Что в этой схеме не так? Все это базируется на доверии, что когда нибудь суперинтеллект решит все проблемы человечества и сделает нас сказочно богатыми.
В августе я делал масштабную серию материалов по ИИ, в которых описал архитектурные и технологические ограничения.
Принцип убывающей отдачи работает здесь наиболее выражено. Расходы на обучение, интеграцию, развертывание и обслуживание каждой новой модели растут непропорционально быстро, при этом эффект на каждом переходе все менее заметен.
Путь к AGI и тем более ASI невозможен через существующую архитектуру трансформеров, но теоретически возможен в будущем, как комбинация оптимизированной архитектуры трансформеров в совокупности с квантовыми вычислениями и биотехнологиями (синтез машины и человеческого мозга).
Этот бизнес неработоспособен при текущей бизнес-модели. Слишком высокие инвестиционные, операционные и R&D расходы при очень узком спектре инструментов монетизации, особенно в массовом розничном сегменте. Сейчас наблюдается «передоз» LLMs, которыми вдоль и поперек нашпиговано все пространство (буквально все обмазаны нейросетями), в этих условиях сложно получить финансовую отдачу.
Концепция неудержимых расходов не учитывает фактор Китая с его открытыми и достаточно эффективными ИИ моделями. Если американские разработчики и ИИ провайдеры начнут заламывать цены, потребители и бизнес перейдут на более доступные китайские модели. Конкуренцию с открытыми моделями будет сложно выдержать, что по-умолчанию ограничивает потенциал монетизации.
Отсутствие конфиденциальности. Крупный бизнес не будет напрямую платить ИИ провайдерам, а будет развертывать собственные локальные ИИ модели. Чистое безумие сливать корпоративные секреты (результаты и процесс R&D, финансовая, юридическая документация и т.д.) на сервера бигтехов (это забава только для розницы и малого бизнеса).
Неизбежный процесс регулирования ИИ во многих измерениях в ближайшей перспективе ограничит пространство возможностей и маневров для ИИ-провайдеров.
Ограничения в инфраструктуре, в особенности в энергетической инфраструктуре не позволяет масштабировать вычислительные мощности в соответствии с потребностями.
В данном материале я не рассматривал макро-аспект, где крайне неоднозначное воздействие ИИ на межсекторальное взаимодействие приведет к сильной диспропорции распределение ресурсов, капитала и технологий (одни отрасли сильно выиграют в производительности, эффективности и маржинальности, а другие умрут, причем количество «подавленных» направлений функционирования бизнеса будет в разы или кратно выше, чем количество прямых бенефициаров).
Не рассматривал социальные аспекты (влияние ИИ на паттерны взаимодействия общества, влияние на когнитивное развитие, распределение предпочтений между онлайн и офлайн экономикой и т.д).
Обрыв доверия неизбежен, т.к. сказываются: технологические ограничения архитектуры LLMs, высокая стоимость развертывания, крайне высокая конкуренция, ограниченное пространство для монетизации, давление со стороны Китай, неизбежные регуляторные ограничения.
Главное во всем этом то, что скорость превращения ИИ-внедрений/интеграций/инноваций будет неоднозначной на макро уровне и несоизмерима затратам на содержание всего этого ИИ-чуда.
Концепция монетизации триллионных затрат через внедрение ИИ маркетплейсов, продажу рекламы, данных клиентов и специализированные ИИ агенты выглядит не особо впечатляющей на фоне масштаба инвестиций и ожиданий (до 100 трлн эффекта при уже оформленных 52 трлн).
Источник: vk.com
Источник: ai-news.ru
