ekonomski poticaji jamče da će biti još gore. Stvaranje sintetičkog sadržaja praktički je besplatno. Granični trošak približava se nuli. Svatko s agendom, bilo komercijalnom, političkom ili zlonamjernom, može preplaviti informacijski ekosustav bilo kojom pripoviješću koju želi. Istina postaje samo jedno mišljenje među milijunima izmišljenih alternativa.
U takvom okruženju vrijednost istine naglo će porasti. Svjedočit ćemo usponu "tehnologija istine":
Kriptografsko vodiljanje: Nevidljivi potpisi ugrađeni u sadržaj koji dokazuju kada ga je i tko stvorio. Ako fotografija nema valjani vodeni žig registriranog fotoaparata, smatra se da ju je generirao AI dok se ne dokaže suprotno. Glavni proizvođači fotoaparata već uvode ovu tehnologiju. Adobeova inicijativa za autentičnost sadržaja gradi infrastrukturu za praćenje podrijetla sadržaja.
Praćenje podrijetla: Sustavi slični blockchainu koji prate podrijetlo i povijest izmjena svakog podatka. Moći ćete pratiti sliku unatrag do izvornog senzora fotoaparata koji ju je snimio, kroz svaku izmjenu. Svaka izmjena stvara novi kriptografski potpis koji se nadovezuje na izvornik. Cjelokupna povijest provjerljiva je svima.
Formalna verifikacija: Matematički dokazi da su rezultati umjetne inteligencije točni. Ne "vjerojatno točni" ili "obično točni", nego dokazivo, potvrđeno i nepobitno točni. Kada vaš AI agent prenosi novac, imat ćete kriptografski dokaz da je prenio točan iznos na točan račun koji ste odobrili. Kada umjetna inteligencija generira pravni dokument, imat ćete potvrdu da svaka klauzula udovoljava relevantnim propisima.
Razmišljanje temeljeno na ograničenjima: AI sustavi koji izvode zaključke iz eksplicitnih logičkih odnosa, a ne iz statističkih korelacija. Budući da razmišljanje slijedi formalna pravila, svaki se korak može revidirati. Ako AI preporuči medicinski tretman, možete točno pratiti koji su simptomi odgovarali kojim dijagnostičkim kriterijima da bi se došlo do te preporuke.
Internetski preglednici dolazit će s "Filterima stvarnosti" (poput današnjih blokatora oglasa) koji će filtrirati neprovjereni sadržaj generiran umjetnom inteligencijom. Najpouzdaniji izvori vijesti i pružatelji podataka bit će oni koji mogu kriptografski dokazati lanac čuvanja svog sadržaja.
Povjerenje će se pomaknuti s atributa robne marke ("The New York Times je pouzdan jer ima ugled") na kriptografski dokaz ("Ovaj je članak pouzdan jer mogu provjeriti potpis novinara, odobrenje urednika i potvrdu faktografa"). Ugled će i dalje biti važan, ali će biti potkrijepljen provjerljivim dokazima, a ne pretpostavljen na temelju povijesti.
"Ne vjeruj, provjeri" već je moto svijeta kriptovaluta. Do 2030. bit će moto cijelog informacijskog doba.
Predviđanje 5: Obračun s energijom
Postoji predviđanje kojeg ne možemo izbjeći, iako ga industrija radije ne spominje: trenutačna putanja potrošnje energije umjetne inteligencije fizički je neodrživa.
Obuka GPT-4 navodno je potrošila dovoljno električne energije za napajanje 50.000 europskih kućanstava tijekom godine dana. Troškovi zaključivanja za velike modele iznose milijune dolara mjesečno. Podatkovni centri namijenjeni umjetnoj inteligenciji troše količinu električne energije jednaku cijelom gradu. Irska, glavno središte za AI podatkovne centre, približava se točki u kojoj AI računalstvo troši više električne energije nego sva kućanstva u zemlji zajedno.
Ova putanja udara u fizičke granice. Postoji samo ograničena količina električne energije koja se može proizvesti. Postoji samo ograničen broj lokacija na kojima se podatkovni centri mogu učinkovito hladiti. Ugljični otisak umjetne inteligencije pri sadašnjim stopama skaliranja potrošio bi značajan dio svjetskog ugljičnog proračuna do 2030. godine.
Nešto se mora promijeniti. Ili će umjetna inteligencija postati dramatično učinkovitija, ili će njezina primjena biti dramatično ograničena dostupnošću i cijenom energije. Vjerujemo da će učinkovitost pobijediti jer su ekonomski poticaji golemi, a tehnička rješenja postoje.
Binarno računanje nudi put naprijed. Tradicionalne neuronske mreže koriste brojeve s pomičnim zarezom od 32 ili 16 bita za svaki izračun. Binarne neuronske mreže koriste prikaze od 1 bita. Ušteda energije nije 2x ili 10x. Ona iznosi 96% ili više. Izračun koji na GPU-u zahtijeva 1.200 vata može se izvesti s 50 vata na CPU-u koji izvodi binarne operacije.
To nije teorijsko. Istraživanja su pokazala da binarne neuronske mreže mogu postići konkurentnu točnost u mnogim zadacima uz znatno manju potrošnju energije, redova veličine manju. Dobici u učinkovitosti od XNOR-popcount operacija (temeljnih gradivnih blokova binarnih neuronskih mreža) u usporedbi s operacijama množenja i akumulacije s pomičnim zarezom toliko su veliki da mijenjaju i to koji je hardver uopće potreban.
Predviđamo da će do 2030. energetska učinkovitost biti primarni kriterij za ocjenu AI sustava, jednako važan kao točnost ili sposobnost. Regulatorni pritisak (osobito u Europi), ekonomski pritisak (troškovi energije) i reputacijski pritisak (zabrinutost zbog ugljičnog otiska) prisilit će na tu tranziciju.
Tvrtke koje su već izgradile učinkovite arhitekture imat će goleme prednosti. One koje su i dalje ovisne o grubom skaliranju s pomičnim zarezom otkrit će da njihovi poslovni modeli postaju ekonomski neodrživi.
Predviđanje 6: Europska suverenost je važna
Geopolitičke implikacije ovisnosti o umjetnoj inteligenciji sve je teže ignorirati. Kada poslovanje vaše zemlje, državne usluge i kritična infrastruktura ovise o AI sustavima koje kontrolira šačica američkih tvrtki, koji rade na hardveru dizajniranom u Kaliforniji i proizvedenom na Tajvanu, imate stratešku ranjivost.
Europa je posebno izložena. EU nema nijednog većeg pružatelja temeljnih AI modela. Europske tvrtke gotovo su u potpunosti ovisne o OpenAI-ju, Googleu, Anthropicu i Meti za AI sposobnosti. Europske vlade koriste američke cloud usluge za osjetljive operacije. Europski zdravstveni sustavi razmatraju američku umjetnu inteligenciju za dijagnostičku podršku.
Ta ovisnost stvara višestruke rizike. Američke tvrtke mogu proizvoljno podizati cijene. Mogu mijenjati uvjete pružanja usluga na načine koji su u sukobu s europskim vrijednostima (privatnost, zaštita radnika, moderiranje sadržaja). U ekstremnim scenarijima mogle bi u potpunosti prekinuti pristup zbog geopolitičkih napetosti ili regulatornih sukoba.
Predviđamo da će do 2030. suverenost umjetne inteligencije biti jednako važna kao energetska ili prehrambena suverenost. Države će zahtijevati da kritični AI sustavi rade na infrastrukturi pod domaćom kontrolom. Osjetljive aplikacije propisivat će da podaci nikada ne napuštaju nacionalnu jurisdikciju. Strateške industrije zahtijevat će AI sustave koji mogu djelovati neovisno o stranim pružateljima.
EU akt o umjetnoj inteligenciji već se kreće u tom smjeru, sa zahtjevima za transparentnošću, zaštitom podataka i ljudskim nadzorom koje američki pružatelji teško ispunjavaju. No regulacija je samo dio rješenja. Europi su potrebne stvarne AI sposobnosti koje odgovaraju američkim ponudama ili ih nadmašuju, uz očuvanje europskih vrijednosti.
To stvara golemu priliku za pružatelje umjetne inteligencije koji mogu ponuditi suverenu primjenu. Sustavi koji rade na europskoj infrastrukturi, pohranjuju podatke u europskim jurisdikcijama, ispunjavaju europske regulatorne zahtjeve i europskim tvrtkama pružaju neovisnost o američkim tehnološkim divovima moći će ostvarivati znatne premije.
U Dweveu suverenost nije naknadna misao. Naši su sustavi od samog početka dizajnirani za lokalnu implementaciju. Rade na standardnom europskom hardveru. Podatke drže tamo gdje im je mjesto. Pružaju transparentnost koju zahtijevaju europski propisi. Europskim poduzećima nude put do AI sposobnosti bez ovisnosti o AI-ju.
Što to znači za poslovanje
Ovih šest predviđanja imaju duboke implikacije za to kako bi tvrtke danas trebale razmišljati o svojoj AI strategiji:
1. Prestanite graditi chatbotove, počnite graditi agente. Ako je vaša AI strategija "dodati chatbot na našu web stranicu", gradite za 2023. Tvrtke koje će pobijediti 2030. bit će one čiji AI stvarno radi stvari, a ne samo priča o stvarima. Zapitajte se: koje zadatke možemo automatizirati od početka do kraja, a ne samo pomoći pri njima? Koji radni procesi troše sate ljudskog vremena koji bi se mogli delegirati provjerenim, pouzdanim agentima?
2. Ulažite u pouzdanost prije sposobnosti. Sljedeća generacija poslovnog AI-ja neće se ocjenjivati po tome koliko impresivno zvuči, već po tome može li mu se vjerovati da izvršava kritične poslovne procese bez nadzora. Nešto manje sposoban AI koji nikada ne griješi beskonačno je vrijedniji od briljantnog AI-ja koji povremeno katastrofalno halucinira. Kada procjenjujete AI sustave, tražite formalna jamstva, a ne rezultate benchmark testova.
3. Razmišljajte prvo o rubu, ne o oblaku. Ekonomika pokretanja AI-ja na rubu (na uređaju, lokalno) postat će dramatično povoljnija od inferencije u oblaku. Tvrtke koje mogu implementirati inteligenciju lokalno imat će prednosti u troškovima, latenciji i privatnosti koje konkurenti ovisni o oblaku ne mogu dostići. Počnite planirati distribuirane AI arhitekture već sada.
4. Izgradite infrastrukturu povjerenja sada. Tvrtke koje rano uspostave sustave provjere i povjerenja imat će prednost prvog poteza kada dođe poplava sintetičkog sadržaja. Ako su vaši podaci i rezultati kriptografski provjereni dok konkurentski nisu, vi automatski postajete pouzdani izvor. Implementirajte praćenje podrijetla sadržaja prije nego što postane obavezno.
5. Planirajte ograničenja energije. Potrošnja energije AI-ja postat će strateško pitanje. Bilo kroz poreze na ugljik, troškove energije ili jednostavna ograničenja dostupnosti, učinkovitost će biti važna. Procjenjujte AI sustave prema njihovom energetskom otisku, a ne samo prema sposobnostima. Dajte prednost arhitekturama koje mogu raditi na standardnom hardveru nad onima koje zahtijevaju specijalizirane akceleratore.
6. Osigurajte svoj AI lanac opskrbe. Ovisnost o jednom stranom pružatelju za kritične AI sposobnosti strateški je rizik. Razvijte alternative. Testirajte europske pružatelje. Izgradite hibridne arhitekture koje mogu prebacivati između pružatelja. Osigurajte da možete raditi čak i ako vaš primarni AI dobavljač promijeni uvjete, podigne cijene ili postane nedostupan.
Dweve vizija
Ne gradimo Dweve za AI tržište 2024. Ne zanima nas izgradnja nešto boljeg chatbotova za natjecanje s OpenAI-jem na benchmark rezultatima. Ne jurimo za trofejem "najvećeg modela". Gradimo za 2030.
Zato se fokusiramo na Agente (ne samo chat). Naša Nexus platforma pruža orkestraciju više agenata s 38+ specijaliziranih agenata u 12 načina rasuđivanja, dizajnirana od temelja da poduzima radnje u svijetu sigurno i pouzdano, a ne samo generira tekst koji zvuči uvjerljivo. Šest slojeva sigurnosne arhitekture osigurava ograničenu autonomiju s provjerom namjere, provedbom etike i praćenjem u stvarnom vremenu.
Zato se fokusiramo na Male modele (binarne, rijetke, primjenjive na rubu). Naša Loom arhitektura sa 456 specijaliziranih skupova ograničenja daje bolje rezultate od monolitnih modela uz 1/50 računalnih troškova, radeći na hardveru koji već posjedujete. Permuted Agreement Popcount (PAP) sustav usmjeravanja osigurava da upiti stignu do pravih domena specijalista s otkrivanjem strukturnih uzoraka koje eliminira lažne pozitivne rezultate.
Zato se usredotočujemo na verifikaciju (arhitekturu temeljenu na ograničenjima, formalnu logiku, transparentnost staklene kutije). Naš Core okvir pruža 1.937 algoritama optimiziranih za hardver, izgrađenih na načelima binarnog otkrivanja ograničenja. Svaka se odluka može pratiti kroz kristalizirane logičke odnose. Bez crnih kutija. Bez "vjerujte nam, radi." Dokaz. 100% objašnjivost nije značajka koju smo dodali; ona je posljedica arhitekture.
Zato se usredotočujemo na učinkovitost. Binarno računanje donosi 96% smanjenje potrošnje energije u usporedbi s tradicionalnim pristupima s pomičnim zarezom. Naši sustavi rade na standardnim CPU-ovima, ARM uređajima, pa čak i u preglednicima putem WebAssemblyja. Bez egzotičnog hardvera. Bez namjenskih podatkovnih centara. Bez potrošnje u megavatima.
Zato se usredotočujemo na suverenost. Dweve sustavi implementiraju se na europskoj infrastrukturi s podacima koji nikada ne napuštaju jurisdikcijsku kontrolu. Europski podatkovni centri u Nizozemskoj, Njemačkoj i Francuskoj. Usklađenost s GDPR-om ugrađena od temelja. Bez ovisnosti o američkim pružateljima oblaka za ključne operacije.
Gradimo nevidljivu, pouzdanu, suverenu infrastrukturu inteligentne budućnosti. Gradimo infrastrukturu za ekonomiju agenata. Ceste, mostove i električnu mrežu doba umjetne inteligencije.
Jer 2030. godine nikoga neće zanimati umjetna inteligencija. Neće joj se diviti. Neće joj upisivati upite. Neće čak ni razmišljati o njoj. Zanimat će ih samo ono što je umjetna inteligencija učinila za njih: sastanak koji je zakazala, izvješće koje je napisala, problem koji je riješila, odluka koju je ispravno donijela u njihovo ime dok su oni živjeli svoje živote.
To je budućnost koju gradimo. To je 2030. koju vidimo. I voljeli bismo je graditi s vama.
Dweve gradi infrastrukturu za ekonomiju agenata. Naša Loom arhitektura pruža 456 specijaliziranih skupova ograničenja za domenske stručnjake na standardnom hardveru. Naša Nexus platforma orkestrira radne tijekove s više agenata uz formalnu verifikaciju i šest razina sigurnosti. Naš Core okvir omogućuje razvoj binarne umjetne inteligencije s 1.937 algoritama koji rade bilo gdje. Predani smo europskoj suverenosti umjetne inteligencije: učinkovitoj, transparentnoj i neovisnoj. Spremni za 2030.? Započnite razgovor.