10 ძირითადი მიზეზი, რის გამოც AI ღამით წავიდა - და რა ხდება შემდეგ
არც ისე დიდი ხნის წინ, AI ფუტურისტულ იდეას ჰგავდა. ახლა, ეს ყველაფერია. რა მოხდა?
ეს AI რამ მართლაც სწრაფად ამოიწურა, არა? თითქმის ისეა, როგორც ჩვენ დავაჯამეთ რამდენიმე ავარიული უცხო კოსმოსური ხომალდი მოწინავე ტექნოლოგიისთვის და ეს არის ის, რაც მივიღეთ. მე ვიცი, რომ ძალიან ბევრს ვუყურებდი * Stargate *.
მაგრამ ჰიპერ-სიჩქარის <სპანის კლასი="c-commerceLink"> გენეტიკური AI- ის chasm ეფექტების გადაკვეთა რეალურია. გენეტიკური AI, ისეთი ინსტრუმენტებით, როგორიცაა ChatGPT, 2023 წლის დასაწყისში მსოფლიოს ძლიერად მოხვდა. უეცრად, ბევრი გამყიდველი აერთიანებს AI მახასიათებლებს მათ პროდუქტებში და ჩვენი სამუშაო პროცესის ნიმუშები მნიშვნელოვნად შეიცვალა.
როგორ მოხდა ეს ასე სწრაფად, არსებითად გარდაქმნა მთელი ინფორმაციული ტექნოლოგიების ინდუსტრია ღამით? რამ შესაძლებელი გახადა ეს და რატომ მოძრაობს ასე სწრაფად?
ამ სტატიაში მე ვუყურებ ათ ძირითად ფაქტორს, რამაც ხელი შეუწყო გენეტიკური AI- ის აბსოლუტურ სწრაფ წინსვლას და მის მიღებას ჩვენს ტექნოლოგიურ დასტასა და სამუშაო დღის პრაქტიკაში.
როგორც ვხედავ, AI ინსტრუმენტების სწრაფი ზრდა, როგორიცაა ChatGPT და მათი ფართო ინტეგრაცია, ორ ძირითად ფაზაში მოვიდა. დავიწყოთ I ფაზით.
I ფაზა: ფუნდამენტური ინოვაციები
მკვლევარები ათწლეულების განმავლობაში მუშაობენ AI-თან. მე 20 წელზე მეტი ხნის წინ გავაკეთე ჩემი დისერტაციის ერთ-ერთი პროექტი AI- ზე, დავიწყე AI პროდუქტები 1990-იან წლებში და ვმუშაობდი AI ენებთან მანამ, სანამ კოდირებას ვატარებდი.
მაგრამ მიუხედავად იმისა, რომ ეს ყველაფერი AI იყო, ის წარმოუდგენლად შეზღუდული იყო იმის შედარებით, თუ რისი გაკეთება შეუძლია ChatGPT- ს. რამდენადაც მე ვმუშაობდი AI- სთან მთელი ჩემი საგანმანათლებლო და პროფესიული კარიერის განმავლობაში, მე ფეხდაფეხ დავუბრუნდი ChatGPT- ს და მის ძმებს.
რჲგა ვ ფაზნა I. 2020-იან წლებში აღინიშნა ფუნდამენტური AI ინოვაციების ეპოქა, რომელმაც AI აიღო კონკრეტული პრობლემების გადაჭრისგან, ძალიან ვიწრო დომენებში მუშაობის უნარით, თითქმის ყველაფერზე მუშაობის შესაძლებლობით. ამ ფაზაში სამი ძირითადი ფაქტორია.
1. ტრანსფორმატორის მოდელებში მიღწევები
მიუხედავად იმისა, რომ AI ათწლეულების განმავლობაში იკვლევდა და იყენებდა, ამ დროის უმეტესობისთვის მას ჰქონდა ღრმა შეზღუდვები. AI- ების უმეტესობა წინასწარ უნდა გაწვრთნილიყო კონკრეტული მასალებით, ექსპერტიზის შესაქმნელად.
მაგალითად, 1990-იანი წლების დასაწყისში მე გავაგზავნე საექსპერტო სისტემაზე დაფუძნებული პროდუქტი, სახელწოდებით *House Plant Clinic*, რომელიც სპეციალურად გაწვრთნილი იყო სახლის მცენარეთა ქალბატონებსა და საშუალებებზე. ეს ძალიან სასარგებლო იყო, სანამ ქარხანა და მასთან დაკავშირებული ქალბატონები იყვნენ ტრენინგის მონაცემებში. ნებისმიერი სიტუაცია, რომელიც ამ მონაცემების მიღმა დაეცა, სისტემის ცარიელი იყო.
AI- ებმა ასევე გამოიყენეს ნერვული ქსელები, რომლებსაც ერთდროულად ამუშავებდნენ სიტყვები, რამაც AI- ს გაუჭირდა იმის გაგება, თუ რა განსხვავებაა "მდინარის ნაპირს" და "ნაპირს ქალაქის ცენტრში".
მაგრამ 2017 წელს Google- მა გამოაქვეყნა ნაშრომი სახელწოდებით "ყურადღება არის ყველაფერი რაც გჭირდებათ". მასში მათ შემოგვთავაზეს მოდელი სახელწოდებით "თვითაქცევი", რომელიც საშუალებას აძლევს AI- ს ფოკუსირება მოახდინოს იმაზე, თუ რას ამოიცნობენ მნიშვნელოვან სიტყვებად, რაც საშუალებას აძლევს AI- ს ერთდროულად დაამუშაოს მთელი წინადადებები და აზრები. ამ "ყურადღების მექანიზმების ტრანსფორმაციამ" საშუალება მისცა API- ს გაეგო კონტექსტი (მაგალითად, წინადადებაში "ბანკი" ეხება მდინარის მხარეს ან შენობას, რომელიც ფულს ფლობს).
2. ფართოდ მომზადებული საძირკვლის მოდელები
ტრანსფორმატორის მიდგომამ მკვლევარებს საშუალება მისცა გაწვრთნათ AI- ები ინფორმაციის ფართო კოლექციებზე და თავად ინფორმაციის კონტექსტის განსაზღვრა.
ეს იმას ნიშნავდა, რომ Y- ს შეეძლო მასშტაბირება თითქმის ყველაფერზე, რამაც საშუალება მისცა მოდელებს, როგორიცაა OpenAI- ს GPT-3.5 და GPT-4, ემუშავათ ცოდნის ბაზებით, რომლებიც მოიცავდა პრაქტიკულად მთელ ინტერნეტს და დაბეჭდილი წიგნებისა და მასალების უზარმაზარ კოლექციებს.
ეს მათ თითქმის უსასრულოდ ადაპტირებადს ხდის და შეუძლია რეალურ სამყაროში ინფორმაციის უზარმაზარი მასივების გაყვანა. ეს იმას ნიშნავდა, რომ API- ების გამოყენება შეიძლებოდა თითქმის ნებისმიერი პროგრამისთვის და არა სპეციალურად შექმნილი ინდივიდუალური პრობლემების გადასაჭრელად. მიუხედავად იმისა, რომ ჩვენ თვეების განმავლობაში ვვარჯიშობდით * სახლის მცენარეთა კლინიკა * მცენარეთა მონაცემებზე, ChatGPT, Google Gemini და Microsoft Copilot შეიძლება ყველა დიაგნოსტიკა სახლის მცენარეთა პრობლემები (და ა.შ.) სპეციალიზებული ტრენინგის გარეშე.
ერთი გოჩა იყო კითხვა, თუ ვინ ფლობს ყველა ამ სასწავლო მონაცემს? ამჟამად მიმდინარეობს მრავალი სარჩელი ხელოვნური ინტელექტის მოვაჭრეების წინააღმდეგ საავტორო უფლებებით დაცული წყაროებიდან ტრენინგის (და გამოყენების) მონაცემების მისაღებად. ამან შეიძლება შეზღუდოს დიდი ენის მოდელებისთვის ხელმისაწვდომი მონაცემები და შეამციროს მათი სარგებლობა.
კიდევ ერთი საკითხი, რომელიც გამოიყენება უსასრულოდ მასშტაბური ტრენინგის მონაცემებთან, არის ის, რომ ამ ინფორმაციის დიდი ნაწილი არ არის დამოწმებული. მე ვიცი, რომ ეს ყველას სიურპრიზია, მაგრამ ინტერნეტში გამოქვეყნებული ინფორმაცია ყოველთვის არ არის ზუსტი, შესაბამისი ან თუნდაც საღი. მოვაჭრეები მუშაობენ მცველების გასაძლიერებლად, მაგრამ ჩვენ ადამიანები არც კი ვართ დარწმუნებული, რა ითვლება მიზანშეწონილად. უბრალოდ ჰკითხეთ ორ ადამიანს, რომლებსაც ძალიან განსხვავებული პერსპექტივები აქვსთ, რა არის სიმართლე და ნახავთ რას ვგულისხმობ.
3. გარღვევა აპარატურაში (GPU და TPUs)
2020-იანი წლების დასაწყისისთვის არაერთმა კომპანიამ და კვლევითმა გუნდმა შეიმუშავა პროგრამული სისტემები ტრანსფორმატორის მოდელისა და მსოფლიო მასშტაბის სასწავლო მონაცემთა ბაზების საფუძველზე. მაგრამ ყველა იმ წინადადების მასშტაბის ტრანსფორმაციის გამოთვლები მოითხოვდა უზარმაზარ გამოთვლით შესაძლებლობებს.
ეს არ იყო მხოლოდ საჭიროება, რომ შეძლო მასიურად პარალელური და მატრიქსის ოპერაციების შესრულება მაღალი სიჩქარით, ეს ასევე იყო ამის გაკეთება, ხოლო ენერგიისა და გაგრილების ხარჯების ბუნდოვნად პრაქტიკულ დონეზე შენახვა.
ადრე აღმოჩნდა, რომ NVIDIA- ს სათამაშო GPU- ს შეეძლო AI- ს მიერ საჭირო მატრიქსის ოპერაციები (სათამაშო გაწევა ასევე მძიმედ მატრიქსის საფუძველზე). მაგრამ შემდეგ, NVIDIA- მ შეიმუშავა თავისი Ampere და Hopper სერიის ჩიპები, რამაც არსებითად გააუმჯობესა როგორც შესრულება, ასევე ენერგიის გამოყენება.
ანალოგიურად, Google- მა შეიმუშავა თავისი TPU (Tensor Processing Units), რომლებიც სპეციალურად შექმნილია AI სამუშაო ნაკადების მოსაგვარებლად. Microsoft-მა და Amazon-მა ასევე შეიმუშავეს მორგებული ჩიპები (Maiaand Graviton), რათა დაეხმარონ მათ ხელოვნური ინტელექტის მონაცემთა ცენტრების შექმნაში.
ამ უზარმაზარი AI-ჩიპზე ორიენტირებული მონაცემთა ცენტრების სამი ძირითადი გავლენა იქონია:
- მსოფლიო მასშტაბის ტრენინგი ხელმისაწვდომი გახდა, ყოველ შემთხვევაში, ყველაზე დიდი მოთამაშეებისთვის.
- AI შესაძლებლობები შეიძლება გამრიცხველიანდეს და გაიყიდოს SaaS მოდელის საშუალებით, რაც AI- ს ხელმისაწვდომს ხდის ბიზნესის უმეტესობისთვის.
- ხელოვნური ინტელექტის დამუშავების სიჩქარე სწრაფად გაიზარდა, რაც საშუალებას იძლევა რეალურ დროში და რეალურ დროში მონაცემთა AI ანალიზის დაწყება (რაც აღმოჩნდა მისიის კრიტიკული თვითმართვის მანქანებისთვის).
II ფაზა: ბაზრის ძალები მართავენ შვილად აყვანას
ეჲბპვ, ჟვდა თმამვ პაბჲრა. რა შეიძლება ითქვას ამაზე? ვგულისხმობ, რამდენჯერ აწარმოებს საინჟინრო გუნდმა პროდუქტი ან შესაძლებლობა, რომელიც ფიქრობდა, რომ რევოლუციური იყო, მხოლოდ მათი სამუშაო გამომუშავება იღუპება პრაქტიკულობის ან ბაზრის მიღების არარსებობის გამო?
მაგრამ აქ, ახლა, გენეტიკური AI- ით, ბაზრის ძალები არიან ის, რაც რეალურ ცვლილებას იწვევს. მოდით ჩავუღრმავდოთ კიდევ შვიდი ძირითადი ფაქტორი.
4. ChatGPT ყველასთვის და API წვდომა
და შემდეგ მოვიდა ChatGPT. ეს სასაცილო სახელია და ცოტა დრო დასჭირდა, რომ უმეტესობამ ისწავლოს. ChatGPT სიტყვასიტყვით ნიშნავს ჩეთის პროგრამას, რომელიც არის გენეტიკური, წინასწარ მომზადებული და იყენებს ტრანსფორმატორის ტექნოლოგიას. მაგრამ მიუხედავად იმისა, რომ მხოლოდ geek შეიძლება მიყვარს, 2023 წლის დასაწყისში, ChatGPT გახდა ყველა დროის ყველაზე სწრაფად მზარდი აპლიკაცია.
OpenAI გააკეთა ChatGPT უფასო ყველასთვის გამოსაყენებლად. რა თქმა უნდა, იყო გამოყენების შეზღუდვები უფასო ვერსიაში. ასევე იყო მარტივი (ან უფრო მარტივი) გამოყენება, ვიდრე Google ძებნა. ყველაფერი რაც თქვენ უნდა გააკეთოთ იყო გახსენით საიტი და ჩაწერეთ თქვენი მოთხოვნა. ეს არის. და სამი ინოვაციების გამო, რომლებიც ადრე განვიხილეთ, ChatGPT- ის რეაგირების ხარისხი განსაცვიფრებელი იყო. ყველამ, ვინც ეს სცადა, მოულოდნელად მიხვდა, რომ მომავალს შეეხო.
შემდეგ, OpenAI- მ გახსნა ChatGPT მოდელები სხვა პროგრამისტებს API- ს საშუალებით. ყველა პროგრამისტს სჭირდებოდა სწავლის შაბათ-კვირა და საკრედიტო ბარათის ნომერი, რათა დაამატოთ მსოფლიოში ცვალებადი AI ნებისმიერ პროგრამაში. API ზარის ღირებულება არ იყო ბევრად მეტი, ვიდრე ნებისმიერი სხვა კომერციული API- სთვის, რაც მოულოდნელად ნიშნავდა, რომ AI იყო ძალიან გახმაურებული, მარტივი დამატება, რომელსაც შეეძლო კომპანიის პროდუქციის ხაზის გაფართოება სუპერ ცხელი ახალი შემოსავლის წარმომქმნელი სერვისით.
ბარიერი შესვლისთვის? რა ბარიერი უნდა შემოსვლა?
5. ღია წყაროს აჩქარება
მიუხედავად იმისა, რომ გამყიდველის მიერ მხარდაჭერილ API- ებს, როგორიცაა OpenAI- სგან, შეუძლიათ მნიშვნელოვნად შეამცირონ დრო ბაზარზე, მათ ასევე შეუძლიათ გამოიწვიონ გამყიდველის ჩაკეტვა. საკუთრების ტექნოლოგიებზე სრული დამოკიდებულების თავიდან ასაცილებლად, ღია წყაროს საზოგადოებამ დიდი გავლენა მოახდინა AI- ს.
ღია კოდის მოდელები (LLaMa, სტაბილური დიფუზია, Falcon, Bloom, T5 და ა.შ.) უზრუნველყოფს არაქმედუნარიან და თვითმასანსებულ AI შესაძლებლობებს დიდი ტექნოლოგიის მონოპოლიებზე დაყრდნობით. ღია წყარო ასევე დემოკრატიზაციას უკეთებს AI- ს, რაც დეველოპერებს საშუალებას აძლევს შექმნან AI გადაწყვეტილებები მცველების გარეთ მდებარე ტერიტორიებისთვის, დიდი მოდელის პროვაიდერები ვალდებულნი არიან შეინარჩუნონ ფუნქციონირება.
პლატფორმები, როგორიცაა Hugging Face- დან, უზრუნველყოფს ადვილად გამოსაყენებელი და ადვილად ტესტის ინსტრუმენტებს, რომლებიც საშუალებას აძლევს სხვადასხვა უნარის დონის დეველოპერებს სწრაფად მოახდინონ AI ინტეგრირება თავიანთ პროექტებში.
შემდეგ, რა თქმა უნდა, არსებობს ღია წყაროს კლასიკური სარგებელი: ფართომასშტაბიანი თანამშრომლობა, უწყვეტი გაუმჯობესება, საზოგადოების მიერ გენერირებული და დამოწმებული ოპტიმიზაცია და ახალი ფუნქციების დანერგვა, მათ შორის ძალიან ბუნდოვანი, რომ მომგებიანი იყოს დიდი გამყიდველისთვის, მაგრამ აუცილებელია გარკვეული პროექტებისთვის.
ეს ყველაფერი აძლევს ყველა ზომის ბიზნესს, მკვლევარს და ღამის და შაბათ-კვირას დეველოპერებს შესაძლებლობას დაამატონ AI თავიანთ პროექტებში, რაც, თავის მხრივ, აჩქარებს AI შვილად აყვანას აპლიკაციის გამოყენების ფართო სპექტრში.
6. სამომხმარებლო და საწარმოს მოთხოვნა
საქმე იმაში იყო, რომ გენეტიკური AI არ იყო მხოლოდ აჟიოტაჟი. იგი მუშაობდა და უზრუნველყოფდა ღირებულებას. წერის დახმარებისგან განცალკევებით (რომელსაც ZDNET პოლიტიკა კრძალავს მისი მწერლებისთვის), მე დავაფიქსირე 15 სხვადასხვა გზა AI დამეხმარა tangibly მხოლოდ 2024 წელს.
ეს გამოყენება მერყეობდა პროგრამირებისა და გამართვის დახმარებით ფოტოების დაფიქსირებაში, ზემოთ ნახსენები სენტიმენტების ანალიზის გაკეთებაში, ალბომების გარეკანების შესაქმნელად, ჩემი მეუღლის ელექტრონული კომერციის მაღაზიისთვის ყოველთვიური სურათების შესაქმნელად, ვიდეო კლიპებში მოძრავი ნიღბების შესაქმნელად, ცუდი აუდიოს დასუფთავებისთვის, გადაღების დროს თვალყურის დევნება, პროექტის კვლევის ჩატარება, ბევრად უფრო.
თ ნვ ჟყმ ჟამ. მცირე და მსხვილმა ბიზნესმა, ისევე როგორც სტუდენტებმა და ინდივიდუალურმა კონტრიბუტორებმა, ყველამ შენიშნა, რომ გენეტიკური AI შეიძლება დაეხმაროს რეალურს. არა მხოლოდ AI კომპანიების შეფასებები გაიზარდა, არამედ მომხმარებლებმა რეალურად შეიძინეს - და ნამდვილად გამოიყენეს - AI ინსტრუმენტები, რომლებიც მოულოდნელად გახდა ხელმისაწვდომი.
7. ვირუსულობა და ქსელის ეფექტები
წლების განმავლობაში, ათწლეულების განმავლობაში, AI შორს იყო მეინსტრიმისგან. რა თქმა უნდა, ვიდეო თამაშებში შეზღუდული იყო API. აშენდა საექსპერტო სისტემები, რამაც ხელი შეუწყო კონკრეტული პრობლემების მოგვარებას ზოგიერთი კომპანიისთვის. იყო ბევრი დაპირება და კვლევა. მაგრამ როდესაც საქმე "მაჩვენე ფული", არასოდეს ყოფილა აბსოლუტური ანაზღაურება, რომელიც სვავის კაპიტალისტებს და მათ ilk- ს ტექნიკური ინვესტიციებისგან მოითხოვდა.
შემდეგ, უეცრად, დეიდა მარჯი საუბრობდა ChatGPT- ზე ოჯახური შეკრებების დროს. AI იყო რამ, ეს იყო გასაოცარი და ოჰ-ჩემი-გოში, რისი გაკეთებაც შეეძლო. ჱნავქვ ლთ, ფვ მჲზვქ ეა დჲგჲპთქ კარჲ ოთპა? იცოდით, რომ შეგიძლიათ დაწეროთ * Star Trek * ამბავი? იცოდით, რომ მას შეუძლია გააანალიზოს თქვენი siloed ბიზნეს მონაცემები და მოგცეთ სენტიმენტების ანალიზი წუთებში ცოტა პროგრამირების გარეშე? და იცოდით, რომ მას შეეძლო დაეწერა კოდი, რომელიც მუშაობდა?
რამდენიმე თვის განმავლობაში, ChatGPT გახდა ყველა დროის ყველაზე სწრაფად მზარდი აპლიკაცია, რომელსაც 100 მილიონი აქტიური მომხმარებელი მოხვდა. ერთი წლის შემდეგ, ეს გაორმაგდა 200 მილიონ აქტიურ მომხმარებელზე.
8. კონკურენტული ბაზრის წნევა
მოულოდნელად, AI იყო სათაური, ვიდრე geeky მეზობლის პიროვნების ნიშანი, რომელსაც თქვენ სთხოვთ თქვენი კომპიუტერის გამოსწორებას, მაგრამ ნამდვილად გირჩევნიათ, რომ ისინი წავიდნენ მას შემდეგ, რაც კომპიუტერი კვლავ მუშაობდა და ისინი გადაიხადა ახალ გამომცხვარ ფუნთუშებში.
უცნაურად სპეციფიკური ანალოგები ჩემი geeky წარსულის შესახებ, AI აშკარად შესაძლებლობა იყო. OpenAI მოულოდნელად მილიარდობით ღირდა და როგორც ჩანს, Google, Microsoft, Meta, Amazon, Apple და ყველა დანარჩენი დარჩა.
საინვესტიციო და ლიცენზირების გარიგებები ყველგან იყო და AI აცხობდნენ მეინსტრიმულ პროდუქტებში, როგორც ბონუს ფუნქციას, ან (ბევრად უფრო გავრცელებული) ძალიან ლამაზი გაყიდვა ყოველთვიური ანუიტეტისთვის. Microsoft- ს ჰქონდა Copilot, Google- ს ჰქონდა ტყუპები, მეტას ჰქონდა Meta AI, Amazon- ს ჰქონდა Q და Apple... საბოლოოდ ჰქონდა Apple Intelligence (რაც არ უნდა ღირდეს).
9. საკანონმდებლო და მარეგულირებელი ჩამორჩენა
ამ ახალმა AI ბუმმა მიიღო ველური, ველური დასავლეთის მახასიათებლები. მთავრობები უბრალოდ ცდილობდნენ თავიანთი თავების აღებას იმის გარშემო, რაც იყო ეს ყველაფერი და იყო თუ არა ეს უზარმაზარი ეკონომიკური შესაძლებლობა თუ ეგზისტენციალური საფრთხე. მინიშნება: ეს ორივეა.
აშშ-ს მთავრობამ შექმნა გარკვეული გეგმები AI ზედამხედველობისთვის, მაგრამ ისინი საუკეთესო შემთხვევაში იყვნენ. AI გამყიდველებმა გააფრთხილეს კატასტროფა, თუ AI არ არის რეგულირებული. საავტორო უფლებების საკითხებზე სასამართლო პროცესები ართულებს საკითხებს. შემდეგ, ახალმა ადმინისტრაციამ შეცვალა თამაში, აქცენტი არსებითად შემცირებულ რეგულაციაზე.
ეს ყველაფერი ხსნის კარს AI კომპანიებისთვის და ბიზნესისთვის, რომლებიც იყენებენ AI- ს ახალი შესაძლებლობების ინოვაციისა და დანერგვისთვის. ეს შესანიშნავია სწრაფი ზრდისა და ინოვაციისთვის, მაგრამ ეს ასევე ნიშნავს, რომ ტექნოლოგია მუშაობს მცველების გარეშე. ეს ნამდვილად აძლიერებს AI ტექნოლოგიის მეინსტრიმინგს, მაგრამ ის ასევე შეიძლება იყოს ძალიან, ძალიან ბააადი.
10. უწყვეტი ინოვაცია და ინვესტიცია
ასე რომ, შემდეგ ჩვენ მივიღებთ ჩვენი დისკუსიის გამრეცხვის-განმეორებით ფაზას. AI არსად მიდის. ყველა თვითშესრულებული წინასწარმეტყველება ახალ ინოვაციას აძლიერებს, რადგან ისინი რეალურად მუშაობენ. ძირითადი კომპანიები აგრძელებენ არა მხოლოდ მილიარდ დოლარიანი ფსონების დადებას ტექნოლოგიაზე, არამედ გვთავაზობენ დამაჯერებელ პროდუქტებსა და სერვისებს, რომლებსაც შეუძლიათ რეალური ღირებულება მიაწოდონ თავიანთ მომხმარებლებს.
უფრო და უფრო მეტი კომპანია და ფიზიკური პირი ინვესტიციას ახორციელებს AI სტარტაპებსა და მიმდინარე სერვისებში. ჩვენ ვხედავთ გარღვევებს, როგორიცაა მულტიმოდალური AI ტექსტით/სურათებით/ვიდეო/აუდიოთი, ავტონომიური აგენტებით და AI- ებითაც კი, რომლებიც გამოიყენება AI- ების კოდისთვის.
უახლოესი მაგალითი, რომელიც შემიძლია ვიფიქრო ამ სათნო ციკლზე, იყო 2000-იანი წლების შუა პერიოდის აპლიკაციის ეკონომიკა. მონაცემთა სიჩქარე საკმარისად სწრაფი და ხელმისაწვდომი გახდა ტელეფონებისთვის, რომ ყოველთვის იყოს დაკავშირებული ინტერნეტთან, სტარტაპებმა შესთავაზეს აპლიკაციების სერვისები, რომლებიც აღმოჩნდა, რომ ძალიან ღირებული აღმოჩნდა, ეს კომპანიები გაიზარდა უზარმაზარი და განაგრძობდნენ მომსახურების შეთავაზებას და უფრო და უფრო მეტ ინვესტიციას მობილური პირველი გამოთვლით, როგორც მომხმარებლებისთვის, ასევე მწარმოებლებისთვის.
ძალიან სავარაუდოა, რომ სათნო ციკლი ასევე მართავს AI ინოვაციას და წარმოებას, რაც გენერაციულ AI- ს და სხვა AI- ზე დაფუძნებულ სერვისებს ძალიან უბიძგებს მეინსტრიმში, სადაც ნაკლებად სავარაუდოა, რომ ოდესმე წავიდეს.
III ფაზა: მომავალი
როდესაც 1980-იან წლებში კოლეჯში წავედი და კომპიუტერულ მეცნიერებაში სპეციალობით, დედაჩემმა თქვა, რომ ჩემგან მხოლოდ კომპიუტერი იყო, რომელიც იატაკებს ვაკუუმი იქნებოდა. ახლა, ჩვენ გვაქვს პატარა რობოტების ფართო სპექტრი, რომლებიც გამოდიან და სწორედ ამას აკეთებენ. ამ დილით, ყავის მიღებისას, მე შევეხე "ვაკსა და მოპ საძინებელს" და უოლი ნარვალმა სწორედ ეს გააკეთა.
ჩემი ოცნებაა, რომ შემიძლია ვთქვა: "ალექსა, მომიტანე ყავა" და მაქვს მოწყობილობა, რომელიც რეალურად მაიძულებს ფინჯან ყავას და მომიტანოს, სანამ აქ ვწერ. ნვ ჟვ ჟმვი. იქნება ეს Tesla, Apple თუ Meta, რეალური სამუშაო ახლა კეთდება ჰუმანოიდ რობოტებზე.
იმის გათვალისწინებით, თუ რამდენჯერ იშლება ჩემი Alexa და რამდენჯერ ChatGPT ქმნის ნივთებს სახის გადასარჩენად, ზუსტად არ ვარ დარწმუნებული, რომ ჩემს მისაღები ოთახში ან ოფისში რობოტის ქონა კარგი იდეაა. ნჲ თჟკამ კატვ.
Ადევნეთ თვალყური. ბოლო ორი წელი ველური გასეირნება იყო და ეჭვი მაქვს, რომ მხოლოდ დასაწყისი ვნახეთ.
როგორ ფიქრობთ, რა იყო ყველაზე მნიშვნელოვანი ფაქტორი ხელოვნური ინტელექტის სწრაფ მიღებაში? ჩართეთ AI ინსტრუმენტები, როგორიცაა ChatGPT თქვენს ყოველდღიურ სამუშაო პროცესში? თუ ასეა, როგორ შეცვალეს მათ თქვენი მუშაობის ან შექმნის გზა?
ხედავთ AI- ს, როგორც გრძელვადიან თამაშის შეცვლას, ან ფიქრობთ, რომ ჩვენ ჰიპის ციკლის შუაგულში ვართ, რომელიც საბოლოოდ დასტაბილურდება? რაც შეეხება ეთიკურ და მარეგულირებელ საკითხებს? როგორ ფიქრობთ, ხელოვნური ინტელექტის განვითარება ძალიან სწრაფად მოძრაობს სათანადო ზედამხედველობისთვის? შეგვატყობინეთ ქვემოთ მოცემულ კომენტარებში.
თქვენ შეგიძლიათ მიჰყვეთ ჩემს ყოველდღიურ პროექტის განახლებებს სოციალურ მედიაში. დარწმუნდით, რომ გამოიწერეთ ჩემი ყოველკვირეული განახლების ბიულეტენი და გამომყევით Twitter/ X- ზე @DavidGewirtz, Facebook- ზე Facebook.com/DavidGewirtz, Instagram- ზე Instagram.com/DavidGewirtz- ზე, Bluesky- ზე @DavidGewirtz.com- ზე და YouTube- ზე YouTube.com/DavidGewirtzTV- ზე.