Sam Altman ændrer AI-tidsplanen: Det er udbredelsen, ikke evnerne, der halter

Sam Altman ser ikke ud til at have ændret mening om AI's langsigtede betydning. Det, han har ændret, er snarere vurderingen af hvor hurtigt teknologien bliver omsat til økonomisk og samfundsmæssig forandring.

Efter lanceringen af GPT-4 i 2023 forventede han, at softwarevirksomheder hurtigt ville blive udsat for massiv disruption, og at økonomien ville ændre sig langt hurtigere. I dag lægger han større vægt på det langsommere arbejde med at gøre modellerne til pålidelige produkter, integrere dem i organisationer, bygge den nødvendige fysiske infrastruktur og opnå offentlig accept. 36

Det er en vigtig forskel. En model kan være teknisk imponerende uden straks at erstatte eksisterende produkter, ændre virksomheders struktur eller skabe et økonomisk brud med fortiden.

Den nye diagnose: Udrulning er sværere end træning

Den voksende erkendelse i branchen er, at den kortsigtede flaskehals ikke nødvendigvis er at træne en endnu stærkere grundmodel. Virksomheder skal også udvikle nyttige applikationer, koble dem til eksisterende arbejdsgange, omlægge organisationer og få både kunder og medarbejdere til at stole på systemerne.

Det er med til at forklare, hvorfor økonomien efter GPT-4 ikke har oplevet det øjeblikkelige brud, som nogle prognoser lagde op til. Teknologien kan fortsat udvikle sig hurtigt, mens udbredelsen bevæger sig gennem langsommere institutionelle og kommercielle processer.

Altman har samtidig peget på økonomiske forhold, der på længere sigt kan øge anvendelsen markant. Han har skrevet, at en AI-models intelligens vokser med de ressourcer, der bruges på at træne og køre den, mens prisen for et bestemt intelligensniveau falder kraftigt over tid. Lavere priser kan dermed føre til langt mere brug. 40

Men faldende priser fjerner ikke problemer med indkøb, regulering, tillid, datastyring eller den vanskelige opgave at ændre den måde, mennesker arbejder på.

Hvorfor Altman har talt om at sætte tempoet ned

I juli sagde Altman, at branchen måske bliver nødt til at sætte tempoet i AI-udviklingen, så samfundet får tid til at “hærde sig” omkring nye niveauer af teknologiske evner. Han understregede samtidig, at en sådan tilgang ikke måtte udvikle sig til regulatorisk indfangning eller et kartel mellem de førende AI-laboratorier. 37

Det er ikke det samme som at kræve et permanent stop. Det er en erkendelse af, at teknologiske fremskridt og samfundets tilpasning følger forskellige tidsplaner.

Mere end 1.000 medarbejdere fra førende AI-virksomheder har desuden underskrevet et offentligt brev, der opfordrer til stærkere regulering og tid til at udvikle sikkerhedsforanstaltninger og tilsyn. 38

Den praktiske konsekvens kan blive en mere omstridt udbredelsesfase: De avancerede systemer kan være klar, før regeringer, virksomheder, skoler og lokalsamfund er enige om, hvordan de bør anvendes.

To risici bag advarslen om noget “menneskefjendtligt”

Altman har gentagne gange argumenteret for, at AI-magt ikke må koncentreres for meget, og at kontrollen over fremtiden skal ligge hos mennesker og deres institutioner. 44 I den sammenhæng fremstår to udfald som særligt uacceptable:

1. AI bliver så magtfuld, at mennesker ikke længere kan kontrollere den meningsfuldt.
2. AI's evner og beslutningskraft samles hos for få virksomheder eller regeringer.

Den første risiko handler om tab af kontrol. Den anden handler om, at kontrollen ganske vist bevares – men hos en lille gruppe med en uforholdsmæssigt stor økonomisk og politisk indflydelse.

De to risici kan trække reguleringen i hver sin retning. Sikkerhedsforanstaltninger kan begrænse misbrug, mens centraliseret adgang og lukkede systemer kan øge koncentrationen af magt.

Var det en kritik af Anthropic?

Det bør behandles som en fortolkning – ikke som et dokumenteret direkte angreb. Det tilgængelige materiale viser ikke, at Altman eksplicit nævnte Anthropic eller kaldte virksomhedens sikkerhedsorienterede og centraliserede tilgang “menneskefjendtlig”.

Der findes dog en reel politisk spænding. En stramt kontrolleret strategi for frontier-modeller kan gøre overvågning og håndhævelse af sikkerhed lettere, men kan også placere mere magt hos en håndfuld AI-laboratorier. Åbne vægte kan på den anden side give større adgang og flere muligheder for tilpasning, men samtidig skabe nye udfordringer med misbrug og ansvarlighed.

Evidensen underbygger derfor en diskussion af denne afvejning – ikke en påstand om, at Anthropic var målet, eller at virksomhedens tilgang i sig selv er skadelig.

Modstand mod datacentre viser den fysiske flaskehals

AI kræver mere end software. Udbredelsen forudsætter datacentre, elektricitet, elnet, vand, jord, tilladelser og lokalpolitisk accept.

Opbygningen møder allerede modstand. En rapportering baseret på en Gallup-måling viste, at 71 procent af voksne i USA var imod, at et AI-datacenter blev bygget i deres lokalområde. Mere end et dusin projekter skulle samtidig være blevet blokeret eller forsinket af lokal modstand. 18

Andre beskrivelser af konflikten peger på bekymringer om elforbrug, vand, miljøpåvirkning og lokale skatteaftaler. 20

Altman har sagt, at han forstår, hvorfor beboere ikke ønsker et datacenter i nærheden, og foreslået, at anlæggene i stedet kunne placeres i afsides ørkenområder. 23 Forslaget understreger pointen: At skalere AI er også et spørgsmål om arealanvendelse og infrastruktur – ikke blot om at skaffe flere grafikprocessorer.

Den samme konflikt ses ved OpenAIs støtte til store infrastrukturprojekter. Ved et datacenter i Michigan beskrev Altman et rapporteret projekt til 16 milliarder dollar som et stort væddemål på AI's fremtid, mens lokale bekymringer især handlede om ressourcer som vand og elektricitet. 2130

Branchens forventninger er fortsat enorme. Men det kræver, at lokalsamfund accepterer de fysiske omkostninger, hvis forventningerne skal omsættes til faktisk kapacitet.

NVIDIAs Poolside-aftale viser forberedelse – ikke tilbagetog

NVIDIAs rapporterede aftale med Poolside viser, hvorfor en langsommere tidsplan for udbredelsen ikke bør forveksles med faldende tro på AI.

NVIDIA skal ifølge rapporteringen betale 6 milliarder dollar for en teknologilicens fra AI-startuppen Poolside og investere yderligere 1 milliard dollar i virksomheden. Mere end 100 Poolside-medarbejdere ventes at slutte sig til NVIDIAs arbejde med Nemotron-familien af open-weight-modeller. 15

Aftalen tyder på, at NVIDIA bevæger sig ud over sin traditionelle hardwareposition og ind i systemer til modeludvikling og open-weight-software. Modeller med åbne vægte kan være lettere at tilpasse og kan have lavere driftsomkostninger end nogle lukkede alternativer. 5

Strategien passer med en længere og mere konkurrencepræget udrulningsfase. Hvis virksomheder har brug for fleksible modeller, der kan tilpasses deres egen infrastruktur, kan open-weight-systemer blive en vigtig del af erhvervslivets AI-anvendelse.

Aftalen er dog stadig en offensiv investering i AI-kapacitet. Den er ikke et tegn på, at NVIDIA forventer, at efterspørgslen kollapser. 15

Den bredere lektie: AI kan blive gradvist, dyrt og omstridt

Samlet peger udviklingen på en mere nuanceret tidsplan for AI:

• Modelkapaciteten kan udvikle sig hurtigere end virksomhedernes anvendelse af teknologien. 36
• Applikationer og organisatoriske ændringer afgør, om teknisk kapacitet bliver til økonomisk effekt. 36
• Udbygningen af infrastrukturen møder begrænsninger inden for strøm, vand, tilladelser og lokal accept. 182023
• Sikkerhed og styring kan kræve tid, så institutionerne kan nå at tilpasse sig. 3738
• Branchen investerer fortsat aggressivt i nye modeller og open-weight-alternativer. 15

Den stærkeste konklusion er derfor ikke, at AI får en begrænset økonomisk betydning, eller at branchen er blevet enig om bevidst at sænke udviklingen. Evidensen peger snarere på en langsommere, ujævn og kapitaltung udbredelse.

AI kan stadig forandre økonomien markant. Men vejen går gennem applikationer, infrastruktur, regulering, organisatorisk tilpasning og offentlig legitimitet – ikke gennem et øjeblikkeligt økonomisk jordskred efter GPT-4.