Από τα τεράστια data centers σε έναν μικρό «εγκέφαλο» με πρόσβαση στην παγκόσμια γνώση
Η σημερινή τεχνητή νοημοσύνη βρίσκεται ακόμη σε ένα πρωτόγονο στάδιο αρχιτεκτονικής. Μπορεί να εντυπωσιάζει με τις δυνατότητές της, όμως για να λειτουργήσει απαιτεί τεράστια data centers, πανάκριβα chips, υπερβολική κατανάλωση ενέργειας και δισεκατομμύρια επενδύσεων.
Αυτό θυμίζει τους πρώτους υπολογιστές, οι οποίοι καταλάμβαναν ολόκληρες αίθουσες για να εκτελέσουν υπολογισμούς που σήμερα πραγματοποιούνται από ένα κινητό τηλέφωνο.
Η ιστορία της τεχνολογίας δείχνει ότι όταν ένα σύστημα είναι υπερβολικά μεγάλο, ακριβό και ενεργοβόρο, δεν σημαίνει απαραίτητα ότι αυτή είναι η τελική του μορφή. Συνήθως σημαίνει ότι η αρχιτεκτονική του δεν έχει ακόμη ωριμάσει.
Το ίδιο πιθανότατα θα συμβεί και με την τεχνητή νοημοσύνη.
Το βασικό πρόβλημα της σημερινής αρχιτεκτονικής
Τα σημερινά μεγάλα γλωσσικά μοντέλα προσπαθούν να κάνουν τα πάντα ταυτόχρονα. Προσπαθούν να λειτουργήσουν ως:
εγκέφαλος,
εγκυκλοπαίδεια,
μηχανή αναζήτησης,
μνήμη,
ειδικός σε κάθε επιστήμη,
μεταφραστής,
προγραμματιστής,
συγγραφέας,
αναλυτής,
και γεννήτρια απαντήσεων.
Προσπαθούν να αποθηκεύσουν μεγάλο μέρος της ανθρώπινης γνώσης μέσα σε δισεκατομμύρια αριθμητικές παραμέτρους.
Αυτό είναι αναποτελεσματικό.
Μία εγκυκλοπαίδεια μπορεί να χωρέσει σε ένα μικρό αποθηκευτικό μέσο. Δεν υπάρχει λόγος ένα σύστημα τεχνητής νοημοσύνης να προσπαθεί να απομνημονεύσει κάθε νόμο, κάθε επιστημονικό άρθρο, κάθε ημερομηνία και κάθε πληροφορία του διαδικτύου.
Η νοημοσύνη δεν είναι η αποστήθιση όλων των απαντήσεων.
Η πραγματική νοημοσύνη είναι η ικανότητα να καταλαβαίνεις το πρόβλημα, να γνωρίζεις πού βρίσκεται η σχετική γνώση, να την αναζητάς, να την αξιολογείς και να τη συνδυάζεις για να δημιουργήσεις τη λύση.
Η λογική της εξέτασης με ανοιχτά βιβλία
Η μελλοντική τεχνητή νοημοσύνη θα πρέπει να λειτουργεί όπως ένας πολύ ικανός φοιτητής που δίνει εξετάσεις με ανοιχτά βιβλία.
Ο φοιτητής δεν χρειάζεται να γνωρίζει απέξω κάθε σελίδα των βιβλίων. Πρέπει να γνωρίζει:
ποια είναι η πραγματική ερώτηση,
σε ποιο βιβλίο βρίσκεται η σχετική γνώση,
ποια κεφάλαια πρέπει να εξετάσει,
ποιες πληροφορίες είναι σημαντικές,
πώς συνδέονται μεταξύ τους,
και πώς μπορούν να χρησιμοποιηθούν για την επίλυση του προβλήματος.
Ακριβώς αυτή θα πρέπει να είναι η λειτουργία της τεχνητής νοημοσύνης.
Δεν χρειάζεται να γνωρίζει εκ των προτέρων κάθε λύση. Χρειάζεται να διαθέτει τη δυνατότητα αναζήτησης, συνδυασμού, ελέγχου και επίλυσης.
Αυτό είναι πολύ πιο κοντά στην πραγματική νοημοσύνη από την απλή αποθήκευση τεράστιων ποσοτήτων πληροφοριών μέσα σε ένα μοντέλο.
Ένας εγκέφαλος, πολλοί ειδικοί και μία παγκόσμια βιβλιοθήκη
Η πιο λογική αρχιτεκτονική του μέλλοντος μπορεί να βασίζεται σε τρία βασικά επίπεδα.
Ο κεντρικός εγκέφαλος
Ένα σχετικά μικρό αλλά ικανό σύστημα θα αναλαμβάνει:
την κατανόηση της ερώτησης,
τη διάσπαση του προβλήματος σε μικρότερα μέρη,
την επιλογή των κατάλληλων ειδικών,
την αναζήτηση των σωστών πηγών,
τον συνδυασμό των πληροφοριών,
τον έλεγχο του αποτελέσματος,
και την τελική παρουσίαση της απάντησης.
Ο εγκέφαλος αυτός δεν θα χρειάζεται να κουβαλά μέσα του όλη την ανθρώπινη γνώση. Θα χρειάζεται κυρίως να γνωρίζει πώς χρησιμοποιείται η γνώση.
Οι εξειδικευμένες μονάδες
Για κάθε πρόβλημα θα ενεργοποιείται μόνο ο κατάλληλος ειδικός:
μαθηματικός,
γιατρός,
νομικός,
μηχανικός,
οικονομολόγος,
προγραμματιστής,
ερευνητής,
μεταφραστής,
ειδικός εικόνας,
ειδικός ήχου ή βίντεο.
Δεν υπάρχει λόγος να λειτουργούν ταυτόχρονα όλες οι δυνατότητες του συστήματος όταν ο χρήστης κάνει μία απλή ερώτηση.
Ένα μαθηματικό πρόβλημα χρειάζεται μαθηματικά εργαλεία. Μία νομική ερώτηση χρειάζεται τη νομοθεσία και τις σχετικές δικαστικές αποφάσεις. Μία ερώτηση για την υγεία χρειάζεται πρόσβαση σε έγκυρες ιατρικές πηγές.
Ο κεντρικός εγκέφαλος θα επιλέγει κάθε φορά τον σωστό ειδικό και τα σωστά εργαλεία.
Η παγκόσμια βιβλιοθήκη
Η πραγματική γνώση θα βρίσκεται έξω από το μοντέλο:
σε πανεπιστημιακές βιβλιοθήκες,
σε επιστημονικά περιοδικά,
σε δημόσια αρχεία,
σε υπουργεία,
σε νομοθετικές βάσεις,
σε εγκυκλοπαίδειες,
σε τεχνικά εγχειρίδια,
σε ιδιωτικές βάσεις δεδομένων,
και σε εξειδικευμένες ιστοσελίδες.
Η τεχνητή νοημοσύνη θα αναζητά μόνο την πληροφορία που χρειάζεται τη συγκεκριμένη στιγμή.
Έτσι δεν θα χρειάζεται συνεχής επανεκπαίδευση κάθε φορά που αλλάζει ένας νόμος, δημοσιεύεται μια νέα μελέτη ή ενημερώνεται ένα επιστημονικό δεδομένο.
Θα ενημερώνεται απλώς η πηγή της γνώσης.
Τα πανεπιστήμια και οι δημόσιοι οργανισμοί πρέπει να ανοίξουν τις βιβλιοθήκες τους
Για να λειτουργήσει αυτή η αρχιτεκτονική, τα πανεπιστήμια, τα υπουργεία και οι δημόσιοι οργανισμοί πρέπει να προσαρμόσουν τις ιστοσελίδες και τις βάσεις δεδομένων τους στην τεχνητή νοημοσύνη.
Η δημόσια γνώση πρέπει να είναι:
δωρεάν,
ανοιχτή,
οργανωμένη,
ενημερωμένη,
μηχαναγνώσιμη,
εύκολη στην αναζήτηση,
και διαθέσιμη με σαφείς πηγές και ημερομηνίες.
Οι νόμοι, οι υπουργικές αποφάσεις, οι εγκύκλιοι, τα δημόσια στατιστικά και οι επιστημονικές εργασίες που έχουν χρηματοδοτηθεί από τους πολίτες δεν πρέπει να βρίσκονται κρυμμένα σε δύσχρηστα PDF ή σε κλειστές πλατφόρμες.
Πρέπει να είναι προσβάσιμα τόσο στους ανθρώπους όσο και στα συστήματα τεχνητής νοημοσύνης.
Έτσι η AI θα μπορεί να πραγματοποιεί σε λίγα λεπτά την έρευνα που ένας φοιτητής χρειάζεται εβδομάδες ή μήνες για να ολοκληρώσει σε μία πτυχιακή εργασία.
Θα εντοπίζει τις πηγές, θα συγκρίνει τις πληροφορίες, θα βρίσκει αντιφάσεις, θα οργανώνει τα δεδομένα και θα παρουσιάζει το αποτέλεσμα με αναφορές.
Τα sites πρέπει να προσαρμοστούν στην AI και η AI στα sites
Η συνεργασία δεν μπορεί να είναι μονόπλευρη.
Δεν αρκεί η τεχνητή νοημοσύνη να προσπαθεί να διαβάσει ιστοσελίδες σχεδιασμένες αποκλειστικά για ανθρώπινα μάτια. Οι ιστοσελίδες πρέπει να διαθέτουν οργανωμένες εισόδους για συστήματα AI.
Κάθε site θα μπορούσε να δηλώνει:
ποιες πληροφορίες διαθέτει,
σε ποιες κατηγορίες ανήκουν,
πότε ενημερώθηκαν,
ποιος είναι ο δημιουργός τους,
πόσο αξιόπιστες θεωρούνται,
πώς μπορεί να γίνει αναζήτηση,
ποιο είναι το κόστος πρόσβασης,
ποια είναι τα δικαιώματα χρήσης,
και πώς πρέπει να αναφέρεται η πηγή.
Από την άλλη πλευρά, η AI θα πρέπει να δηλώνει:
ποια πληροφορία χρειάζεται,
για ποιο σκοπό τη χρησιμοποιεί,
αν χρειάζεται ολόκληρο το άρθρο ή μόνο συγκεκριμένα δεδομένα,
αν θα χρησιμοποιηθεί μία ή περισσότερες φορές,
και αν θα παρουσιαστεί αυτούσιο περιεχόμενο ή μόνο συμπέρασμα.
Έτσι θα δημιουργηθεί ένα πραγματικό δίκτυο συνεργασίας μεταξύ της τεχνητής νοημοσύνης και των πηγών γνώσης.
Δωρεάν δημόσια γνώση, πληρωμένη ιδιωτική γνώση
Οι πληροφορίες δημοσίου δικαίου πρέπει να παρέχονται δωρεάν.
Οι πολίτες έχουν ήδη πληρώσει μέσω φόρων για:
τη δημιουργία των νόμων,
τις δημόσιες μελέτες,
τα στατιστικά,
τις έρευνες κρατικών πανεπιστημίων,
τα δημόσια αρχεία,
και τη λειτουργία των υπουργείων.
Δεν είναι λογικό να πληρώνουν ξανά για να αποκτήσουν πρόσβαση σε αυτά.
Αντίθετα, οι ιδιωτικές ιστοσελίδες, οι εκδότες, οι ερευνητές και οι δημιουργοί εξειδικευμένης γνώσης πρέπει να μπορούν να χρεώνουν για τη χρήση του περιεχομένου τους.
Η χρέωση μπορεί να γίνεται:
ανά αναζήτηση,
ανά άρθρο,
ανά συγκεκριμένο απόσπασμα,
ανά δεδομένο,
ανά χρήση,
μέσω συνδρομής,
ή μέσω συμφωνίας μεταξύ της πλατφόρμας AI και του παρόχου γνώσης.
Για παράδειγμα, μια AI που χρειάζεται ένα συγκεκριμένο ιατρικό άρθρο δεν είναι απαραίτητο να αγοράσει ολόκληρη τη βάση δεδομένων. Θα μπορούσε να πληρώσει ένα μικρό ποσό μόνο για την πρόσβαση στη συγκεκριμένη πηγή.
Αυτό θα δημιουργούσε μια δίκαιη οικονομία γνώσης.
Η AI θα αποκτούσε νόμιμη και αξιόπιστη πρόσβαση στις πληροφορίες. Οι δημιουργοί θα πληρώνονταν. Οι χρήστες θα λάμβαναν καλύτερες απαντήσεις με πραγματικές πηγές.
Γιατί αυτό δεν γίνεται ήδη;
Ο βασικός λόγος είναι το οικονομικό συμφέρον και ο έλεγχος της αγοράς.
Οι σημερινές μεγάλες εταιρείες έχουν επενδύσει τεράστια ποσά σε:
data centers,
chips,
ενεργειακές υποδομές,
μεγάλα μοντέλα,
cloud υπηρεσίες,
και κλειστά οικοσυστήματα.
Όσο η τεχνητή νοημοσύνη απαιτεί δισεκατομμύρια για να δημιουργηθεί και να λειτουργήσει, μόνο λίγες εταιρείες μπορούν να ανταγωνιστούν.
Αυτό δημιουργεί ένα τεράστιο εμπόδιο εισόδου για τις μικρότερες επιχειρήσεις.
Αν όμως δημιουργηθεί ένας μικρός κεντρικός εγκέφαλος που χρησιμοποιεί ανοιχτές βιβλιοθήκες, εξωτερικούς ειδικούς και πληρωμένη πρόσβαση σε ιδιωτική γνώση, τότε η ανάγκη για τεράστια data centers θα μειωθεί.
Μικρότερες εταιρείες θα μπορούν να δημιουργούν ανταγωνιστικά συστήματα. Η αξία θα μεταφερθεί από το μέγεθος των υποδομών στην ποιότητα της αρχιτεκτονικής.
Αυτό δεν συμφέρει απαραίτητα όσους έχουν ήδη επενδύσει δισεκατομμύρια στο σημερινό μοντέλο.
Η σημερινή φούσκα της τεχνητής νοημοσύνης
Η αγορά της AI βασίζεται σήμερα σε τεράστιες προσδοκίες.
Πολλές εταιρείες αποτιμώνται σε δισεκατομμύρια, παρότι:
δεν έχουν σταθερά κέρδη,
αντιμετωπίζουν τεράστιο κόστος λειτουργίας,
εξαρτώνται από συνεχή χρηματοδότηση,
προσφέρουν παρόμοια προϊόντα,
και δεν έχουν ακόμη αποδείξει ότι το επιχειρηματικό τους μοντέλο είναι βιώσιμο.
Οι επενδυτές σήμερα αποδέχονται τις ζημιές επειδή περιμένουν ότι λίγες εταιρείες θα ελέγξουν τη μελλοντική αγορά.
Αυτό όμως δεν μπορεί να συνεχίζεται για πάντα.
Κάποια στιγμή θα ζητηθούν πραγματικά κέρδη, χαμηλότερο κόστος και βιώσιμη λειτουργία.
Όταν η αγορά διορθωθεί ή όταν σκάσει η επενδυτική φούσκα, πολλές εταιρείες AI θα κλείσουν, θα συγχωνευθούν ή θα απορροφηθούν από μεγαλύτερες.
Τότε θα αρχίσει η πραγματική μάχη για την αποδοτικότητα.
Τι θα συμβεί μετά το σκάσιμο της φούσκας
Μετά από μια μεγάλη οικονομική διόρθωση, οι εταιρείες δεν θα μπορούν πλέον να ξοδεύουν απεριόριστα ποσά για κάθε απάντηση που δημιουργεί ένα μοντέλο.
Θα αναγκαστούν να περιορίσουν:
την κατανάλωση ενέργειας,
τη χρήση πανάκριβων chips,
το κόστος των data centers,
την άσκοπη επανάληψη υπολογισμών,
και την εκπαίδευση μοντέλων που προσπαθούν να απομνημονεύσουν όλο το διαδίκτυο.
Η νέα αρχιτεκτονική θα βασίζεται πιθανότατα σε:
μικρότερους γενικούς εγκεφάλους,
εξωτερικές βιβλιοθήκες,
εξειδικευμένους πράκτορες,
τοπική λειτουργία στις συσκευές,
προσωρινή αποθήκευση συχνών απαντήσεων,
εργαλεία για μαθηματικά, κώδικα και έρευνα,
και πρόσβαση σε μεγάλα cloud μοντέλα μόνο όταν είναι πραγματικά απαραίτητο.
Οι σημερινές τεράστιες εταιρείες AI μπορεί τελικά να μετατραπούν σε απλές υπηρεσίες ή εφαρμογές μέσα στο κινητό.
Ο χρήστης δεν θα ενδιαφέρεται ποιο μοντέλο εκτέλεσε την εργασία. Θα χρησιμοποιεί έναν προσωπικό βοηθό που θα επιλέγει αυτόματα τον καλύτερο εγκέφαλο, την καλύτερη πηγή και το κατάλληλο εργαλείο.
Από τα data centers στο κινητό
Η καθημερινή τεχνητή νοημοσύνη του μέλλοντος πιθανότατα θα λειτουργεί κυρίως τοπικά.
Το κινητό θα διαθέτει:
έναν μικρό προσωπικό εγκέφαλο,
τη μνήμη και τις προτιμήσεις του χρήστη,
πρόσβαση στα προσωπικά του αρχεία,
μικρές εξειδικευμένες μονάδες,
και σύνδεση με εξωτερικές βιβλιοθήκες γνώσης.
Οι απλές εργασίες θα γίνονται στη συσκευή:
συνομιλία,
μετάφραση,
περίληψη,
αναζήτηση σε προσωπικά έγγραφα,
οργάνωση,
βασική δημιουργία περιεχομένου,
και καθημερινές ενέργειες.
Μόνο τα πραγματικά δύσκολα προβλήματα θα μεταφέρονται σε μεγάλα υπολογιστικά συστήματα.
Έτσι θα μειωθούν:
το κόστος,
η καθυστέρηση,
η κατανάλωση ενέργειας,
η ανάγκη αποστολής προσωπικών δεδομένων,
και η εξάρτηση από μία συγκεκριμένη εταιρεία.
Η τελική μορφή της τεχνητής νοημοσύνης
Η τεχνητή νοημοσύνη του μέλλοντος δεν χρειάζεται να είναι ένας γιγαντιαίος εγκέφαλος που γνωρίζει τα πάντα.
Χρειάζεται να είναι ένας έξυπνος οργανωτής που γνωρίζει:
πού βρίσκεται η γνώση,
πώς αποκτά πρόσβαση σε αυτή,
ποια πηγή είναι αξιόπιστη,
ποιον ειδικό πρέπει να χρησιμοποιήσει,
πώς να συνδυάσει διαφορετικές πληροφορίες,
και πώς να ελέγξει αν η τελική λύση είναι σωστή.
Το μελλοντικό μοντέλο μπορεί να συνοψιστεί σε μία φράση:
Ένας εγκέφαλος, πολλοί ειδικοί, μία παγκόσμια βιβλιοθήκη και δίκαιη πληρωμή για την ιδιωτική γνώση.
Η δημόσια γνώση θα είναι ελεύθερη. Η ιδιωτική γνώση θα πληρώνεται ανάλογα με τη χρήση της. Οι δημιουργοί θα αποζημιώνονται. Οι απαντήσεις θα συνοδεύονται από πραγματικές πηγές. Τα μοντέλα θα γίνουν μικρότερα και αποδοτικότερα.
Η σημερινή λογική των τεράστιων data centers, της υπερβολικής κατανάλωσης ενέργειας και της αδιάκοπης εκπαίδευσης δεν είναι η τελική μορφή της τεχνητής νοημοσύνης.
Είναι απλώς το πρώτο, ακριβό και υπερβολικά ενεργοβόρο στάδιο.
Όπως οι πρώτοι υπολογιστές μετατράπηκαν από ολόκληρα εργοστάσια σε συσκευές που χωρούν στην τσέπη, έτσι και η τεχνητή νοημοσύνη θα μετακινηθεί από τα τεράστια data centers σε μικρούς, αποδοτικούς εγκεφάλους που θα χρησιμοποιούν την παγκόσμια γνώση μόνο όταν τη χρειάζονται.
Και ίσως το σκάσιμο της σημερινής οικονομικής φούσκας να είναι ακριβώς αυτό που θα αναγκάσει την αγορά να εγκαταλείψει τη λογική της υπερβολής και να στραφεί στη σωστή αρχιτεκτονική.