Eiropas AI paradokss: kāpēc nākamā AI ekspertu paaudze jau ir mūsu vidū
Viltus izvēle, kas dominē Eiropas mākslīgā intelekta diskusijās
Mēs dzīvojam laikmetā, kad daudzi sevi dēvē par mākslīgā intelekta speciālistiem. Viņi sadalās divās nometnēs, kas runā viena otrai garām. Viena nometne paziņo, ka bez mākslīgā intelekta mēs nevaram izdzīvot. Otra uzstāj, ka mums tas ir pilnībā jānoraida.
Starp šīm galējībām? Klusums. Gandrīz nekas.
Pirmā grupa, iespējams, neapzinās, kas pastāvēja pirms pašreizējā mākslīgā intelekta. Viņi nezina, ka mākslīgais intelekts šeit bija jau pirms to tā sauca. Šai grupai jāsaprot, ka pašreizējais mākslīgais intelekts nav tas, kam tam vajadzētu būt. Mēs virzījāmies pārāk ātri. Mēs izvēlējāmies vieglāko ceļu. Rezultāts, kas drīz būs klāt: nelietojams mākslīgais intelekts.
Kāpēc šī grupa tik skaļi apgalvo, ka bez mākslīgā intelekta mēs nevaram izdzīvot? Viņi tam ir piesaistījuši vienkāršu ieņēmumu modeli. Tas nav mērogojams. Viņi turas pie trika, ko prot.
Otrā grupa zina, kas bija pirms tam. Viņi saprot atsevišķās sastāvdaļas. Viņi gadiem ilgi ir bijuši speciālisti šajās jomās. Šai grupai ir nepieciešama palīdzība, lai saskatītu iespējas un robežas. Viņi, visticamāk, būs pirmie, kas atpazīs, kādam mākslīgajam intelektam vajadzētu būt un ko var sasniegt pareizajā veidā.
Viņu zināšanas iekļaujas mākslīgā intelekta arhitektūrā. Nākamās paaudzes mākslīgajā intelektā, kas veidots cilvēkiem, šie cilvēki atradīs sev vēlamo vietu. Šeit slēpjas milzīga iespēja ātrai pārkvalifikācijai un ieguldījumam. Ieņēmumu modelis, kuru viņi pašlaik riskē zaudēt, iegūst jaunu impulsu.
Vai mēs no tā varam izcelt sarežģītu polarizāciju un pēc tam savienot to ar niansētu secinājumu?
Pašreizējā mākslīgā intelekta ainava Eiropā
Būsim konkrēti par to, kur atrodas Eiropa. Skaitļi stāsta svarīgu stāstu.
Eiropa saskaras ar dokumentētu mākslīgā intelekta talantu trūkumu. Apvienotajā Karalistē ir 168 000 mākslīgā intelekta vakanču. Vācijā ir 102 000. Francijā ir 88 000. Pieprasījuma un piedāvājuma attiecība mākslīgā intelekta prasmēm pasaulē ir 3,2 pret 1. Tikai 10% pasaules vadošo mākslīgā intelekta pētnieku dzīvo Eiropā, un šis procents katru gadu samazinās.
Mākslīgā intelekta ieviešana uzņēmumos Eiropā 2024. gadā ir tikai 13,5%. Mākslīgā intelekta talanti veido 0,41% no ES darbaspēka. Tikmēr ASV ir vairāk nekā 240 tehnoloģiju uzņēmumu, kuru vērtība pārsniedz 10 miljardus dolāru. Eiropā ir 14. ASV mākslīgā intelekta riska kapitāla finansējums 2024. gadā sasniedza 68 miljardus dolāru. ES izdevās piesaistīt 8 miljardus dolāru.
Šī statistika rada paniku. Tā virza pirmās grupas naratīvu: Eiropai ir jāimportē mākslīgais intelekts, jāpērk mākslīgais intelekts, jāievieš mākslīgais intelekts ātri, vai arī tā atpaliks uz visiem laikiem.
Bet šis naratīvs pieņem, ka pašreizējais mākslīgais intelekts ir vienīgais mākslīgais intelekts. Tas pieņem, ka melnās kastes dziļā mācīšanās ir galamērķis. Tas ignorē to, ko Eiropa uzbūvēja pirms ažiotāžas.
Kas Eiropai bija pirms mākslīgo intelektu tā sauca
Kamēr Amerikas uzņēmumi mērogoja neironu tīklus, Eiropa būvēja kaut ko citu. Kaut ko fundamentālu. Kaut ko tādu, kas pašreizējam mākslīgajam intelektam ir izmisīgi nepieciešams.
Formālās metodes un verifikācija: Eiropai ir vairāk nekā 25 gadu dokumentētas pieredzes programmatūras pareizības pierādīšanā. Freiburgas Universitāte, Inria, Formal Methods Europe, tādi uzņēmumi kā Prover Technology, CEA List, Axiomise, PQShield. Šīs institūcijas un uzņēmumi nepazuda. Viņi joprojām ir šeit. Viņu pieredze ir aktuālāka nekā jebkad.
Constraint programming: The Handbook of Constraint Programming was published in 2006. The CPAIOR conference began in 2004 in Nice, France. Research groups like VeriDIS at Inria, KU Leuven, RISC at Johannes Kepler University have been developing constraint-solving techniques for decades. This isn't theoretical. It's the foundation of optimization, planning, and decision-making systems.
Logic programming and Prolog: Born in Europe. University of Aix-Marseille, 1972-1973. Creators Alain Colmerauer and Philippe Roussel. Fifty years of European research. In 2022, the community celebrated "Fifty Years of Prolog and Beyond." This isn't abandoned history. It's living expertise.
Semantic web and knowledge engineering: SWAD-Europe was a major European initiative for the Semantic Web within W3C. OWL became a W3C recommendation in 2004, led by European researchers. Today, Nature publishes research on semantic knowledge graphs. The expertise never left.
This is what the second group knows. This is their specialization. And they're watching the first group reinvent wheels poorly, ignore decades of research, and create systems that fail precisely because they lack these foundations.
The problem with the first group: unsustainable hype
The AI consulting market will reach $630.7 billion by 2032. This explains the shouting. Consultants, cloud vendors, service providers have attached their revenue model to current AI. They need to convince European companies they must adopt AI now or die.
But the model isn't scalable. Here's why.
Current AI suffers from exponential error accumulation. Systems that are 98% accurate per step become 13% accurate after 100 steps. Hallucinations snowball. Multimodal systems lose 31% performance when encountering generated errors. The mathematics doesn't care about revenue models.
The first group's solution? More training data. Better prompts. Verification steps that add more steps to the problem caused by having too many steps. They're trying to fight mathematics with natural language.
This isn't sustainable. European companies adopting these approaches will face the 95% production failure rate documented by MIT and Fortune research. They'll spend millions on systems that are mathematically guaranteed to fail in multi-step scenarios.
The first group knows this. They can't admit it. Their revenue model depends on maintaining the illusion that current AI is working. So they shout louder.
The opportunity in the second group: overlooked expertise
Now consider the second group. They watched the AI hype from the sidelines. They saw companies reinventing techniques that Europe solved decades ago. They saw neural networks struggling with problems that constraint programming handles elegantly.
They kept quiet because the market wasn't rewarding their expertise. AI funding went to deep learning. Constraint programming research continued in universities and specialized companies. Formal verification remained essential in safety-critical industries. Knowledge engineering powered semantic web applications that worked reliably.
This group exists. They're substantial. Europe has 10+ million ICT specialists. Germany has 2.3 million. Central and Eastern Europe have 3.5 million. Employment among developers is 84%. This isn't a tiny niche. This is a massive workforce with underutilized expertise.
Here's the crucial insight: the EU AI Act's requirements for explainability, transparency, and auditability create regulatory demand for precisely what this group knows.
Formal verification proves system correctness. Constraint programming provides interpretable reasoning paths. Logic programming enables traceable decision-making. Knowledge engineering builds hybrid neuro-symbolic systems that combine learning with reasoning.
The second group's expertise maps directly to next-generation AI requirements. They don't need to learn AI from scratch. They need to recognize that their existing skills ARE the next generation of AI.
The unusable AI coming soon
What happens when current AI approaches hit their mathematical limits? We're already seeing it.
Google AI Overview suggested putting glue on pizza. CNET's AI wrote articles with a 53% error rate. Medical diagnosis systems failed on 80% of pediatric cases. Legal AI models hallucinate in 1 out of 6 queries. These aren't edge cases. They're symptoms of fundamental architectural problems.
Zhang et al. (2023) konstatētais halucināciju sniega pikas efekts parāda, ka LLM pārlieku pieķeras agrīnām kļūdām un ģenerē papildu nepatiesus apgalvojumus, lai tās attaisnotu. Kļūdas ne tikai izplatās. Tās aug.
98% problēma nozīmē, ka pēc 34 secinājumu soļiem sistēmas biežāk ir nepareizas nekā pareizas. Pēc 100 soļiem tās ir nepareizas 86,7% gadījumu. Tāpēc 95% AI aģentu neizdodas ražošanā. Tāpēc 95% ģeneratīvā AI pilotprojektu nekad nesasniedz ražošanu.
Mēs strauji tuvojamies nelietojamam AI. Sistēmām, kurām nevar uzticēties daudzpakāpju secinājumu veikšanā. Sistēmām, kurās katrs rezultāts ir cilvēciski jāpārbauda. Sistēmām, kuru labošana izmaksā vairāk, nekā tās sniedz vērtību.
Pirmā grupa atbildēs ar to pašu. Lielāki modeļi. Vairāk skaitļošanas jaudas. Labāki uzvedņu teksti. Viņi ir iesprostoti paradigmā, kas, pēc matemātikas domām, nevar darboties.
Otrā grupa uz to raugās citādi. Viņi visu karjeru ir veidojuši sistēmas, kas NEPAKĻAUJ eksponenciālai kļūdu uzkrāšanās ietekmei. Formālās metodes pierāda īpašības. Ierobežojumu risināšana atrod optimālus risinājumus. Loģiskā programmēšana nodrošina pamatotu spriešanu. Zināšanu inženierija rada izskaidrojamas sistēmas.
Polarizācija kļūst skaidra. Viena grupa dubulto likmes uz neveiksmīgām pieejām. Otra grupa glabā risinājumus, ko tirgus galu galā pieprasīs.
Eiropas digitālā suverenitāte, balstoties uz esošo ekspertīzi
Eiropas Komisija digitālo suverenitāti definē kā "digitālās infrastruktūras, produktus un pakalpojumus, kas aizsargā Eiropas drošību, stratēģiskos aktīvus un intereses." Berlīnes deklarācija piebilst "spēju rīkoties autonomi un brīvi izvēlēties savu digitālo ceļu."
Pašreizējās pieejas mākslīgā intelekta suverenitātei koncentrējas uz Eiropas versiju veidošanu no Amerikas mākslīgā intelekta. Lielu valodas modeļu apmācīšana. Eiropas pamatmodeļu radīšana. Konkurēšana pēc Amerikas noteikumiem.
Tas neatbilst būtībai. Eiropas ceļš uz mākslīgā intelekta suverenitāti nav darīt to pašu, ko Amerika, tikai lokāli. Tas ir darīt to, ko Eiropa prot vislabāk, citādi.
ES Mākslīgā intelekta akta uzsvars uz izskaidrojamību, pārredzamību un uz cilvēku vērstu dizainu nav nejaušs. Tas atspoguļo Eiropas vērtības. Tas atspoguļo arī Eiropas tehniskās stiprās puses. Regula rada pieprasījumu pēc sistēmām, kuras var izskaidrot, pārbaudīt un auditēt.
Kurš var izveidot šīs sistēmas? Ne dziļās mācīšanās speciālisti, kuri izveidoja melnās kastes modeļus. Formālās verifikācijas eksperti, kuri jau 25 gadus pierāda sistēmu pareizību. Ierobežojumu programmēšanas pētnieki, kuri jau divdesmit gadus veido interpretējamas optimizācijas sistēmas. Zināšanu inženieri, kuri kopš 2000. gadu sākuma veido izskaidrojamas semantiskās sistēmas.
Tā ir Eiropas priekšrocība. Eiropai nav jāimportē mākslīgā intelekta ekspertīze. Eiropai ir jāatzīst, ka tās esošā tehniskā ekspertīze IR nākamās paaudzes mākslīgā intelekta ekspertīze.
Pārkvalificēšanās iespēja, kas ir acīm redzama
Eiropas Komisijas Prasmju pakts ar pārkvalificēšanās un kvalifikācijas paaugstināšanas iniciatīvām ir sasniedzis 2,6 miljonus cilvēku. CEDEFOP ziņo, ka vairāk nekā 25% Eiropas pieaugušo darbinieku jau eksperimentē ar mākslīgo intelektu darbā.
Tradicionālais stāstījums liecina, ka šiem darbiniekiem ir jāapgūst dziļā mācīšanās, neironu tīkli, transformatoru arhitektūras. Viņiem ir jākļūst līdzīgiem pirmajai grupai.
Tas ir aplami. Darbiniekiem, kuri Eiropai jau ir, piemīt tieši tās prasmes, kas nepieciešamas nākamās paaudzes mākslīgajam intelektam. Viņiem tikai jāatzīst, ka viņu ekspertīze ir vērtīga mākslīgā intelekta kontekstā.
Formālās verifikācijas speciālistam nav jāmācās neironu tīkli. Viņam ir jāpielieto sava verifikācijas ekspertīze uz ierobežojumos balstītām mākslīgā intelekta sistēmām. Ierobežojumu programmēšanas pētniekam nav jāpārorientējas uz dziļo mācīšanos. Viņam ir jāatzīst, ka viņa ierobežojumu risināšanas paņēmieni IR nākamās paaudzes mākslīgā intelekta spriešana. Zināšanu inženierim nav jāatsakās no semantiskā tīmekļa par labu lieliem valodas modeļiem. Viņam ir jāveido hibrīdas sistēmas, kas apvieno mācīšanos ar spriešanu.
Pārkvalificēšanās izaicinājums nav mācīt Eiropas speciālistiem mākslīgo intelektu no nulles. Tas ir palīdzēt viņiem saprast, ka viņu gadu desmitu ekspertīze IR mākslīgais intelekts. Mākslīgais intelekts, ko pašreizējās pieejas nespēj nodrošināt.
Ieņēmumu modelis, ko viņi riskē zaudēt, nav zudis. Tas pārveidojas. Uzņēmumi, kas izprot formālo verifikāciju, ierobežojumu apmierināmību un zināšanu inženieriju, būs tie, kas veidos mākslīgā intelekta sistēmas, kuras patiešām darbojas ražošanā. Mākslīgā intelekta sistēmas, kas atbilst ES regulām. Mākslīgā intelekta sistēmas, kurām Eiropas uzņēmumi var uzticēties.
Niansētais secinājums: polarizācija kā iespēja
Polarizācija starp "mums ir jābūt mākslīgajam intelektam" un "mums nav vajadzīgs mākslīgais intelekts" ir maldīga. Abas pozīcijas nepamana nianses.
Niansētā realitāte: Eiropai ir vajadzīgs mākslīgais intelekts, bet ne pašreizējais mākslīgais intelekts. Eiropai ir vajadzīgs nākamās paaudzes mākslīgais intelekts, kas balstīts uz Eiropas stiprajām pusēm. Izskaidrojams, pārbaudāms, efektīvs, uz cilvēku vērsts. Mākslīgais intelekts, ko pieprasa ES MI akts. Mākslīgais intelekts, kas Eiropas uzņēmumiem patiešām ir vajadzīgs. Mākslīgais intelekts, ko Eiropas speciālisti jau prot veidot.
Pirmās grupas stāstījums, ka mums ir jāpieņem pašreizējais mākslīgais intelekts vai jāmirst, ir bīstams. Tas liek Eiropas uzņēmumiem investēt sistēmās, kas cietīs neveiksmi. Tas iemūžina atkarību no Amerikas tehnoloģijām. Tas ignorē Eiropas speciālistu zināšanas.
Otrās grupas skepticisms pret pašreizējo mākslīgo intelektu ir pamatots, bet viņu secinājums, ka mums nav vajadzīgs mākslīgais intelekts, ir nepareizs. Mums ir vajadzīgs mākslīgais intelekts. Mums vienkārši ir vajadzīgs PAREIZAIS mākslīgais intelekts. Mākslīgais intelekts, kas balstīts uz pamatiem, ko viņi ir attīstījuši gadu desmitiem.
Iespēja slēpjas sintēzē: atzīt, ka nākamās paaudzes mākslīgā intelekta speciālistu zināšanas jau pastāv Eiropā. Tie ir vairāk nekā 10 miljoni IKT speciālistu. Tie ir formālo metožu eksperti ar vairāk nekā 25 gadu pieredzi. Tie ir ierobežojumu programmēšanas pētnieki ar divu desmitgažu darbu. Tie ir zināšanu inženieri, kuri izveidoja semantisko tīmekli.
Šiem cilvēkiem nav jābūt aizstātiem ar mākslīgā intelekta speciālistiem no citurienes. Viņiem ir jābūt iespējotiem atzīt, ka viņu zināšanas IR nākamās paaudzes mākslīgā intelekta zināšanas. Viņiem ir jāredz tilts starp savām pašreizējām prasmēm un mākslīgā intelekta sistēmām, kas Eiropai patiešām ir vajadzīgas.
Uzņēmumā Dweve mēs veidojam šo tiltu. Core nodrošina formālās verifikācijas sistēmu. Loom ievieš uz ierobežojumiem balstītus nozares speciālistus. Nexus nodrošina orķestrācijas slāni. Spindle nodrošina zināšanu pārvaldību. Katra sastāvdaļa izmanto Eiropas tehniskās stiprās puses. Katra sastāvdaļa rada iespējas Eiropas speciālistiem pielietot savas zināšanas nākamās paaudzes mākslīgajā intelektā.
Polarizācija nav problēma. Tā ir iespēja. Sadursme starp ažiotāžu un realitāti liks Eiropas uzņēmumiem atzīt, kas patiešām darbojas. Kad pašreizējais mākslīgais intelekts cietīs neveiksmi, Eiropas uzņēmumi meklēs alternatīvas. Šīs alternatīvas pastāv. Tās ir balstītas uz 25 līdz 50 gadu Eiropas pētniecības. Tās pārvalda vairāk nekā 10 miljoni Eiropas speciālistu. Tām vienkārši ir jābūt atzītām par nākamās paaudzes mākslīgo intelektu.
Kas jums jāatceras
- Polarizācija ir maldīga. "Mums ir jābūt mākslīgajam intelektam" pretstatā "mums nav vajadzīgs mākslīgais intelekts" neaptver nianses. Eiropai ir vajadzīgs nākamās paaudzes mākslīgais intelekts, kas balstīts uz Eiropas stiprajām pusēm, nevis importēts pašreizējais mākslīgais intelekts.
- Pašreizējais mākslīgais intelekts cieš neveiksmi. Eksponenciāla kļūdu uzkrāšanās padara daudzpakāpju sistēmas nelietojamas. 95% mākslīgā intelekta pilotprojektu nesasniedz ražošanu. Matemātikai nav nozīmes ieņēmumu modeļiem.
- Eiropas speciālistu zināšanas pastāv. Vairāk nekā 25 gadu formālās metodes. Vairāk nekā 20 gadu ierobežojumu programmēšana. Vairāk nekā 50 gadu loģiskā programmēšana. Vairāk nekā 20 gadu zināšanu inženierija. Tā nav vēsture. Tas ir nākamās paaudzes mākslīgā intelekta pamats.
- ES MI akts pieprasa to, kas Eiropai jau ir. Izskaidrojamība, pārredzamība, pārbaudāmība. Tie nav apgrūtinājumi Eiropas speciālistiem. Tas ir tas, ko viņi ir veidojuši gadu desmitiem.
- Vairāk nekā 10 miljoni IKT speciālistu. Eiropai ir ievērojams darbaspēks ar atbilstošām zināšanām. Viņiem nav jāmācās mākslīgais intelekts no nulles. Viņiem ir jāatzīst, ka viņu esošās prasmes IR nākamās paaudzes mākslīgais intelekts.
- Pārkvalifikācijas iespēja ir milzīga. Prasmju pakts ir sasniedzis 2,6 miljonus cilvēku. 25% Eiropas darbinieku eksperimentē ar mākslīgo intelektu. Izaicinājums ir atzīt, ka esošās zināšanas attiecas uz mākslīgo intelektu, nevis importēt ārvalstu zināšanas.
- Eiropas mākslīgā intelekta suverenitāte nāk no iekšienes. Nevis kopējot Amerikas pieejas, bet izmantojot Eiropas stiprās puses formālajās metodēs, ierobežojumu programmēšanā un zināšanu inženierijā, lai veidotu mākslīgo intelektu, kas patiešām darbojas.
Būtība
Debates par Eiropas mākslīgā intelekta suverenitāti koncentrējas uz nepareizo jautājumu. Nav runa par to, vai Eiropai MI ir vajadzīgs vai nav. Runa ir par to, KĀDS MI Eiropai ir vajadzīgs.
Pašreizējais MI, kas balstīts uz dziļo mācīšanos un neironu tīkliem, sasniedz matemātiskās robežas. Eksponenciāla kļūdu uzkrāšanās. Halucināciju sniega bumbas efekts. 95% neveiksmju rādītājs ražošanā. Tas nav nākotne, uz kuru Eiropas uzņēmumi var paļauties.
Nākamās paaudzes MI, kas balstīts uz formālo verifikāciju, ierobežojumu izpildi un zināšanu inženieriju, jau rodas Eiropā. Tas balstās uz 25-50 gadu Eiropas pētniecību. Tas nodarbina vairāk nekā 10 miljonus Eiropas speciālistu. Tas atbilst ES MI akta prasībām. Tas patiešām darbojas.
Pirmā grupa turpinās kliegt, ka Eiropai jāpieņem pašreizējais MI vai jāiet bojā. Viņu ieņēmumu modelis ir atkarīgs no tā. Otrā grupa paliks skeptiska, neredzot, ka viņu ekspertīze IR nākamās paaudzes MI.
Niansētā patiesība ir pa vidu. Eiropai ir vajadzīga MI suverenitāte. Bet ceļš uz suverenitāti nav amerikāņu tehnoloģiju importēšana. Tas ir Eiropas speciālistu iespējošana veidot MI, ko viņi jau zina, kā radīt. MI, kas balstīts uz pamatiem, kurus viņi attīsta gadu desmitiem. MI, ko prasa ES MI akts. MI, kas patiešām darbosies ražošanā.
Nākamās paaudzes MI eksperti nav cilvēki, kas Eiropai jāatrod vai jāapmāca no nulles. Viņi jau ir šeit. Viņi ir šeit jau 25-50 gadus. Viņiem tikai jāatzīst, ka viņu ekspertīze ir tieši tas, kas nepieciešams nākamās paaudzes MI.
Gatavs veidot Eiropas MI suverenitāti uz Eiropas pamatiem? Dweve platforma, kas balstīta uz ierobežojumiem, izmanto gadu desmitiem ilgu Eiropas pētniecību formālajās metodēs, ierobežojumu programmēšanā un zināšanu inženierijā. Bez amerikāņu neveiksmju importēšanas. Tikai būvējot uz Eiropas stiprajām pusēm. Pievienojieties mūsu gaidīšanas sarakstam.