Predikcia na rok 2030: Smrť chatbotov a vzostup agentov
Fáza novosti sa končí
Predstavte si seba pred piatimi rokmi, ako sledujete niekoho, kto prvýkrát píše do ChatGPT. Pamätáte si ten pocit? Miernu neveru, keď sa začali objavovať súvislé vety. Nervózny smiech, keď napísal báseň o vašom psovi. Existenciálnu hrôzu, keď vysvetlil kvantovú fyziku lepšie ako váš univerzitný profesor.
Ten moment úžasu? Už vyprcháva. Žijeme v „fáze novosti" umelej inteligencie, v krátkom období definovanom úžasom a efektom. Žasneme, že počítač vie rozprávať. Hodiny trávime písaním do chatovacích okien a k AI pristupujeme ako k zábavnej veštkyni, šikovnej hračke alebo (buďme úprimní) mierne opitému praktikantovi, ktorý občas prinesie geniálny nápad.
Dokonca sme pre túto éru vytvorili nový pracovný titul: „inžinier promptov". Zamyslite sa nad tým na chvíľu. Platíme ľuďom šesťciferné platy za to, aby šepkali správne zaklínadlá počítaču. S AI zaobchádzame ako so záhadnou entitou, ktorú treba presviedčať, prehovárať a starostlivo navádzať, aby vykonala užitočnú prácu. Je to ako najať si niekoho na vyjednávanie s vašou mikrovlnkou.
Táto situácia sa nám zdá byť v podstate absurdná. Nie preto, že by technológia nebola pôsobivá, ale preto, že ju používame nesprávne. Vytvorili sme najvýkonnejšie kognitívne nástroje v histórii ľudstva a používame ich ako obzvlášť zhovorčivé vyhľadávače. Máme jadrové reaktory a používame ich na opekanie chleba.
Do roku 2030 bude táto fáza vyzerať archaicky. Trápne archaicky. Na „inžinierstvo promptov" sa budeme pozerať tak, ako sa dnes pozeráme na dierne štítky alebo príkazové riadky MS-DOS. Bolo to nevyhnutné, primitívne rozhranie pre primitívnu dobu. Budúcnosť AI nie je o chatovaní s počítačom. Je o tom, že počítač úplne zmizne.
Nasledujú naše predpovede na najbližších päť rokov inteligencie. Nie marketingové fantázie alebo sci-fi snívanie, ale podložené extrapolácie založené na technologických trajektóriách, ktoré vidíme dnes. Niektoré sa stanú rýchlejšie, než čakáme. Niektoré pomalšie. Ale smer je jasný a pochopenie tohto smeru vám teraz dáva strategickú výhodu pripravenosti.
Pochopenie technologického posunu
Skôr než sa ponoríme do predpovedí, stanovme si, čo sa vlastne mení. Revolúcia AI v rokoch 2022-2025 bola v podstate o jedinom prelome: transformátorové architektúry škálované na obrovské rozmery dokázali vykonávať generovanie textu na všeobecné účely. Bolo to pôsobivé. Bolo to však, spätne, pozoruhodne hrubé.
Súčasné veľké jazykové modely sú v podstate veľmi sofistikované systémy automatického dopĺňania. Predpovedajú ďalší token na základe štatistických vzorov naučených z tréningových dát. Nerozumejú pravde, nemajú model sveta ani schopnosť overiť svoje výstupy. Sebavedome si vymýšľajú, pretože nemajú žiadny mechanizmus na rozlíšenie faktu od fikcie. Sú to pravdepodobnostné nástroje na porovnávanie vzorov a dosahujú hranice toho, čo sa dá dosiahnuť samotným porovnávaním vzorov.
Ďalšia generácia umelej inteligencie bude zásadne odlišná. Namiesto spoliehania sa výlučne na naučené štatistické korelácie budú systémy zahŕňať symbolické uvažovanie, formálne overovanie a explicitnú reprezentáciu znalostí. Namiesto hádania odpovedí ich budú odvodzovať z prvých princípov a dokazovať ich správnosť. Namiesto univerzálnosti a vágnosti budú špecializované a presné.
Toto nie je špekulácia. Výskum je už publikovaný. Architektúry sa už vyvíjajú. Jedinou otázkou je, ako rýchlo sa dostanú do produkčného nasadenia a na trh. Naše predpovede sú založené na realistických časových harmonogramoch týchto prechodov.
Predikcia 1: Rozhranie mizne
Najlepšia technológia je neviditeľná. Nevediete „konverzáciu" so svojím protiblokovacím systémom bŕzd; jednoducho zabráni šmyku. Nezadávate „príkazy" svojmu e-mailovému spamovému filtru; jednoducho filtruje spam. Nikdy nerozmýšľate nad protokolom TCP/IP, ktorý doručí tento článok na vašu obrazovku. Dobrá technológia funguje. Skvelá technológia funguje bez toho, aby ste si to všimli.
Do roku 2030 sa AI stiahne do úzadia. Stane sa okolitým operačným systémom sveta. Nebude to destinácia (webová stránka ako ChatGPT), ktorú navštevujete. Bude to služba, ktorá preniká všetkým, rovnako nenápadná a nevyhnutná ako elektrina.
Tento prechod nasleduje vzorec, ktorý sme v histórii technológií videli opakovane. Skoré automobily vyžadovali vyškoleného šoféra, ktorý rozumel zložitej mechanike spaľovacieho motora. Skoré počítače vyžadovali programátorov, ktorí ovládali strojový kód. Skoré telefóny vyžadovali operátorov, ktorí manuálne prepájali hovory. V každom prípade sa technológia nakoniec natoľko zjednodušila, že sprostredkovateľ zmizol. Rozhranie sa sploštilo, až kým nebolo neviditeľné.
Presunieme sa od explicitnej interakcie (zadanie príkazu na získanie výsledku) k implicitnému zámeru (systém predvída potrebu a splní ju). Pozrime sa, ako to vyzerá v praxi:
Váš kalendár dnes: Prečítate vlákno e-mailov. Pomyslíte si „mali by sme sa stretnúť." Otvoríte si kalendár. Skontrolujete dostupnosť všetkých (tri rôzne systémy). Navrhnete termíny. Čakáte na odpovede. Rezervujete miestnosť. Posielate pozvánky. Dvadsať minút trenia na tridsaťminútové stretnutie.
Váš kalendár v roku 2030: AI sleduje vaše e-mailové vlákno. Všimne si zámer stretnúť sa (vyvodí ho z kontextu, nie z kľúčových slov). Skontroluje dostupnosť všetkých strán v ich kalendárových systémoch. Vyjedná optimálny čas. Rezervuje miestnosť. Pošle pozvánky. Uvidíte upozornenie: „Stretnutie naplánované so Sarah a Jamesom, štvrtok o 14:00." Neurobili ste nič. Trenie zmizlo.
Alebo zvážte riadenie dodávateľského reťazca:
Dnes: Váš operačný tím monitoruje dashboardy. Analytik si všimne, že sa v Mexickom zálive formuje hurikán. Manuálne skontroluje, ktoré zásielky by mohli byť ovplyvnené. Eskaluje to manažérovi. Manažér zvolá stretnutie. Rozhodnú sa presmerovať náklad. Niekto aktualizuje prognózu zásob v tabuľke. Uplynutý čas: 48 hodín. Náklady na oneskorenie: 200 000 €.
V roku 2030: AI dodávateľského reťazca si všimne formujúci sa hurikán (sleduje počasie, nie dashboardy). Predpovedá, ktoré zásielky sa oneskoria, s 94 % spoľahlivosťou. Automaticky presmeruje náklad do alternatívnych prístavov. Aktualizuje prognózu zásob. Informuje príslušných ľudí jednou vetou: „14 kontajnerov presmerovaných cez Rotterdam kvôli hurikánu Maria. ETA nezmenená." Uplynutý čas: 3 minúty. Náklady na oneskorenie: 0 €.
Alebo zvážte lekársku diagnostiku:
Dnes: Pacient opíše príznaky praktickému lekárovi. Lekár na základe obmedzeného času a širokého vzdelania urobí počiatočné posúdenie. Odošle pacienta k špecialistovi. Špecialista nariadi testy. Uplynú týždne. Prídu výsledky. Naplánuje sa ďalšie stretnutie. Stanoví sa diagnóza. Liečba začne mesiace po tom, čo sa príznaky prvýkrát objavili.
V roku 2030: Nositeľné zariadenia pacienta už zistili anomáliu. Jeho osobná zdravotná AI sledovala jemné zmeny vo variabilite srdcovej frekvencie, spánkových vzorcoch a pohybe, ktoré naznačujú ochorenie v ranom štádiu. Skôr než pacient vôbec pocíti príznaky, jeho lekár dostane upozornenie s predbežnou analýzou a navrhovaným diagnostickým postupom. V čase, keď by si pacient všimol, že niečo nie je v poriadku, liečba už začala.
Cieľom technológie je znižovať trenie. Písanie je trenie. Rozprávanie je trenie. Dokonca aj premýšľanie o tom, čo napísať, je trenie. Dokonalá AI odstraňuje trenie úplne. Nepoužívate ju. Používa sa sama, vo vašom mene, s vaším oprávnením.
Predikcia 2: Od slov k činom
Dnešné veľké jazykové modely (LLM) sú motory textu. Generujú slová. Sú neuveriteľne výrečné. Vedia písať poéziu, vysvetľovať fyziku, sumarizovať dokumenty a predstierať, že sú pirátom vysvetľujúcim blockchain. Ale na konci dňa produkujú text, na základe ktorého musíte potom konať vy, človek.
Toto je zásadné obmedzenie. Text je lacný. Čin má hodnotu. Dokument, ktorý popisuje, ako opraviť chybu, má určitú hodnotu. Skutočné opravenie chyby má desaťnásobnú hodnotu. Odporúčanie, ktoré akcie kúpiť, poskytuje informácie. Skutočné vykonanie obchodov (správne, bezpečne, v správnom čase) poskytuje hodnotu.
Zajtrajšie Large Action Models (LAM) budú motormi konania. Budú generovať akcie. Budú konať vo svete, nielen hovoriť o konaní.
Agent vám nielen povie, ako si rezervovať let; on si let rezervuje. Prihlási sa na webovú stránku leteckej spoločnosti (alebo použije API). Vyberie sedadlo, ktoré preferujete (pri okienku, pri núdzovom východe, pretože sa naučil vaše preferencie z posledných 47 letov). Zadá údaje z vášho pasu. Zaplatí vašou firemnou kartou. Pridá potvrdenie do vášho cestovného výkazu so správnym kódom projektu. Pridá let do vášho kalendára. Dokonca nastaví pripomienku, aby ste sa prihlásili na let 24 hodín pred odletom.
Chceli ste let. Dostali ste let. Nie pokyny. Nie zoznam možností. Nie užitočný návrh. Skutočný lístok, zakúpený, potvrdený, zapísaný do kalendára.
Tento posun od vyhľadávania informácií k vykonávaniu úloh je najväčším ekonomickým uvoľnením v histórii softvéru. Premieňa AI z „vyhľadávača“ (ktorý vám pomáha pracovať rýchlejšie) na „pracovnú silu“ (ktorá za vás prácu vykoná). Dôsledky sú ohromujúce.
Podľa výskumu spoločnosti McKinsey trávia znalostní pracovníci približne 28 % svojho času správou e-mailov a kalendára, 19 % vyhľadávaním informácií a 14 % administratívnymi úlohami. To je 61 % pracovného dňa na činnostiach, ktoré by agenti mohli zvládnuť úplne. Ak by sme dokázali získať späť čo i len polovicu tohto času na skutočnú kreatívnu a strategickú prácu, globálna produktivita by sa ročne zvýšila o bilióny eur.
Avšak tento posun si vyžaduje obrovské zvýšenie spoľahlivosti. Dokážete tolerovať halucinovanú báseň. (Môže byť dokonca očarujúca.) Nedokážete tolerovať halucinovaný bankový prevod. Nedokážete tolerovať Agenta, ktorý vám omylom vymaže produkčnú databázu, pretože si „myslel“, že to chcete. Nemôžete prijať Agenta, ktorý vám zarezervuje let do Sydney v Austrálii, keď ste mysleli Sydney v Novom Škótsku.
Súčasné systémy umelej inteligencie tento test spoľahlivosti zlyhávajú katastrofálne. Štúdie ukazujú mieru halucinácií 15 - 25 % aj pri jednoduchých faktických otázkach. Pri zložitých viackrokových úlohách sa miera chýb násobí. Ak má každý krok 90 % úspešnosť a úloha si vyžaduje desať krokov, celková úspešnosť je len 35 %. To nie je nástroj na automatizáciu pracovných postupov. To je generátor chaosu.
Táto medzera v spoľahlivosti je dôvod, prečo budúcnosť patrí architektúram, ktoré dokážu zaručiť správnosť, a nie čisto pravdepodobnostným modelom, ktoré ju môžu len hádať. Keď Agent spravuje vaše financie, „95 % presnosť“ nie je funkcia. Je to žaloba za škodu, ktorá len čaká, kým sa stane.
Predikcia 3: Revolúcia malých modelov
Posledných päť rokov bolo mantrou odvetvia „Scale is All You Need." Väčšie modely, viac dát, viac GPU. Preteky od miliónov k miliardám až biliónom parametrov. GPT-3 mal 175 miliárd parametrov. GPT-4 má (údajne) viac ako bilión. Každá generácia si vyžadovala exponenciálne viac výpočtového výkonu, energie a kapitálu. Na ich umiestnenie sme postavili dátové centrá veľkosti katedrál.
30. roky 21. storočia prinesú zásadný obrat. Vstupujeme do éry malých špecializovaných expertov.
Prečo? Pretože narážame na hranicu klesajúcich výnosov pri veľkosti modelov. Zvýšenie parametrov zo 100 miliárd na bilión zlepší výsledky benchmarkov možno o 5 až 10 %. Ale zvýši náklady na tréning z 10 miliónov eur na 100 miliónov eur. Zvýši náklady na inferenciu 10-násobne. Zvýši spotrebu energie do takej miery, že jediný tréningový beh vyprodukuje viac emisií uhlíka ako 500 áut jazdiacich celý rok.
Matematika klesajúcich výnosov je neúprosná. Skoré škálovanie prinášalo približne lineárne zlepšenia: zdvojnásobte parametre, zdvojnásobte schopnosti. Teraz sme v režime, kde zdvojnásobenie parametrov prináša možno 10 až 15 % zlepšenie. Ekonómia už pre väčšinu aplikácií nedáva zmysel.
Dôležitejšie je, že si uvedomujeme, že obrovský univerzálny model, ktorý vie všetko od Shakespeara cez Python až po francúzske varenie a kvantovú mechaniku, je vo svojej podstate neefektívny. Je to ako najať jedného človeka, ktorý je súčasne právnik, kuchár, mechanik a básnik, a požiadať ho, aby vám spravil dane. Áno, možno vie o daniach niečo. Ale špecializovaný účtovník by bol rýchlejší, lacnejší a presnejší.
Ľudský mozog nefunguje ako jeden monolitický systém. Pozostáva zo špecializovaných oblastí: zraková kôra spracúva obrazy, jazykové centrá riadia reč, hipokampus spravuje pamäť. Tieto špecializované systémy spolupracujú a každý prispieva svojou odbornosťou k celku. Najschopnejšie systémy umelej inteligencie v roku 2030 budú nasledovať rovnaký vzor.
Namiesto „božského modelu" v cloude budeme mať milióny malých, hyperšpecializovaných modelov:
- Jeden, ktorý je expertom na nemecké zmluvné právo (trénovaný na všetkých nemeckých právnych rozhodnutiach od roku 1949)
- Jeden, ktorý je expertom na optimalizáciu TypeScriptu (trénovaný na miliónoch recenzií kódu)
- Jeden, ktorý je expertom na diagnostiku problémov motorov Fordu z roku 2015 (trénovaný na všetkých servisných príručkách a opravárenských záznamoch)
- Jeden, ktorý je expertom na špecifickú produktovú dokumentáciu vašej spoločnosti
- Jeden, ktorý je expertom na váš osobný komunikačný štýl
Tieto modely budú dostatočne malé na to, aby bežali lokálne na vašom zariadení (Edge AI). Budú bežať na vašom telefóne, okuliaroch, aute, chladničke. Nebudú vyžadovať GPU s výkonom 500 W; budú bežať na neurónovej jednotke s výkonom 2 W. Budú medzi sebou komunikovať v mesh sieti a smerovať otázky príslušnému expertovi. Budú rýchle (žiadna sieťová latencia), súkromné (žiadne dáta neopúšťajú vaše zariadenie) a lacné (žiadne fakturácia za token).
Tento prechod sa už začína. Open source modely ako Llama a Mistral dokázali, že menšie, dobre natrénované modely môžu v špecifických úlohách dosiahnuť alebo prekonať výkon väčších proprietárnych modelov. Kvantizačné techniky umožňujú spúšťať modely s miliardami parametrov na spotrebiteľskom hardvéri. Nástroje na budovanie špecializovanej a efektívnej umelej inteligencie rýchlo dospievajú.
V Dweve sme tento prístup dotiahli do logického konca s Loom: 528 špecializovaných sád obmedzení pracujúcich v súčinnosti, pričom každá obsahuje 64-128 MB binárnych obmedzení, spolu schopnejších než akýkoľvek monolitický gigant. Vďaka ultra-riedkej aktivácii (súčasne je aktívnych len 4-8 doménových špecialistov) zostáva pracovná pamäť medzi 256 MB a 1 GB, zatiaľ čo celý katalóg sa komprimuje na približne 150 GB. Táto architektúra prináša lepšie výsledky ako modely s biliónom parametrov pri zlomku výpočtových nákladov, pričom beží na hardvéri, ktorý už vlastníte.
Predikcia 4: Overovanie sa stáva kráľom
Tu je myšlienkový experiment. Je rok 2028. Náklady na vygenerovanie článku s 1 000 slovami klesli zo 100 € (ľudský autor) na 0,001 € (generátor umelej inteligencie). Čo sa stane s internetom?
Zaplaví sa. Utonie. Pochová ho lavína syntetického šumu. Každý SEO spammer, každý propagandistický mlyn, každá obsahová farma bude denne produkovať milióny článkov. Spam, deepfakes a halucinované „správy" budú tvoriť 99 % webu. Pomer signálu k šumu klesne takmer na nulu.
Už teraz vidíme prvé náznaky. Akademickí výskumníci zistili, že rastúce percento vedeckých príspevkov tvoria odpadky generované umelou inteligenciou. Platformy sociálnych médií bojujú s armádami botov poháňaných umelou inteligenciou. Stock fotografie nahrádzajú obrázky z umelej inteligencie, na ktorých občas vidno ľudí so siedmimi prstami. Spravodajské organizácie publikovali články napísané umelou inteligenciou s úplne vymyslenými citátmi a udalosťami.
Ekonomické stimuly zaručujú, že sa to zhorší. Vytváranie syntetického obsahu je v podstate zadarmo. Hraničné náklady sa blížia k nule. Ktokoľvek s agendou, či už komerčnou, politickou alebo škodlivou, môže zaplaviť informačný ekosystém akýmkoľvek príbehom, aký chce. Pravda sa stáva len jedným názorom medzi miliónmi vymyslených alternatív.
V tomto prostredí hodnota Pravdy prudko vzrastie. Uvidíme vzostup „technológií pravdy":
Kryptografické vodoznaky: Neviditeľné podpisy vložené do obsahu, ktoré dokazujú, kedy a kým bol vytvorený. Ak fotografia nemá platný vodoznak z registrovaného fotoaparátu, predpokladá sa, že bola vytvorená umelou inteligenciou, kým sa nepreukáže opak. Hlavní výrobcovia fotoaparátov túto technológiu už zavádzajú. Iniciatíva Content Authenticity od Adobe buduje infraštruktúru na sledovanie pôvodu obsahu.
Sledovanie pôvodu: Systémy podobné blockchainu, ktoré sledujú pôvod a históriu úprav každého údaja. Budete môcť vystopovať obrázok až k pôvodnému snímaču fotoaparátu, ktorý ho zachytil, cez každú úpravu. Každá zmena vytvára nový kryptografický podpis, ktorý sa reťazí k originálu. Celú históriu si môže overiť ktokoľvek.
Formálna verifikácia: Matematické dôkazy, že výstupy AI sú správne. Nie „pravdepodobne správne“ alebo „zvyčajne správne“, ale dokázateľne, certifikovateľne, nepopierateľne správne. Keď váš AI agent prevádza peniaze, budete mať kryptografický dôkaz, že previedol presnú sumu na presný účet, ktorý ste autorizovali. Keď AI generuje právny dokument, budete mať overenie, že každá klauzula je v súlade s príslušnými predpismi.
Uvažovanie založené na obmedzeniach: AI systémy, ktoré odvodzujú závery z explicitných logických vzťahov, nie zo štatistických korelácií. Keďže uvažovanie sa riadi formálnymi pravidlami, každý krok možno auditovať. Ak AI odporučí lekársku liečbu, môžete presne vysledovať, ktoré symptómy sa zhodovali s ktorými diagnostickými kritériami a viedli k tomuto odporúčaniu.
Webové prehliadače budú mať vstavané „filtre reality“ (dnes podobne fungujú blokovače reklám), ktoré budú odfiltrovať neoverený obsah generovaný AI. Najdôveryhodnejšími spravodajskými zdrojmi a poskytovateľmi dát budú tí, ktorí dokážu kryptograficky preukázať reťazec starostlivosti o svoj obsah.
Dôvera sa posunie od atribútu značky („The New York Times je dôveryhodný, pretože má reputáciu“) ku kryptografickému dôkazu („Tento článok je dôveryhodný, pretože môžem overiť podpis novinára, schválenie redaktora a atestáciu fact-checkera“). Reputácia bude stále dôležitá, ale bude podložená overiteľnými dôkazmi, nie predpokladaná na základe histórie.
„Nedôveruj, overuj“ je už dnes mottom sveta kryptomien. Do roku 2030 sa stane mottom celej informačnej éry.
Predikcia 5: Energetický zúčtovanie
Existuje predikcia, ktorej sa nevyhneme, hoci o nej priemysel radšej nehovorí: súčasná trajektória spotreby energie AI je fyzicky neudržateľná.
Tréning GPT-4 údajne spotreboval toľko elektriny, že by na rok napájal 50 000 európskych domácností. Náklady na inferenciu veľkých modelov dosahujú milióny dolárov mesačne. Dátové centrá vyhradené pre AI spotrebúvajú elektrinu v objeme celých miest. Írsko, hlavné centrum AI dátových centier, sa blíži k bodu, keď výpočtový výkon AI spotrebuje viac elektriny ako všetky domácnosti v krajine dohromady.
Táto trajektória naráža na fyzické limity. Elektriny sa dá vyrobiť len určité množstvo. Lokalít, kde sa dátové centrá dajú efektívne chladiť, je len obmedzený počet. Uhlíková stopa AI pri súčasnom tempe škálovania by do roku 2030 spotrebovala významnú časť svetového uhlíkového rozpočtu.
Niečo sa musí zmeniť. Buď sa AI stane dramaticky efektívnejšou, alebo bude jej nasadzovanie dramaticky obmedzené dostupnosťou a cenou energie. Veríme, že efektívnosť zvíťazí, pretože ekonomické stimuly sú ohromujúce a technické riešenia existujú.
Binárne výpočty ponúkajú cestu vpred. Tradičné neurónové siete používajú na každý výpočet 32-bitové alebo 16-bitové čísla s pohyblivou rádovou čiarkou. Binárne neurónové siete používajú 1-bitové reprezentácie. Výpočet, ktorý si na GPU vyžaduje 1 200 wattov, možno vykonať s 50 wattmi na CPU spúšťajúcom binárne operácie.
Toto nie je teória. Výskum ukázal, že binárne neurónové siete dokážu dosiahnuť konkurencieschopnú presnosť v mnohých úlohách pri spotrebe rádovo menšieho množstva energie. Úspory efektívnosti z operácií XNOR-popcount (základných stavebných blokov binárnych neurónových sietí) v porovnaní s násobením a akumuláciou s pohyblivou rádovou čiarkou sú také veľké, že menia to, aký hardvér je vôbec potrebný.
Predpovedáme, že do roku 2030 bude energetická efektívnosť primárnym kritériom hodnotenia systémov AI, rovnako dôležitým ako presnosť alebo schopnosti. Regulačný tlak (najmä v Európe), ekonomický tlak (náklady na energiu) a reputačný tlak (obavy z uhlíkovej stopy) túto zmenu vynútia.
Spoločnosti, ktoré už vybudovali efektívne architektúry, budú mať obrovské výhody. Tie, ktoré sú stále závislé od hrubej silou poháňaného škálovania s pohyblivou rádovou čiarkou, zistia, že ich obchodné modely sa stávajú ekonomicky neživotaschopnými.
Predpoveď 6: Európska suverenita je dôležitá
Geopolitické dôsledky závislosti od AI sa stávajú nemožnými ignorovať. Keď podniky vášho národa, vládne služby a kritická infraštruktúra závisia od systémov AI kontrolovaných hŕstkou amerických spoločností, ktoré bežia na hardvéri navrhnutom v Kalifornii a vyrábanom na Taiwane, máte strategickú zraniteľnosť.
Európa je obzvlášť zraniteľná. EÚ nemá žiadneho významného poskytovateľa základných modelov AI. Európske spoločnosti sú takmer úplne závislé od OpenAI, Google, Anthropic a Meta, pokiaľ ide o schopnosti AI. Európske vlády používajú americké cloudové služby na citlivé operácie. Európske systémy zdravotnej starostlivosti zvažujú americkú AI na podporu diagnostiky.
Táto závislosť vytvára viacero rizík. Americké spoločnosti môžu svojvoľne zvyšovať ceny. Môžu meniť podmienky používania spôsobmi, ktoré sú v rozpore s európskymi hodnotami (súkromie, ochrana pracovníkov, moderovanie obsahu). V extrémnych scenároch by mohli úplne prerušiť prístup z dôvodu geopolitického napätia alebo regulačných konfliktov.
Predpovedáme, že do roku 2030 bude suverenita AI rovnako dôležitá ako energetická suverenita alebo potravinová suverenita. Národy budú vyžadovať, aby kritické systémy AI bežali na domácej infraštruktúre pod domácou kontrolou. Citlivé aplikácie budú nariaďovať, aby dáta nikdy neopustili národnú jurisdikciu. Strategické odvetvia budú vyžadovať systémy AI, ktoré dokážu fungovať nezávisle od zahraničných poskytovateľov.
Akt o umelej inteligencii EÚ sa už týmto smerom pohybuje, s požiadavkami na transparentnosť, ochranu údajov a ľudský dohľad, ktoré americkí poskytovatelia len ťažko spĺňajú. Ale regulácia je len časťou riešenia. Európa potrebuje skutočné schopnosti AI, ktoré sa vyrovnajú americkým ponukám alebo ich prekonajú, pričom si zachovajú európske hodnoty.
To vytvára obrovskú príležitosť pre poskytovateľov AI, ktorí dokážu ponúknuť suverénne nasadzovanie. Systémy, ktoré bežia na európskej infraštruktúre, ukladajú dáta v európskych jurisdikciách, spĺňajú európske regulačné požiadavky a poskytujú európskym podnikom nezávislosť od amerických technologických gigantov, budú dosahovať značné prémie.
V spoločnosti Dweve nie je suverenita dodatočným nápadom. Naše systémy sú od základu navrhnuté na lokálne nasadenie. Bežia na štandardnom európskom hardvéri. Uchovávajú dáta tam, kam patria. Poskytujú transparentnosť, ktorú vyžadujú európske predpisy. Ponúkajú európskym podnikom cestu k schopnostiam AI bez závislosti od AI.
Čo to znamená pre podniky
Týchto šesť predpovedí má zásadné dôsledky pre to, ako by spoločnosti mali dnes uvažovať o svojej stratégii v oblasti umelej inteligencie:
1. Prestaňte budovať chatboty, začnite budovať agentov. Ak je vašou stratégiou AI „pridať chatbot na našu webovú stránku“, budujete pre rok 2023. Spoločnosti, ktoré vyhrajú v roku 2030, budú tie, ktorých AI skutočne veci robí, nielen o nich hovorí. Položte si otázku: aké úlohy môžeme automatizovať od začiatku do konca, nielen pri nich asistovať? Ktoré pracovné postupy pohlcujú hodiny ľudského času a dali by sa delegovať na overených, spoľahlivých agentov?
2. Investujte do spoľahlivosti pred schopnosťami. Ďalšia generácia podnikovej umelej inteligencie nebude hodnotená podľa toho, ako pôsobivo znie, ale podľa toho, či jej možno dôverovať pri vykonávaní kritických obchodných procesov bez dohľadu. O niečo menej schopná AI, ktorá nikdy nerobí chyby, je nekonečne hodnotnejšia ako brilantná AI, ktorá občas katastrofálne halucinuje. Pri hodnotení systémov AI žiadajte formálne záruky, nie výsledky benchmarkov.
3. Myslite edge-first, nie cloud-first. Ekonomika prevádzky AI na edge (na zariadení, on-premises) sa stane výrazne výhodnejšou ako cloudová inferencia. Spoločnosti, ktoré dokážu nasadiť inteligenciu lokálne, budú mať nákladové výhody, výhody v latencii a výhody v oblasti súkromia, ktoré konkurenti závislí od cloudu nedokážu vyrovnať. Začnite plánovať distribuované AI architektúry už teraz.
4. Vybudujte si dôveryhodnú infraštruktúru už teraz. Spoločnosti, ktoré si systémy overovania a dôvery zavedú včas, získajú výhodu prvého hráča, keď príde záplava syntetického obsahu. Ak budú vaše údaje a výstupy kryptograficky overené, kým konkurencia nebude, stanete sa predvoleným dôveryhodným zdrojom. Zaveďte sledovanie pôvodu obsahu skôr, než sa stane povinným.
5. Plán pre energetické obmedzenia. Spotreba energie AI sa stane strategickou otázkou. Či už prostredníctvom uhlíkových daní, nákladov na energiu alebo jednoduchých obmedzení dostupnosti, efektívnosť bude dôležitá. Hodnoťte systémy AI podľa ich energetickej stopy, nielen podľa ich schopností. Uprednostňujte architektúry, ktoré môžu bežať na štandardnom hardvéri, pred tými, ktoré vyžadujú špecializované akcelerátory.
6. Zabezpečte svoj dodávateľský reťazec umelej inteligencie. Závislosť od jediného zahraničného poskytovateľa kritických schopností umelej inteligencie je strategickým rizikom. Vyvíjajte alternatívy. Testujte európskych poskytovateľov. Budujte hybridné architektúry, ktoré dokážu prepínať medzi poskytovateľmi. Zabezpečte, aby ste mohli fungovať, aj keď váš primárny dodávateľ umelej inteligencie zmení podmienky, zvýši ceny alebo sa stane nedostupným.
Vízia Dweve
Nestaviame Dweve pre AI trh roku 2024. Nezaujíma nás vytvoriť o niečo lepšieho chatbota, ktorý by konkuroval OpenAI v benchmarkových skóre. Nehoníme sa za trofejou „najväčší model“. Staviame pre rok 2030.
Preto sa zameriavame na Agents (nielen na chat). Naša platforma Nexus poskytuje orchestráciu viacerých agentov s viac ako 38 špecializovanými agentmi v 12 režimoch uvažovania, navrhnutá od základov tak, aby bezpečne a spoľahlivo konala vo svete, nielen generovala text, ktorý znie vierohodne. Šesť vrstiev bezpečnostnej architektúry zaručuje ohraničenú autonómiu s overovaním zámerov, presadzovaním etiky a monitorovaním počas behu.
Preto sa zameriavame na malé modely (binárne, riedke, nasaditeľné na okrajových zariadeniach). Systém smerovania Permuted Agreement Popcount (PAP) zabezpečuje, že dopyty sa dostanú k správnym doménovým špecialistom, pričom detekcia štrukturálnych vzorov eliminuje falošne pozitívne výsledky.
Preto sa zameriavame na overovanie (architektúra založená na obmedzeniach, formálna logika, transparentnosť typu Glass Box). Každé rozhodnutie možno vysledovať cez kryštalizované logické vzťahy. Žiadne čierne skrinky. Žiadne „verte nám, funguje to.“ Dôkaz.
Preto sa zameriavame na efektívnosť. Naše systémy bežia na štandardných procesoroch, zariadeniach ARM a dokonca aj v prehliadačoch cez WebAssembly. Žiadny exotický hardvér. Žiadne vyhradené dátové centrá. Žiadne odbery v megawattoch.
Preto sa zameriavame na suverenitu. Systémy Dweve sa nasadzujú na európskej infraštruktúre s údajmi, ktoré nikdy neopustia jurisdikčnú kontrolu. Súlad s GDPR zabudovaný už od základov.
Budujeme neviditeľnú, spoľahlivú a suverénnu infraštruktúru inteligentnej budúcnosti. Budujeme potrubie pre ekonomiku agentov. Cesty, mosty a elektrickú sieť veku umelej inteligencie.
Pretože v roku 2030 nikoho nebude zaujímať umelá inteligencia. Nebudú sa jej čudovať. Nebudú jej písať výzvy. Ani na ňu nebudú myslieť. Bude ich zaujímať len to, čo pre nich umelá inteligencia urobila: stretnutie, ktoré naplánovala, správu, ktorú napísala, problém, ktorý vyriešila, rozhodnutie, ktoré za nich správne urobila, kým oni žili svoje životy.
To je budúcnosť, ktorú budujeme. To je rok 2030, ktorý vidíme prichádzať. A radi by sme ho budovali s vami.
Dweve buduje infraštruktúru pre ekonomiku agentov. Naša architektúra Loom poskytuje 528 špecializovaných súborov obmedzení pre doménových špecialistov na štandardnom hardvéri. Naša platforma Nexus orchestruje multiagentové pracovné postupy s formálnym overovaním a šiestimi úrovňami bezpečnosti. Sme odhodlaní zabezpečiť európsku suverenitu umelej inteligencie: efektívnu, transparentnú a nezávislú. Pripravení na rok 2030? Začnite konverzáciu.