Sam Altman koryguje prognozy dotyczące AI: problemem nie jest potencjał, lecz wdrożenie

Sam Altman nie wycofuje się z przekonania, że sztuczna inteligencja może głęboko zmienić gospodarkę. Koryguje jednak wcześniejsze oczekiwania dotyczące tempa tych zmian. Po premierze GPT-4 w 2023 roku spodziewał się znacznie szybszych przetasowań w firmach programistycznych i całej gospodarce. Dziś większą wagę przypisuje temu, co dzieje się po wytrenowaniu modelu: budowie praktycznych aplikacji, zmianie procesów w organizacjach, rozbudowie infrastruktury oraz zdobyciu zaufania użytkowników. 36

To ważne rozróżnienie. Imponujące możliwości techniczne modelu nie oznaczają automatycznie, że następnego dnia produkty zostaną zastąpione, firmy przeorganizują pracę, a gospodarka przejdzie gwałtowną transformację.

Wąskim gardłem jest wdrożenie, nie samo trenowanie modeli

Z opisywanej przez Altmana zmiany perspektywy wynika, że najbliższym ograniczeniem nie musi być stworzenie jeszcze potężniejszego modelu bazowego. Firmy muszą nadal:

• zbudować aplikacje rozwiązujące konkretne problemy;
• zintegrować je z istniejącymi systemami i procedurami;
• przeprojektować sposób pracy zespołów;
• przekonać klientów i pracowników, by rzeczywiście polegali na AI;
• poradzić sobie z kwestiami bezpieczeństwa, regulacji i zarządzania danymi.

To pomaga wyjaśnić, dlaczego gospodarka po premierze GPT-4 nie doświadczyła natychmiastowego przełomu na skalę sugerowaną przez najbardziej śmiałe prognozy. Modele mogą rozwijać się szybko, podczas gdy ich przyjęcie przez instytucje i przedsiębiorstwa przebiega znacznie wolniej. 36

W swoich nowszych obserwacjach ekonomicznych Altman wskazywał jednocześnie na dwa zjawiska. Jego zdaniem możliwości modelu rosną wraz z zasobami przeznaczanymi na jego trenowanie i działanie, a koszt korzystania z określonego poziomu AI spada z czasem bardzo szybko. Tańsze narzędzia mogą ostatecznie doprowadzić do znacznie szerszego wykorzystania technologii. 40 Nie usuwają jednak przeszkód związanych z zakupem usług, zgodnością z prawem, zaufaniem, ochroną danych ani reorganizacją pracy.

Dlaczego Altman mówi o „dawkowaniu” rozwoju AI

W lipcu Altman powiedział, że branża może potrzebować „dawkować” tempo rozwoju AI, aby społeczeństwo miało czas „zahamować się” i dostosować do nowych poziomów możliwości. Zastrzegł przy tym, że takie podejście nie powinno prowadzić do przejęcia regulacji przez największe firmy ani do zmowy między laboratoriami rozwijającymi najbardziej zaawansowane modele. 37

Nie jest to wezwanie do trwałego zatrzymania postępu. Chodzi raczej o uznanie, że rozwój technologiczny i adaptacja społeczna działają według różnych zegarów. Ponad 1000 pracowników czołowych firm AI podpisało również list otwarty wzywający do silniejszych regulacji oraz zapewnienia czasu na opracowanie zabezpieczeń i mechanizmów nadzoru. 38

W praktyce oznacza to bardziej sporny i nierówny proces upowszechniania AI. Zaawansowane systemy mogą pojawić się szybciej, niż rządy, przedsiębiorstwa, szkoły i społeczności uzgodnią zasady ich stosowania.

Dwa scenariusze, które Altman określa jako „antyludzkie”

Altman wielokrotnie argumentował, że władza wynikająca z AI nie powinna zostać skupiona w zbyt niewielu rękach, a kontrola nad przyszłością powinna należeć do ludzi i ich instytucji. 44 W tym ujęciu szczególnie niebezpieczne są dwa scenariusze:

1. AI staje się tak potężna, że ludzie nie są już w stanie sprawować nad nią realnej kontroli.
2. Możliwości AI i wynikająca z nich władza decyzyjna trafiają do zbyt małej liczby firm lub rządów.

Pierwsze zagrożenie dotyczy utraty kontroli nad systemem. Drugie — sytuacji, w której kontrola pozostaje, ale znajduje się w rękach wąskiej grupy dysponującej nieproporcjonalnym wpływem gospodarczym i politycznym. Te problemy mogą prowadzić do odmiennych decyzji regulacyjnych: zabezpieczenia ograniczają ryzyko nadużyć, lecz zamknięty dostęp i centralizacja mogą zwiększać koncentrację władzy.

Czy to atak na Anthropic?

Taką interpretację należy traktować jako analizę, a nie potwierdzony, bezpośredni atak. Dostępne materiały nie pokazują, by Altman jednoznacznie wymienił Anthropic lub nazwał jego skoncentrowane, nastawione na bezpieczeństwo podejście „antyludzkim”.

Istnieje jednak rzeczywiste napięcie w polityce dotyczącej AI. Ściśle kontrolowana strategia rozwijania najbardziej zaawansowanych modeli może ułatwiać monitoring i egzekwowanie zasad bezpieczeństwa, ale może też pozostawić większą władzę w rękach kilku laboratoriów. Z kolei modele z otwartymi wagami ułatwiają dostęp i dostosowywanie systemów do własnych potrzeb, lecz stwarzają dodatkowe wyzwania związane z nadużyciami i odpowiedzialnością. Materiały źródłowe uzasadniają dyskusję o tym kompromisie — nie pozwalają natomiast twierdzić, że Anthropic był celem wypowiedzi Altmana albo że jego filozofia jest z natury szkodliwa.

Centra danych pokazują fizyczne granice ekspansji AI

Wdrożenie AI wymaga znacznie więcej niż oprogramowania. Potrzebne są centra danych, energia elektryczna, sieci przesyłowe, woda, grunty, pozwolenia oraz zgoda lokalnych społeczności.

Rozbudowa tej infrastruktury już napotyka opór. Według doniesień dotyczących sondażu Gallupa 71 proc. dorosłych Amerykanów sprzeciwiało się budowie centrum danych AI w swojej okolicy, a ponad tuzin projektów miało zostać zablokowanych lub opóźnionych z powodu lokalnych protestów. 18 Inne relacje wskazywały na obawy dotyczące zużycia energii i wody, wpływu na środowisko oraz ulg podatkowych dla deweloperów centrów danych. 20

Altman przyznał, że rozumie, dlaczego mieszkańcy nie chcą takiego obiektu w pobliżu swoich domów, i zasugerował, że centra danych mogłyby być lepiej lokowane na odległych pustynnych terenach. 23 Ta propozycja uwydatnia główny problem: skalowanie AI jest również kwestią planowania przestrzennego i infrastruktury, a nie tylko wyścigiem po kolejne procesory graficzne.

Podobne napięcie widać przy dużych projektach infrastrukturalnych wspieranych przez OpenAI. W miejscowości Saline Township w stanie Michigan Altman określił zgłaszany projekt centrum danych o wartości 16 mld dolarów jako zakład na przyszłość AI, podczas gdy lokalne obawy dotyczyły między innymi zużycia wody i energii. 2130 Oczekiwania branży pozostają ogromne, ale ich przełożenie na realną moc obliczeniową wymaga akceptacji fizycznych kosztów przez społeczności.

Inwestycja NVIDIA w Poolside to przygotowanie na dłuższy wyścig

Zgłaszana transakcja NVIDIA z Poolside pokazuje, dlaczego wolniejsze tempo wdrażania AI nie powinno być mylone ze spadkiem wiary w jej potencjał. Według doniesień NVIDIA uzgodniła 6 mld dolarów za licencję na technologię Poolside i kolejne 1 mld dolarów inwestycji w ten startup. Ponad 100 pracowników Poolside ma dołączyć do zespołów NVIDIA pracujących nad rodziną modeli Nemotron z otwartymi wagami. 15

Ruch ten sugeruje, że NVIDIA rozszerza działalność poza sprzęt — w stronę narzędzi do tworzenia modeli i oprogramowania z otwartymi wagami. Takie modele mogą być łatwiejsze do dostosowania i tańsze w eksploatacji niż niektóre zamknięte alternatywy. 5

Strategia ta pasuje do dłuższego i bardziej konkurencyjnego cyklu wdrażania AI. Jeśli firmy potrzebują modeli, które można dopasować do własnej infrastruktury, rozwiązania z otwartymi wagami mogą stać się ważną częścią zastosowań korporacyjnych. Sama transakcja pozostaje jednak agresywną inwestycją w rozwój AI — nie jest dowodem na to, że NVIDIA spodziewa się załamania popytu. 15

Najważniejszy wniosek: transformacja może być stopniowa i kosztowna

Łącznie te wydarzenia wskazują na bardziej zniuansowany harmonogram rozwoju AI:

• Możliwości modeli mogą rosnąć szybciej niż ich wykorzystanie w biznesie. 36
• O tym, czy potencjał technologii przełoży się na wpływ gospodarczy, decydują aplikacje i reorganizacja firm. 36
• Rozbudowa infrastruktury napotyka ograniczenia związane z energią, wodą, pozwoleniami i sprzeciwem społeczności. 182023
• Bezpieczeństwo i zarządzanie AI mogą wymagać czasu na dostosowanie instytucji. 3738
• Branża nadal agresywnie inwestuje w nowe modele i alternatywy z otwartymi wagami. 15

Najmocniejszy wniosek nie brzmi więc: „AI będzie miała niewielki wpływ na gospodarkę”. Nie wynika z tego również, że cała branża uzgodniła celowe spowolnienie rozwoju.

Bardziej trafny obraz to wolniejsze, nierówne i kapitałochłonne upowszechnianie AI. Technologia może zmienić gospodarkę, ale droga do tego prowadzi przez praktyczne aplikacje, infrastrukturę, regulacje, dostosowanie instytucji i społeczną legitymizację — a nie przez natychmiastowy przełom, którego wielu oczekiwało po premierze GPT-4.