Tre arsye pse vrulli i inteligjencës artificiale mund të lëkundet në vitin 2025

TEMPO e progresit teknologjik në vitin e kaluar, veçanërisht në fushën e inteligjencës artificiale, ka dhënë shumë arsye për optimizëm. Por ndërsa kalojmë në vitin 2025, ka shenja që vrulli i AI mund të jetë në rënie.

Që nga viti 2023, historia dominuese është se revolucioni i AI do të nxisë produktivitetin dhe rritjen ekonomike, duke hapur rrugën për përparime të jashtëzakonshme teknologjike. PwC, për shembull, parashikon që inteligjenca artificiale do të shtojë gati 16 trilion dollarë në GDP globale deri në vitin 2030, një rritje prej 14%.

Në të njëjtën kohë, një studim nga Erik Brynjolfsson, Danielle Li dhe Lindsey R. Raymond vlerëson se inteligjenca artificiale gjeneruese mund të rrisë produktivitetin e punonjësve mesatarisht me 14% dhe me 34% për punëtorët e rinj dhe me kualifikim të ulët.

Njoftimet e fundit nga Google dhe OpenAI duket se e mbështesin këtë narrativë, duke ofruar një paraqitje të shkurtër të një të ardhmeje që jo shumë kohë më parë ishte e kufizuar në fantashkencë. Çipi kuantik Willow i Google, për shembull, thuhet se përfundoi llogaritjen e standardit – një detyrë që do t’u merrte superkompjuterëve më të shpejtë të sotëm dhjetë septiliona vjet (dhjetë të ndjekur nga 24 zero) – në më pak se pesë minuta.

Po kështu, modeli i ri o3 i OpenAI përfaqëson një përparim të madh teknologjik, duke e afruar inteligjencën artificiale në pikën ku mund të tejkalojë njerëzit në çdo detyrë njohëse, një moment historik i njohur si “inteligjenca e përgjithshme artificiale”.

Por…

Por ka të paktën tre arsye pse bumi i AI mund të humbasë vrullin në 2025. Së pari, investitorët po pyesin gjithnjë e më shumë nëse investimet e lidhura me AI mund të sjellin kthime domethënëse, pasi shumë kompani luftojnë për të gjeneruar të ardhura të mjaftueshme për të kompensuar kostot në rritje të zhvillimit të modeleve të reja. Ndërsa GPT-4 i OpenAI kushton më shumë se 100 milionë dollarë për t’u trajnuar, modelet e ardhshme ka të ngjarë të kushtojnë më shumë se 1 miliard dollarë për t’u trajnuar, duke ngritur shqetësime për qëndrueshmërinë financiare të këtyre përpjekjeve.

Nuk ka dyshim se investitorët duan të përfitojnë nga bumi i AI, me firmat e kapitalit të sipërmarrjes që investojnë një rekord prej 97 miliardë dollarësh në start-ups me bazë në SHBA në 2024. Por edhe liderët e industrisë si OpenAI duket se po shpenzojnë para shumë shpejt për të gjeneruar kthime të konsiderueshme, duke i lënë investitorët të shqetësuar se shumica e kapitalit të tyre është keqinvestuar ose shpërdoruar.

Llogaritja sugjeron që një investim prej 100 miliardë dollarësh në AI do të kërkonte të paktën 50 miliardë dollarë të ardhura për të gjeneruar një kthim të pranueshëm mbi kapitalin – duke llogaritur taksat, shpenzimet kapitale dhe kostot operative. Por të ardhurat vjetore të të gjithë sektorit, sipas burimeve të autorit të shkrimit, janë vetëm 12 miliardë dollarë. OpenAI regjistron të ardhura prej rreth katër miliardë dollarë. Në mungesë të ndonjë “aplikacioni vrasës” për të cilin përdoruesit do të ishin të gatshëm të paguanin shuma të konsiderueshme, një pjesë e konsiderueshme e investimit mund të humbasë vlerën, duke çuar në një rënie të investimeve dhe konsumit.

Së dyti, sasitë e mëdha të energjisë që nevojiten për funksionimin dhe ftohjen e qendrave masive të të dhënave mund të parandalojnë rritjen e shpejtë të inteligjencës artificiale. Sipas Agjencisë Ndërkombëtare të Energjisë, deri në vitin 2026 qendrat e të dhënave të AI do të konsumojnë 1000 teravat orë energji elektrike në vit, duke tejkaluar konsumin e kombinuar të energjisë elektrike dhe gazit në Mbretërinë e Bashkuar në vitin 2023. Firma konsulente Gartner parashikon që deri në vitin 2027, 40% e qendrave ekzistuese të të dhënave do të jenë funksionale. kufizuar nga disponueshmëria e kufizuar e energjisë elektrike.

Po modelet gjuhësore?

Së treti, modelet gjuhësore në shkallë të gjerë (LLM) duket se po i afrohen kufijve të tyre ndërsa kompanitë përballen me sfida në rritje si mungesa e të dhënave dhe gabimet e përsëritura. LLM-të kryesisht janë të trajnuar mbi të dhënat e mbledhura nga burime të tilla si artikuj gazetash, raporte të publikuara, postime në media sociale dhe punime akademike. Por me një sasi të kufizuar informacioni me cilësi të lartë, gjetja e grupeve të reja të të dhënave ose krijimi i alternativave sintetike është bërë gjithnjë e më e vështirë dhe e shtrenjtë. Rrjedhimisht, këto modele janë të prirura për të gjeneruar përgjigje të pasakta ose të sajuara, dhe kompanive të zhvillimit të AI së shpejti mund të mbeten pa të dhëna të reja të nevojshme për t’i rafinuar ato.

Fuqia kompjuterike po i afrohet gjithashtu kufijve të saj fizikë. Në vitin 2021, IBM zbuloi një çip dymbëdhjetë metra – afërsisht sa një thonjtë – që mund të zëvendësojë 50 miliardë transistorë dhe të përmirësojë performancën me 45% krahasuar me paraardhësin e tij shtatë nanometër. Ndërsa kjo është padyshim mbresëlënëse, momenti historik ngre gjithashtu një pyetje të rëndësishme: A ka arritur industria në një pikë të pakësimit të fitimeve në kërkimin e saj për të krijuar gjysmëpërçues gjithnjë e më të vegjël?

Nëse këto tendenca vazhdojnë, vlerësimet aktuale të IPO-ve të UA mund të mos jenë të qëndrueshme. Gjegjësisht, investimet private tashmë po tregojnë shenja rënie. Sipas firmës kërkimore Preqin, firmat e kapitalit sipërmarrës kanë mbledhur 85 miliardë dollarë në tre tremujorët e parë të vitit 2024, një rënie e mprehtë nga 136 miliardë dollarë të mbledhura në të njëjtën periudhë në 2023.

Konkurrentët më të vegjël mund të përfitojnë nga kjo mundësi

Lajmi i mirë është se nëse gjigantët e sotëm të AI fillojnë të lëkunden, konkurrentët më të vegjël mund të shfrytëzojnë mundësinë dhe të sulmojnë dominimin e tyre. Nga perspektiva e tregut, një skenar i tillë mund të inkurajojë rritjen e konkurrencës dhe të zvogëlojë përqendrimin, duke parandaluar një përsëritje të kushteve që lejuan të ashtuquajturat “shtatë madhështore” – Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia dhe Tesla – të dominojnë Industria e teknologjisë amerikane.