Spaudos centras
Spaudos centras
Gyvename dirbtinio intelekto psichozės laikais – stebime lenktynes, kuriose neaiškios nei taisyklės, nei starto ir finišo linijos. Nežinome, kada jos baigsis, tačiau aišku viena – šiandien svarbiausia pasirinkti strategiją ir judėti kryptingai, sako advokatas, „TGS Baltic“ partneris Mindaugas Civilka. Anot jo, Lietuva šiose lenktynėse užima aktyvaus stebėtojo vaidmenį, tačiau jau laikas būtų prisidėti prie pasirinkimų, kurie nulems netolimą ateitį.
Dirbtinio intelekto vystymas ir plėtra neįmanomas be trijų svarbiausių komponentų:
Kas laimės: duomenys, skaičiavimo našumas ar dirbtinio intelekto modeliai, o gal dirbtinio intelekto įrankiai? Net ir patys geriausi dirbtinio intelekto modeliai yra kaip mokiniai, kuriems reikalingi mokytojai ir vadovėliai.
Už ką „stato“ Jungtinės Valstijos?
Norint apmokyti dirbtinio intelekto modelius, neįmanoma išsiversti be skaičiavimo našumo – tam reikia ne tik patikimo skaičiavimo resurso (GPU), bet ir, žinoma, elektros energijos. Tad kurioje vietoje reikėtų dėti akcentą, kurio resurso kontrolė yra ilgalaikiai reikšminga ir lemia nepriklausomybę ir saugumą? Atsakymas į šiuos klausimus nulems pasirinktą verslo strategiją valstybės, sektoriaus, įmonės ir individo lygyje. Tarptautiniu lygiu ilgalaikėje perspektyvoje teisingas pasirinkimas nulems ne tik geopolitinę viršenybę, bet ir ekonominių procesų našumą.
Kokį kelią šiuo metu renkasi JAV? Remiantis tam tikrais požymiais, galima numanyti, jog šiuo metu Jungtinės Valstijos „stato“ už tas įmones, kurios valdo duomenų centrus, globalią mikroschemų ekosistemą ir energijos resursus.
Nenuostabu, kad artimiausioje perspektyvoje akcijų rinkose yra apdovanojamos ne tos įmonės, kurios ir plėtoja DI modelius, o tos, kurios vysto skaičiavimo ir GPU pajėgumus. Įmonių grupė, kuri DI lenktynėse šiuo metu akivaizdžiai pirmauja, yra mikroschemų gamintojai. Pavyzdys – kompanija „Nvidia“, valdanti pasaulinį mikroschemų plėtros ir gamybos potencialą. Beje, įdomu tai, kad pastaruoju metu „Nvidia“ investuoja ne tik į mikroschemų našumo (GPU) / galingumo didinimą, tačiau ir į energijos išteklių taupymą, optimalų jų panaudojimą. Tokio prioriteto priežastis – kylantys energijos kaštai ir prieinamumas JAV.
Palyginimui dėl įdomumo – Kinijoje jau šiuo metu pastebimas skaičiavimo resurso trūkumas, tačiau įtampa dėl elektros energijos prieinamumo – kur kas menkesnė. Taigi, tai matosi ir Kinijos DI plėtojančių įmonių elgesyje, kuris nukreiptas į savo duomenų centrų, GPU ir susijusio resurso apsaugą (pvz., kyla duomenų centrų kainos, kt., didieji duomenų centrų teikėjai nebeteikia resurso į rinką, nes jį rezervuoja sau ir pan.).
Atvirieji DI modeliai: JAV ir ES pozicijos skiriasi?
Kitas „lažybų kambarys“ dirbtinio intelekto lenktynėse – atviri dirbtinio intelekto modeliai prieš uždarus. Viena vertus, dirbtinio intelekto modelį atverti kitiems labai apsimoka: jis yra apmokomas visų bendruomenės narių, kurie įsitraukia į procesą; nemokamai yra taisomos klaidos, tobulinamas DI sprendimas.
Kurį variantą renkasi JAV – atviro kodo modelius ar uždarus? JAV laikosi nuomonės, kad bendrojo dirbtinio intelekto (ypač, jeigu jis susijęs su dideliais baziniais modeliais, kurie gali būti naudojami kitų – mažesnių modelių kūrimui ir plėtojimui), kodo atvėrimas gali būti laikoma grėsme nacionaliniam saugumui. Stambių ir didelių kalbos modelių kodo ir vidinės logikos (pvz., algoritmų svorių, pan.) atvėrimas gali būti nacionalinė grėsmė, ypač jeigu ja pasinaudos nedraugiškų šalių DI plėtotojai.
Visgi, ES laikomasi priešingos pozicijos – atviru kodu grindžiamos DI sistemos pačios savaime vertinamos palankiai, kadangi skatina inovacijas. Kuri pozicija teisinga? Kol atsakymo neturime, belieka testuoti ir išnaudoti viešai prieinamus klodus – bazinius DI modelius (tokius kaip Llama 2, Mistral 7B, Dolphin Phi, LLaVA, Gemma, kt.), bent jau tol, kol jie visiems prieinami.
Dėl įdomumo – Kinijos DI plėtotojai savo LLM apmokymui gana aktyviai naudojosi Llama ir kitais JAV sukurtais galingais LLM modeliais.
Ateitis priklauso dirbtinio intelekto asistentams
Ekspertų skaičiavimais, iki 2026-ųjų net 90 proc. interneto turinio bus sukurta DI ar kitu sintetiniu būdu. Kaip bendrausime su dirbtinio intelekto asistentais per ateinančius penkerius metus? Jau šiandien su tokiais asistentais bendraujame kone kasdien (Siri, Alexia, Pi), o ilgainiui elektroninėje erdvėje su pardavėjais, skaitmeninio turinio teikėjais, socialiniais tinklais komunikuosime tik per savo DI agentus.
Gyvo bendravimo internete nebeliks – prekes pirksime, valgiaraščius sudarinėsime, investuosime, susirinkimus organizuosime, keliones, viešbučius, skrydžius užsakysime, restoranus rezervuosime ne mes patys, o mūsų vardu veikiantys DI agentai. Jie yra ateitis ir didžiąją daugumą internete užduodamų klausimų spręs būtent jie.
DI reguliavime ES ir JAV pasirinko skirtingus kelius
Geriausias DI produktas, kurį iki šiol sukūrė ES, yra reguliavimas – Dirbtinio intelekto aktas. Skamba sarkastiškai, tačiau iš tikrųjų šiame kontekste ES pasiuntė itin stiprų signalą pasauliui ir globaliai rinkai – Europos Komisija taps DI super-reguliatoriumi, ES bus sukurtos pažangiausios DI elgesio taisyklės, o jų taikymas bei priežiūra sukurs nemažai naujų darbo vietų. Analogiško reguliavimo pavyzdys – BDAR, sukūręs detalų ir išsamiausią asmens duomenų apsaugos režimą, kurį suskubo kopijuoti likęs (Vakarų) pasaulis.
Tuo tarpu Jungtinės Valstijos žengia kiek kitu keliu – nors DI reguliuojamas ir ten, tačiau esminis skirtumas tas, jog JAV reguliavimas nėra vientisas, jis išsibarstęs po atskiras valstijas ir temas, sektorius. Be to, JAV DI reguliavimas dažniau atsiranda iš verslo ir visuomenės poreikio, kurio negali adresuoti savireguliacija, arba dėl viešojo intereso, nacionalinės grėsmės užtikrinimo.
Tad du klausimai – reguliuoti jį ar ne DI? Šis klausimas – tarsi amžina Fuko švytuoklė. Jeigu dirbtinio intelekto nereguliuosime, susidursime su sukčiavimais, nusikaltimais ir pan. O jeigu reguliuosime per daug, visuomenė piktinsis inovacijų stabdymu, kišimusi į verslą ir pan.
O ką šiose lenktynėse gali nuveikti Lietuva, neturinti nei skaičiavimo resursų, nei galinti apmokyti ar sukurti didelį kalbos modelį? Galimybės atsiveria kitur: dirbtinio intelekto mokymas, testavimas, pritaikymas, dokumentavimas, diegimas. Be to, kol didieji kalbos, vizualiniai modeliai atverti, imkime ir testuokime, imkime ir naudokime, imkime ir plėtokime bent tose srityse, kuriose turime istorinį pranašumą.