TEMPO tehnološkog napretka u prošloj godini, posebice u području umjetne inteligencije, pružio je mnogo razloga za optimizam. Ali kako ulazimo u 2025. godinu, postoje znakovi da zamah umjetne inteligencije možda opada.

Od 2023. dominantna je priča da će revolucija umjetne inteligencije potaknuti produktivnost i gospodarski rast, utirući put izvanrednim tehnološkim otkrićima. PwC, na primjer, predviđa da će umjetna inteligencija globalnom BDP-u do 2030. dodati gotovo 16 bilijuna dolara, što je povećanje od 14%.

Istodobno, studija Erika Brynjolfssona, Danielle Li i Lindsey R. Raymond procjenjuje da bi generativna umjetna inteligencija mogla povećati produktivnost radnika za 14% u prosjeku i za 34% za nove i niskokvalificirane radnike.

Čini se da nedavne najave Googlea i OpenAI-ja podržavaju ovu priču, nudeći pogled u budućnost koja je ne tako davno bila ograničena na znanstvenu fantastiku. Googleov kvantni čip Willow, na primjer, navodno je dovršio referentni izračun - zadatak za koji bi današnjim najbržim superračunalima trebalo deset septilijuna godina (deset nakon kojih slijede 24 nule) - za manje od pet minuta.

Isto tako, OpenAI-jev novi o3 model predstavlja veliko tehnološko otkriće, približavajući umjetnu inteligenciju točki u kojoj može nadmašiti ljude u bilo kojem kognitivnom zadatku, što je prekretnica poznata kao "umjetna opća inteligencija".

Ali...

Ali postoje najmanje tri razloga zašto bi procvat umjetne inteligencije mogao izgubiti na zamahu ​​2025. Prvo, ulagači se sve više pitaju mogu li ulaganja povezana s umjetnom inteligencijom donijeti značajne povrate, budući da se mnoge tvrtke muče generirati dovoljno prihoda da nadoknade vrtoglave troškove razvoja novih modela. Dok je obuka OpenAI-jevog GPT-4 koštala više od 100 milijuna dolara, obuka budućih modela vjerojatno će koštati više od milijardu dolara, što izaziva zabrinutost oko financijske održivosti ovih napora.

Nema sumnje da ulagači žele iskoristiti procvat umjetne inteligencije, jer tvrtke rizičnog kapitala uložile su 2024. godine rekordnih 97 milijardi dolara u start-upe umjetne inteligencije sa sjedištem u SAD-u. No čini se da čak i vodeći faktori u industriji, poput OpenAI-ja, prebrzo troše novac da bi ostvarili značajne povrate, što zabrinjava ulagače da je velik dio njihova kapitala pogrešno uložen ili protraćen.

Izračun sugerira da bi ulaganje od 100 milijardi dolara u umjetnu inteligenciju zahtijevalo najmanje 50 milijardi dolara prihoda da bi se stvorio prihvatljiv povrat kapitala - računajući poreze, kapitalne izdatke i operativne troškove. Ali godišnji prihod cijelog sektora, prema izvorima autorice članka, iznosi samo 12 milijardi dolara. OpenAI bilježi prihod od otprilike četiri milijarde dolara. U nedostatku neke "ubojite aplikacije" za koju bi korisnici bili spremni platiti znatne iznose, značajan dio ulaganja mogao bi izgubiti vrijednost, što bi dovelo do pada ulaganja i potrošnje.

Drugo, enormne količine energije potrebne za rad i hlađenje masivnih podatkovnih centara mogle bi spriječiti brzi rast umjetne inteligencije. Prema Međunarodnoj agenciji za energiju, do 2026. podatkovni centri umjetne inteligencije trošit će 1000 teravatsati električne energije godišnje, premašujući ukupnu potrošnju električne energije i plina u Ujedinjenom Kraljevstvu 2023. Konzultantska kuća Gartner predviđa da će do 2027. godine 40% postojećih podatkovnih centara biti operativno ograničeno ograničenom dostupnošću električne energije.

Što s jezičnim modelima?

Treće, čini se da se veliki jezični modeli (LLM) približavaju svojim granicama dok se tvrtke bore s rastućim izazovima poput nedostatka podataka i ponavljajućih pogrešaka. LLM-i se prvenstveno obučavaju na podacima prikupljenim iz izvora kao što su novinski članci, objavljena izvješća, objave na društvenim mrežama i akademski radovi. No s ograničenom količinom visokokvalitetnih informacija, pronalaženje novih skupova podataka ili stvaranje sintetičkih alternativa postalo je sve teže i skuplje. Shodno tome, ovi modeli su skloni generiranju netočnih ili izmišljenih odgovora, a razvojnim tvrtkama umjetne inteligencije bi uskoro moglo ponestati svježih podataka potrebnih za njihovo usavršavanje.

Računalna snaga također se približava svojim fizičkim granicama. IBM je 2021. predstavio dvananometarski čip - otprilike veličine nokta - koji može zamijeniti 50 milijardi tranzistora i poboljšati performanse za 45% u usporedbi sa svojim prethodnikom od sedam nanometara. Iako je ovo nepobitno impresivno, prekretnica također otvara važno pitanje: je li industrija dosegla točku smanjenja povrata u svojoj potrazi za stvaranjem sve manjih poluvodiča?

Ako se ovi trendovi nastave, trenutne procjene vrijednosti tvrtki koje su izašle na burzu, a bave se umjetnom inteligencijom, možda neće biti održive. Naime, privatna ulaganja već pokazuju znakove opadanja. Prema istraživačkoj tvrtki Preqin, tvrtke rizičnog kapitala prikupile su 85 milijardi dolara u prva tri kvartala 2024. godine, što je snažan pad u odnosu na 136 milijardi dolara prikupljenih u istom razdoblju 2023.

Manji konkurenti mogli bi iskoristiti priliku

Dobra je vijest da bi, ako današnji divovi umjetne inteligencije počnu posrtati, manji konkurenti mogli iskoristiti priliku i napasti njihovu dominaciju. S tržišnog stajališta, takav bi scenarij mogao potaknuti povećanu konkurenciju i smanjiti koncentraciju, sprječavajući ponavljanje uvjeta koji su omogućili dominaciju takozvanih "sedam veličanstvenih" - Alphabeta, Amazona, Applea, Mete, Microsofta, Nvidije i Tesle - u tehnološkoj industriji SAD-a.

@ Project Syndicate