„Nie ma prawa fizyki, które twierdzi, że powinno być drogie”, mówi dyrektor generalny IBM
W ubiegłym tygodniu Deepseek zakwestionował konwencjonalną mądrość na temat sztucznej inteligencji (AI). Do tej pory wielu przeszkoliło modele państwowe -art, wymagało ponad 1 miliarda dolarów i tysięcy najnowszych układów. Że AI musiało być właścicielem. Że tylko garstka firm miała talent do budowania IT, więc tajemnica była niezbędna.
Deepseek okazał się odwrotny. Wiadomości sugerują, że przeszkolili swój najnowszy model z zaledwie 2000 frytkami NVIDIA za ułamek oczekiwanego kosztu – około 6 milionów dolarów. To wzmacnia to, co zawsze mówiliśmy: mniejsze i wydajne modele mogą zapewnić prawdziwe wyniki bez masywnych i właścicieli.
Przeczytaj także:
Kontynuuje się po reklamie
Ale odkrycie Chin rodzi większe pytanie: kto ukształtuje przyszłość sztucznej inteligencji? Rozwój AI nie może być kontrolowany przez garść konkurentów – szczególnie gdy niektórzy nie mogą udostępniać podstawowych wartości, takich jak ochrona danych biznesowych, prywatność i przejrzystość.
Odpowiedź nie jest ograniczenie postępów – jest to, że AI jest budowane przez szeroką koalicję uniwersytetów, firm, laboratoriów badawczych i organizacji społeczeństwa obywatelskiego.
Jaka jest alternatywa? Opuść ołów, który wślizgnąłby się do osób o różnych wartościach i priorytetach. Oznaczałoby to przekazanie kontroli nad technologią, która zmieni każdą branżę i każdą część społeczeństwa. Innowacje i prawdziwy postęp mogą pochodzić tylko z demokratyzacji sztucznej inteligencji.
Kontynuuje się po reklamie
Czas szum Skończył. Uważam, że 2025 powinien być rok, w którym odblokowujemy sztuczną inteligencję jej zamknięcia wśród niektórych konkurentów. Do 2026 r. Duża część społeczeństwa powinna nie tylko używać sztucznej inteligencji – musi budować IA.
Czytaj więcej:
Lekcja Deepseek
Modele mniejsze i open source to sposób budowy tej przyszłości. Lekcja Deepseek polega na tym, że najlepsza inżynieria optymalizuje dwie rzeczy: wydajność i koszty. Przez długi czas sztuczna inteligencja była postrzegana jako gra skali – gdzie większe modele oznaczały lepsze wyniki. Ale prawdziwa innowacja dotyczy zarówno wielkości, jak i wydajności.
Kontynuuje się po reklamie
W naszej pracy w IBM widzieliśmy, że odpowiednie modele w pewnym celu doprowadziły do zmniejszenia do 30 razy w kosztach wnioskowania AI, dzięki czemu szkolenie jest bardziej wydajne i dostępne.
Nie zgadzam się, że ogólna sztuczna inteligencja (AGA) jest u drzwi, ani że przyszłość IA zależy od budowy centra danych Rozmiar Manhattanu lub energia jądrowa poruszyła się. Te narracje tworzą fałszywe wybory. Nie ma prawa fizyki, które mówi, że sztuczna inteligencja musi pozostać drogie.
Koszt szkolenia i wnioskowania nie jest ustalony – jest to wyzwanie inżynieryjne do rozwiązania. Firmy, zarówno ustalone, jak i nowe, mają pomysłowość, aby zmniejszyć te koszty i uczynić sztuczną inteligencją bardziej praktyczną i rozpowszechnioną.
Kontynuuje się po reklamie
Widzieliśmy to wcześniej. We wczesnych dniach przetwarzania zasilanie przechowywania i przetwarzania były zbyt drogie. Jednak dzięki postępom technologicznym i ekonomii skali koszty te spadły – odblokowywanie nowych fal innowacji i adopcji.
To samo dotyczy AI. Jest to obiecujące dla firm na całym świecie. Technologia staje się transformacyjna tylko wtedy, gdy staje się dostępna. Przyjmując otwarte i wydajne modele IA, firmy mogą skorzystać z opłacalnych rozwiązań dostosowanych do ich potrzeb, odblokowując pełny potencjał AI w różnych branżach.
Opinie wyrażone w komentarzach Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania fortuny.
