Novcem se ne može riješiti svaki problem. To je, u principu, stav koji zauzimaju stručnjaci za umjetnu inteligenciju, pokazuje novo istraživanje Udruženja za unapređenje umjetne inteligencije, a prenosi ga NewScientist. U njemu je sudjelovalo 475 osoba.
Na pitanje može li "povećanje opsega" trenutnih pristupa umjetnoj inteligenciji dovesti do postizanja umjetne opće inteligencije (AGI), ili umjetne inteligencije opće namjene koja odgovara ili nadmašuje ljudsku kogniciju, ogromnih 76 posto ispitanika reklo je da je to "malo vjerojatno" ili "vrlo malo vjerojatno" da će uspjeti.
Enormne svote novca bacaju se u utrku u naoružanju umjetnom inteligencijom. Ulaganja u generativnu umjetnu inteligenciju samo u prošloj godini dosegnula su više od 56 milijardi dolara u rizičnom kapitalu. Velik dio toga troši se na izgradnju ili pokretanje masivnih podatkovnih centara koje generativni modeli zahtijevaju. Microsoft se, primjerice, obvezao potrošiti 80 milijardi dolara na infrastrukturu umjetne inteligencije u ovoj godini.
Slijedom toga, potražnja za energijom je jednako zapanjujuća. Microsoft je potpisao ugovor o pokretanju cijele nuklearne elektrane samo za napajanje podatkovnih centara, a njegovi konkurenti Google i Amazon također su potpisali razmetljive ugovore o nuklearnoj energiji.
Pretpostavka da bi se umjetna inteligencija mogla neograničeno poboljšati povećanjem opsega uvijek je bila na klimavim nogama. Kao primjer, nedavna egzistencijalna kriza tehnološkog sektora koju je izazvao kineski startup DeepSeek, čiji je model umjetne inteligencije mogao ravnopravno konkurirati vodećim, višemilijardnim chatbotovima Zapada, navodno uz djelić troškova obuke i snage.
Naravno, znakovi su bili vidljivi i prije toga. U novembru prošle godine, izvještaji su pokazali da OpenAI-jeva nadolazeća verzija njegovog GPT velikog jezičnog modela pokazuje znatno manje poboljšanja, a u nekim slučajevima i nikakva poboljšanja u odnosu na prethodne verzije.
U decembru je izvršni direktor Googlea Sundar Pichai javno rekao da su jednostavna poboljšanja u umjetnoj inteligenciji gotova, ali je samouvjereno tvrdio da nema razloga da industrija ne bi mogla nastaviti s povećanjem opsega.
Istražuju se jeftiniji i učinkovitiji pristupi. OpenAI je koristio metodu poznatu kao računarstvo u vremenu testiranja sa svojim najnovijim modelima, u kojoj umjetna inteligencija provodi više vremena "razmišljajući" prije odabira najperspektivnijeg rješenja. To je postiglo povećanje performansi koje bi inače zahtijevalo planine povećanja opsega za replikaciju, tvrdili su istraživači.
DeepSeek je, u međuvremenu, predvodio pristup nazvan "mješavina stručnjaka", koji koristi višestruke neuronske mreže, od kojih je svaka specijalizirana za različita područja, takozvane stručnjake, kako bi pomogli u pronalaženju rješenja, umjesto da se oslanjaju na jedan općeniti model.
Ipak, ako je Microsoftova predanost i dalje trošiti desetaka milijardi dolara na podatkovne centre ikakav pokazatelj, grubo povećanje opsega i dalje će biti preferirani način djelovanja za titane industrije, dok će se okretnijim startupovima prepustiti da traže načine da učine više s manje.
