Sam Altman ändrar sin AI-tidslinje: Det är användningen, inte förmågan, som bromsar

Sam Altman verkar ha ändrat uppfattning om hur snabbt AI får genomslag – inte om hur viktig tekniken i slutändan kan bli. Efter lanseringen av GPT-4 2023 väntade han sig betydligt mer omedelbar turbulens i mjukvarubranschen och ekonomin. Nu lägger han större vikt vid det långsammare arbetet med att göra modellernas förmågor till driftsäkra tjänster, förändra organisationer, bygga fysisk infrastruktur och få människor att acceptera tekniken. 36

Skillnaden är viktig. En imponerande modell ersätter inte automatiskt befintliga produkter, förändrar företag eller ger ett omedelbart ekonomiskt språng.

Den nya diagnosen: införandet är svårare än träningen

Den framväxande bilden är att den kortsiktiga flaskhalsen inte bara handlar om att skapa en ännu kraftfullare grundmodell. Företag måste också utveckla användbara applikationer, koppla in dem i befintliga arbetsflöden, göra om delar av organisationen och övertyga både kunder och anställda om att systemen går att lita på.

Det kan förklara varför ekonomin efter GPT-4 inte har genomgått det omedelbara brott med det förflutna som vissa prognoser antydde. Tekniken kan fortsätta förbättras snabbt, medan användningen sprids genom långsammare kommersiella och institutionella kanaler.

Altmans egna ekonomiska resonemang pekar åt båda hållen. Han har hävdat att en AI-modells intelligens ökar i takt med resurserna som används för att träna och köra den, samtidigt som kostnaden för en viss nivå av AI sjunker kraftigt över tid. Det kan på sikt leda till mycket bredare användning. 40 Men lägre priser undanröjer inte hinder som upphandling, reglering, förtroende, datahantering och svårigheten att förändra hur människor arbetar.

Därför har Altman talat om att bromsa tempot

I juli sade Altman att branschen kan behöva ”anpassa tempot” i AI-utvecklingen så att samhället får tid att ”härdas” inför nya kapacitetsnivåer. Han tillade att en sådan strategi måste utformas utan att leda till att regleringen fångas av branschen eller att de ledande AI-laboratorierna samarbetar på ett konkurrensbegränsande sätt. 37

Det är inte samma sak som att förespråka ett permanent stopp. Snarare handlar det om att tekniska framsteg och samhällsanpassning följer olika tidsplaner. Över 1 000 anställda på ledande AI-företag har dessutom skrivit under ett öppet brev med krav på hårdare reglering och tid för att utveckla säkerhetsåtgärder och tillsyn. 38

I praktiken innebär det en mer omstridd spridningsfas: avancerade system kan bli tillgängliga innan regeringar, företag, skolor och samhällen har enats om hur de ska användas.

Två risker bakom varningen om något ”anti-mänskligt”

Altman har återkommande sagt att AI-makten inte får koncentreras för mycket och att människor och deras institutioner ska ha kontroll över framtiden. 44 I den tolkning som beskrivs här finns två särskilt oacceptabla utfall:

1. AI blir så kraftfull att människor inte längre kan kontrollera den på ett meningsfullt sätt.
2. AI:s förmågor och beslutsmakt samlas hos ett fåtal företag eller regeringar.

Den första risken handlar om att förlora kontrollen. Den andra handlar om att kontrollen visserligen finns kvar – men hos en liten grupp med oproportionerligt stort ekonomiskt och politiskt inflytande. Riskerna kan därför dra politiken åt olika håll: säkerhetsåtgärder kan minska missbruk, medan centraliserad åtkomst och slutna system kan öka maktkoncentrationen.

Var detta en kritik mot Anthropic?

Det bör beskrivas som en tolkning, inte som ett belagt direkt angrepp. Det tillgängliga materialet visar inte att Altman uttryckligen nämnde Anthropic eller kallade företagets säkerhetsinriktade och centraliserade strategi ”anti-mänsklig”.

Det finns däremot en verklig målkonflikt. En hårt kontrollerad strategi för de mest avancerade modellerna kan göra övervakning och säkerhetstillsyn enklare, men kan också lämna mer makt hos ett litet antal laboratorier. Modeller med öppna vikter kan bredda tillgången och möjligheten att anpassa systemen, men skapar samtidigt nya problem kring missbruk och ansvar. Underlaget stödjer en diskussion om den avvägningen – inte påståendet att Anthropic är måltavlan eller att företagets filosofi i sig är skadlig.

Motstånd mot datacenter visar den fysiska flaskhalsen

AI kräver mer än programvara. Utbyggnaden behöver datacenter, el, överföringskapacitet, vatten, mark, tillstånd och lokalt politiskt stöd.

Den utbyggnaden möter redan motstånd. En rapportering om en Gallup-undersökning uppgav att 71 procent av vuxna i USA motsatte sig att ett AI-datacenter byggdes i deras område. Samtidigt hade mer än ett dussin projekt enligt uppgift stoppats eller försenats efter lokala protester. 18 Andra rapporter har lyft oro för elförbrukning, vatten, miljöpåverkan och lokala skatteupplägg. 20

Altman har sagt att han förstår varför invånare inte vill ha ett datacenter i närheten och föreslagit att avlägsna ökenområden kan vara mer lämpliga. 23 Förslaget understryker kärnfrågan: att skala upp AI är också ett problem för markanvändning och infrastruktur – inte bara en kapplöpning om fler grafikprocessorer.

Samma spänning syns i OpenAI:s stöd till stora infrastrukturprojekt. Vid ett datacenter i Michigan beskrev Altman ett rapporterat projekt på 16 miljarder dollar som en mycket stor satsning på AI:s framtid, medan lokala invändningar fokuserade på resurser som vatten och elektricitet. 2130 Branschens förväntningar är fortfarande enorma, men att omvandla dem till faktisk kapacitet kräver att lokalsamhällen accepterar de fysiska kostnaderna.

Nvidias Poolside-affär signalerar förberedelser – inte reträtt

Nvidias rapporterade affär med Poolside visar varför en långsammare tidslinje för användningen inte ska förväxlas med minskat förtroende för AI. Enligt rapporterna ska Nvidia betala 6 miljarder dollar för att licensiera Poolside-teknik och investera ytterligare 1 miljard dollar i startupbolaget. Över 100 Poolside-anställda väntas börja arbeta med Nvidias Nemotron-familj av modeller med öppna vikter. 15

Draget tyder på att Nvidia breddar sig från hårdvara till system för modellutveckling och programvara med öppna vikter. Sådana modeller kan vara enklare att anpassa och kan ge lägre driftskostnader än vissa slutna alternativ, enligt rapporteringen om affären. 5

Strategin passar en längre och mer konkurrensutsatt införandefas. Om företag behöver flexibla modeller som kan anpassas till den egna infrastrukturen kan modeller med öppna vikter bli en viktig del av företagens AI-användning. Affären är samtidigt en aggressiv investering i AI-kapacitet – inte ett tecken på att Nvidia väntar sig att efterfrågan ska kollapsa. 15

Slutsatsen: AI kan spridas gradvis, dyrt och under konflikt

Tillsammans pekar utvecklingen mot en mer nyanserad AI-tidslinje:

• Modellernas förmåga kan utvecklas snabbare än företagens användning. 36
• Applikationer och organisatoriska förändringar avgör om teknisk kapacitet blir ekonomisk effekt. 36
• Utbyggnaden av infrastrukturen begränsas av el, vatten, tillstånd och lokalt motstånd. 182023
• Säkerhet och styrning kan kräva tid för institutionerna att anpassa sig. 3738
• Branschen investerar fortfarande aggressivt i nya modeller och alternativ med öppna vikter. 15

Den starkaste slutsatsen är därför inte att AI kommer att få liten ekonomisk betydelse, eller att branschen har nått en gemensam överenskommelse om att medvetet sakta ner utvecklingen. Underlaget pekar snarare på en långsammare, ojämn och kapitalkrävande spridning. AI kan fortfarande förändra ekonomin i grunden, men vägen dit går via applikationer, infrastruktur, reglering, institutionell anpassning och folklig legitimitet – inte genom en omedelbar omvälvning efter GPT-4.