Πολλά μπορούν να ειπωθούν και να πιστευτούν για την λεγόμενη τεχνητή νοημοσύνη, είτε πρόκειται για ευλογία είτε για κατάρα για την ανθρωπότητα, αλλά δεν υπάρχει αμφιβολία ότι πρόκειται για άλλη μια φούσκα, επειδή τα χρήματα που έχουν δαπανηθεί και συνεχίζουν να δαπανώνται για αυτά τα εργαλεία δεν δικαιολογούνται από τις πιθανές αποδόσεις τους. Οι αποτιμήσεις που διαδίδονται από τις μεγάλες εταιρείες που δραστηριοποιούνται σε αυτόν τον τομέα, τα εκατοντάδες δισεκατομμύρια που επενδύονται σε κέντρα δεδομένων για να διατηρούνται σε λειτουργία, είναι παράλογα σε σύγκριση με τα πιθανά έσοδα που θα μπορούσαν να δημιουργήσουν. Ας κάνουμε έναν βασικό υπολογισμό: φανταστείτε ένα προϊόν τόσο καλό που κάθε νοικοκυριό στη Βόρεια Αμερική και την Ευρώπη θα ήταν πρόθυμο να ξοδέψει περίπου 20 δολάρια το μήνα για να το χρησιμοποιήσει. Αυτό αντιστοιχεί σε 400 εκατομμύρια νοικοκυριά, με συνολικό ετήσιο κύκλο εργασιών 48 δισεκατομμυρίων δολαρίων. Ένα πενιχρό ποσό σε σύγκριση με τα περίπου 1,1 τρισεκατομμύρια δολάρια που η OpenAI και η Anthropic έχουν συμβόλαιο με τη Microsoft, την Amazon και την Oracle για τρέχουσα και μελλοντική υπολογιστική ισχύ. Για να μην αναφέρουμε τα άλλα 400 δισεκατομμύρια που έχουν δαπανηθεί από άλλες εταιρείες ή από Κινέζους ανταγωνιστές που σίγουρα θα προσέφεραν πολύ χαμηλότερες τιμές για ουσιαστικά παρόμοια συστήματα.
Δεν υπάρχει κανένα προϊόν που βασίζεται στην Τεχνητή Νοημοσύνη στον ορίζοντα (εκτός από τη διαφημιστική εκστρατεία των μέσων ενημέρωσης) και κανένα έσοδο που να δικαιολογεί τέτοιες επενδύσεις. Η BCA Research γράφει ότι «οι εταιρείες Τεχνητής Νοημοσύνης μπορεί τελικά να χρειαστεί να δημιουργήσουν ετήσια έσοδα 10 τρισεκατομμυρίων δολαρίων για να δικαιολογήσουν τις επενδύσεις τους. Εκτός από μια απότομη αύξηση της παραγωγικότητας, αυτός ο στόχος θα είναι πολύ δύσκολο να επιτευχθεί». Με λίγα λόγια, οι κεφαλαιουχικές δαπάνες που επενδύονται σήμερα σε LLM/Τεχνητή Νοημοσύνη δεν έχουν καμία σχέση με πιθανά μελλοντικά έσοδα. Πρόκειται για χρήματα που πιθανότατα δεν θα επιστραφούν ποτέ. Και η ΤΝ μπορεί να γίνει τόσο αποτελεσματική στην εξάλειψη θέσεων εργασίας που δεν θα υπάρχουν πλέον 400 εκατομμύρια οικογένειες που θα μπορούν να αντέξουν οικονομικά αυτές τις υπηρεσίες, οι οποίες εξακολουθούν να είναι σε μεγάλο βαθμό δωρεάν σήμερα: χρησιμοποιώντας την ίδια τεχνική με τους εμπόρους ναρκωτικών, δίνουν κάτι δωρεάν για να δημιουργήσουν έναν εθισμό που, ωστόσο, θα είναι δύσκολο να διατηρηθεί.
Ένα άρθρο στην Wall Street Journal επιβεβαιώνει τη δυσκολία των πραγμάτων: « Όποιος πιστεύει στην άνθηση της Τεχνητής Νοημοσύνης θα πρέπει να εξετάσει προσεκτικά αυτό το ποσοστό: 9% του ΑΕΠ. Αυτό είναι το ποσό που θα πρέπει να ξοδεύουν οι αμερικανικές εταιρείες και οι καταναλωτές κάθε χρόνο σε υπηρεσίες από εταιρείες όπως η Anthropic και η OpenAI για να δικαιολογήσουν τα αστρονομικά ποσά που επενδύονται σε αυτήν την τεχνολογία αυτή τη στιγμή. Είναι εύλογο οι Αμερικανοί να ξοδεύουν σε αυτήν και μόνο την τεχνολογία τόσα όσα ξοδεύουν σε τρόφιμα; Περίπου τα διπλάσια από όσα ξοδεύει το έθνος σε όλες τις μορφές ενέργειας ή σε όλους τους υπολογιστές και το λογισμικό; Επταπλάσια από όσα ξοδεύουν οι καταναλωτές μαζί σε τηλεφωνικές, streaming και υπηρεσίες διαδικτύου;»
Από την άλλη πλευρά, οι εταιρείες δεν βλέπουν τα οφέλη της τεχνητής νοημοσύνης στην παραγωγικότητα που θα μπορούσαν να δικαιολογήσουν μια τόσο υψηλή δαπάνη. Επιπλέον, ένα από τα χαρακτηριστικά των συστημάτων LLM είναι ότι είναι στοχαστικές μηχανές: δεν υπάρχει καμία εγγύηση ότι το να ζητηθεί από τέτοια μοντέλα να εκτελέσουν την ίδια εργασία πολλές φορές θα αποφέρει συνεπή απόδοση. Μπορούμε πραγματικά να τα εμπιστευτούμε; Έρευνα που διεξήχθη από δύο διδακτορικούς φοιτητές του Χάρβαρντ επικεντρώνεται σε έναν από τους τομείς στους οποίους η τεχνητή νοημοσύνη φαίνεται να είναι πιο αποτελεσματική και ευρέως χρησιμοποιούμενη, δηλαδή τον προγραμματισμό λογισμικού. Διαπιστώθηκε ότι οι μονάδες τεχνητής νοημοσύνης αυξάνουν τις γραμμές κώδικα κατά 12 έως 30 τοις εκατό και, στην πραγματικότητα, αυξάνουν τους χρόνους αναθεώρησης, επομένως η συμβολή της τεχνητής νοημοσύνης στην ολοκλήρωση του έργου ήταν ελάχιστη και «στατιστικά ασήμαντη » .
Σε αυτό το σημείο, αναρωτιέται κανείς αν η ξαφνική, συντονισμένη έκρηξη των χιλιαστικών εκκλήσεων ότι η τεχνητή νοημοσύνη θα μπορούσε να καταστρέψει την ανθρωπότητα μέσα σε μια δεκαετία, και η επακόλουθη απαίτηση για κάποια μορφή δημόσιας εποπτείας, δεν αποτελούν κατά κάποιο τρόπο προϋπόθεση για τη διάσωση εταιρειών που έχουν ξοδέψει υπερβολικά σε ένα προϊόν που κινδυνεύει να μην προσφέρει τα επιθυμητά αποτελέσματα. Θα μπορούσε αυτή να είναι μια πρόταση από το ChatGPT;
Δεν υπάρχει κανένα προϊόν που βασίζεται στην Τεχνητή Νοημοσύνη στον ορίζοντα (εκτός από τη διαφημιστική εκστρατεία των μέσων ενημέρωσης) και κανένα έσοδο που να δικαιολογεί τέτοιες επενδύσεις. Η BCA Research γράφει ότι «οι εταιρείες Τεχνητής Νοημοσύνης μπορεί τελικά να χρειαστεί να δημιουργήσουν ετήσια έσοδα 10 τρισεκατομμυρίων δολαρίων για να δικαιολογήσουν τις επενδύσεις τους. Εκτός από μια απότομη αύξηση της παραγωγικότητας, αυτός ο στόχος θα είναι πολύ δύσκολο να επιτευχθεί». Με λίγα λόγια, οι κεφαλαιουχικές δαπάνες που επενδύονται σήμερα σε LLM/Τεχνητή Νοημοσύνη δεν έχουν καμία σχέση με πιθανά μελλοντικά έσοδα. Πρόκειται για χρήματα που πιθανότατα δεν θα επιστραφούν ποτέ. Και η ΤΝ μπορεί να γίνει τόσο αποτελεσματική στην εξάλειψη θέσεων εργασίας που δεν θα υπάρχουν πλέον 400 εκατομμύρια οικογένειες που θα μπορούν να αντέξουν οικονομικά αυτές τις υπηρεσίες, οι οποίες εξακολουθούν να είναι σε μεγάλο βαθμό δωρεάν σήμερα: χρησιμοποιώντας την ίδια τεχνική με τους εμπόρους ναρκωτικών, δίνουν κάτι δωρεάν για να δημιουργήσουν έναν εθισμό που, ωστόσο, θα είναι δύσκολο να διατηρηθεί.
Ένα άρθρο στην Wall Street Journal επιβεβαιώνει τη δυσκολία των πραγμάτων: « Όποιος πιστεύει στην άνθηση της Τεχνητής Νοημοσύνης θα πρέπει να εξετάσει προσεκτικά αυτό το ποσοστό: 9% του ΑΕΠ. Αυτό είναι το ποσό που θα πρέπει να ξοδεύουν οι αμερικανικές εταιρείες και οι καταναλωτές κάθε χρόνο σε υπηρεσίες από εταιρείες όπως η Anthropic και η OpenAI για να δικαιολογήσουν τα αστρονομικά ποσά που επενδύονται σε αυτήν την τεχνολογία αυτή τη στιγμή. Είναι εύλογο οι Αμερικανοί να ξοδεύουν σε αυτήν και μόνο την τεχνολογία τόσα όσα ξοδεύουν σε τρόφιμα; Περίπου τα διπλάσια από όσα ξοδεύει το έθνος σε όλες τις μορφές ενέργειας ή σε όλους τους υπολογιστές και το λογισμικό; Επταπλάσια από όσα ξοδεύουν οι καταναλωτές μαζί σε τηλεφωνικές, streaming και υπηρεσίες διαδικτύου;»
Από την άλλη πλευρά, οι εταιρείες δεν βλέπουν τα οφέλη της τεχνητής νοημοσύνης στην παραγωγικότητα που θα μπορούσαν να δικαιολογήσουν μια τόσο υψηλή δαπάνη. Επιπλέον, ένα από τα χαρακτηριστικά των συστημάτων LLM είναι ότι είναι στοχαστικές μηχανές: δεν υπάρχει καμία εγγύηση ότι το να ζητηθεί από τέτοια μοντέλα να εκτελέσουν την ίδια εργασία πολλές φορές θα αποφέρει συνεπή απόδοση. Μπορούμε πραγματικά να τα εμπιστευτούμε; Έρευνα που διεξήχθη από δύο διδακτορικούς φοιτητές του Χάρβαρντ επικεντρώνεται σε έναν από τους τομείς στους οποίους η τεχνητή νοημοσύνη φαίνεται να είναι πιο αποτελεσματική και ευρέως χρησιμοποιούμενη, δηλαδή τον προγραμματισμό λογισμικού. Διαπιστώθηκε ότι οι μονάδες τεχνητής νοημοσύνης αυξάνουν τις γραμμές κώδικα κατά 12 έως 30 τοις εκατό και, στην πραγματικότητα, αυξάνουν τους χρόνους αναθεώρησης, επομένως η συμβολή της τεχνητής νοημοσύνης στην ολοκλήρωση του έργου ήταν ελάχιστη και «στατιστικά ασήμαντη » .
Σε αυτό το σημείο, αναρωτιέται κανείς αν η ξαφνική, συντονισμένη έκρηξη των χιλιαστικών εκκλήσεων ότι η τεχνητή νοημοσύνη θα μπορούσε να καταστρέψει την ανθρωπότητα μέσα σε μια δεκαετία, και η επακόλουθη απαίτηση για κάποια μορφή δημόσιας εποπτείας, δεν αποτελούν κατά κάποιο τρόπο προϋπόθεση για τη διάσωση εταιρειών που έχουν ξοδέψει υπερβολικά σε ένα προϊόν που κινδυνεύει να μην προσφέρει τα επιθυμητά αποτελέσματα. Θα μπορούσε αυτή να είναι μια πρόταση από το ChatGPT;
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου