Yapay Zeka kuşağını benimseyenlerin neredeyse yarısı açık kaynak istiyor; işte nedeni bu
Yapay zeka ekonomisini 'inanılmaz derecede sağlıksız' olarak nitelendiren Kai-Fu Lee, Steve Jobs ve iPhone'dan ders almayı öneriyor.
Yapay zekanın ekonomisi, GPU çip üreticisi Nvidia dışında hemen hemen herkes için sürdürülemez ve tanınmış bir yapay zeka uzmanına göre bu, yeni alanın sürekli gelişimi açısından büyük bir sorun teşkil ediyor.
Kai-Fu Lee bu ayın başlarında özel bir tartışma forumunda "Ekosistem inanılmaz derecede sağlıksız" dedi. Lee, bir yanda Nvidia ve Google da dahil olmak üzere yapay zeka altyapısı üreticileri ile diğer yanda operasyonlarını yeniden icat etmek için yapay zekayı kullanması gereken uygulama geliştiricileri ve şirketler arasındaki kar eşitsizliğine değiniyordu.
Google ve Apple'da çalışmadan önce Microsoft Research Asia'nın kurucu direktörü olarak görev yapan Lee, BeaGo adında üretken bir yapay zeka arama motoru üreten 01.AI gibi yeni kurulan şirketlere fon sağlamak için mevcut şirketi Sinovation Ventures'ı kurdu.
Yapay Zeka uzmanı Kai-Fu Lee, Yapay Zeka kuşağının maliyetini düşürmek için şirketlerin, Apple'ın iPhone'da yaptığı gibi kendi dikey entegre teknoloji yığınlarını oluşturmaları gerektiğini söylüyor.
Lee'nin sözleri, kendisini "B2B satışlarını optimize etmek için tasarlanmış bir yapay zeka platformu" olarak tanıtan Collective[i] tarafından düzenlenen interaktif bir tartışma dizisi olan Collective[i] Forecast sırasında dile getirildi.
Lee'ye göre günümüzün yapay zeka ekosistemi Nvidia'dan ve daha az ölçüde Intel ve Advanced Micro Devices gibi diğer çip üreticilerinden oluşuyor. Çip üreticileri toplu olarak yapay zeka işlemeden yıllık çip satışlarından 75 milyar dolar elde ediyor. Lee, "Altyapı 10 milyar dolar, uygulamalar ise 5 milyar dolar kazanıyor" dedi. "Bu ters piramitte devam edersek bu bir sorun olacak" dedi.
Şu anda tüm parayı Nvidia gibi yarı iletken şirketler kazanıyor, ancak nihai faydalanıcı olması gereken şirketler (uygulama üreticileri ve kullanıcılar) çok az kar elde ediyor.
"Ters piramit", Lee'nin klasik teknoloji endüstrisi ekonomisinin benzeri görülmemiş tersine çevrilmesini tanımlamak için kullandığı ifadedir. Geleneksel olarak uygulama geliştiricileri, onları sağlayan çip ve sistem satıcılarından daha fazla para kazanıyor. Örneğin Salesforce, CRM uygulamalarından, CRM uygulamalarını bulutta çalıştıracak bilgisayarları ve çipleri üreten Dell ve Intel'den daha fazla para kazanıyor.
Lee, bu tür sağlıklı ekosistemlerin "uygulamaların daha başarılı olması, daha fazla kullanıcı getirmesi, uygulamaların daha fazla para kazandırması, altyapının gelişmesi, yarı iletkenlerin gelişmesi ve böyle devam etmesi için geliştirildiğini" söyledi. Lee, yalnızca bulutta değil, aynı zamanda Apple ve ARM'in şansının Facebook'un reklamcılık işi gibi "en üst sıralarda" kazananlar ürettiği mobil bilişimde de işlerin böyle yürüdüğünü söyledi.
Tam tersine, "Uygulamalar para kazandırmıyorsa, kullanıcılar o kadar fazla fayda elde edemiyorsa, o zaman verimli döngüyü oluşturmuyorsunuz demektir."
Günümüze dönersek Lee, uygulamanın dengesiz doğasından yakındı. Nvidia'nın pazarı. Yapay zeka uygulamalarına atıfta bulunarak, "Nvidia'nın daha fazla para kazanmasını isterdik, ancak uygulamalardan daha fazla para kazanamazlar" dedi.
Lee, bulut, kişisel bilgisayarlar ve mobil ekosistemlerinin geliştirilmesinin, Nvidia GPU'larına yapılan mevcut harcama oranlarıyla "bugün açıkça gerçekleşemeyeceğini" söyledi. Sağlıklı bir ekosistemin gelişmesi için "çıkarımın maliyetinin düşmesi gerektiğini" söyledi. "GPT-4o1 harika ama çok pahalı."
Ancak Lee etkinliğe bir uyarıdan çok daha fazlasıyla geldi ve talihsiz ekonomik gerçekliği çözebileceğini söylediği "pragmatik" bir tavsiye sundu. Üretken yapay zekanın maliyetini önemli ölçüde azaltmak için şirketlerin Apple'ın iPhone'da yaptığı gibi kendi dikey entegre teknoloji yığınlarını oluşturmalarını önerdi.
Lee'nin çarpıcı iddiası, en başarılı şirketlerin, Nvidia'ya güvenmek yerine, çipler de dahil olmak üzere üretken yapay zeka bileşenlerinin çoğunu kendileri üreten şirketler olacağı yönünde. Apple'dan Steve Jobs'un, teknolojinin fiyatların düşmesini beklemek yerine ekiplerini iPhone'un tüm parçalarını üretmeye nasıl zorladığını anlattı.
BeaGo'nun çabalarından Lee, "iPhone'dan ilham aldık" dedi. "Steve Jobs cesur davrandı ve donanımdan iOS'a, sürücülere ve uygulamalara kadar pek çok disiplinden insandan oluşan bir ekip kurdu ve bunların bir araya geleceğine karar verdi, ancak bunların hepsi endüstri standardı haline gelene kadar sabırsızlanıyorum çünkü o zamana kadar herkes bunu yapabilir" diye açıkladı Lee.
Lee, BeaGo uygulamasının OpenAI'nin GPT-4o1 veya Meta Platforms'un Llama 3'ü gibi standart bileşenler üzerine kurulmadığını söyledi. Daha ziyade, birlikte geliştirilen bir donanım ve yazılım koleksiyonu olarak bir araya getirildi.
Lee, arama motoru üreticisi Rhymes AI'nin, Gen AI çıkarımının maliyetini 50 kat azaltmak için kendi yazılım ve donanım yeniliklerini yaptığını söyledi.
Lee, "Dikey entegrasyon yoluyla, diğer çıkarım motorlarında mutlaka çalışmayan özel donanımlar tasarladık" diye açıkladı. Örneğin, tahmin yapmak için hâlâ bir GPU çipi kullanılırken, verilerin önbelleğe alınmasını optimize etmek için yüksek bant genişlikli bellek (HBM) olarak bilinen daha fazla ana bellekle geliştirildi.
BeaGo için kullanılan yazılım "genel bir model değildir." Lee, teknik ayrıntıları açıklamadan, üretken yapay zeka geniş dil modelinin "mutlaka en iyi model olmadığını, ancak yalnızca bu donanım üzerinde çalışan ve bu donanımda üstün olan bir çıkarım motoru gereksinimi göz önüne alındığında eğitilebilecek en iyi model olduğunu" söyledi. ve bu donanımdan çıkarım yapılacağını bildiği için eğitilmiş modeller."
Lee, sorgu sonuçlarını önbelleğe almak için donanım ve yeni veritabanı da dahil olmak üzere uygulamayı oluşturmanın BeaGo ve destekçilerine 100 milyon dolara mal olduğunu söyledi. "İlk ilkelere geri dönmeniz ve 'Olağanüstü derecede düşük maliyetlerle süper hızlı çıkarımlar yapmak istiyoruz, hangi yaklaşımı izlemeliyiz?' demeniz gerekiyor. "
Lee, BeaGo'nun bir soruya göz açıp kapayıncaya kadar tek bir yanıtı nasıl çağırabildiğini gösterdi. Yeni arama motorunun, Yahoo! gibi yerleşik motorlardan çok daha hızlı sonuçlar sağladığı Google'ın ilk günleriyle karşılaştırarak, "Hız her şeyi değiştirir" dedi.
Lee, Meta'nın Llama 3.01 405b gibi standart bir temel yapay zeka modelinin "bu senaryo için çalışmaya yaklaşamayacağını" söyledi. Lee, BeaGo'nun yalnızca daha yüksek bir çıkarım hızına (bir arama sorgusuna yanıt olarak bir tahmin döndürmek için gereken süre) ulaşmakla kalmayıp, aynı zamanda önemli ölçüde daha ucuz olduğunu söyledi.
Lee, OpenAI'nin GPT-4'ü gibi bir hizmeti kullanarak günümüzün standart çıkarım maliyetinin milyon token başına 4,40 dolar olduğunu belirtti. Bu, sorgu başına 57 sente denk geliyor; "hala çok pahalı, hala yapay zeka olmayan aramanın maliyetinden 180 kat daha pahalı" diye açıkladı Lee.
Maliyeti Google'ın sorgu başına bir sentin onda üçü olduğu tahmin edilen standart sorgu başına maliyetiyle karşılaştırıyordu.
BeaGo'nun sorguları sunma maliyeti "sorgu başına bir sente yakın" dedi ve "bu nedenle inanılmaz derecede ucuz."
Lee, BeaGo örneğinin "[AI] uygulama ekosistemini katalize etmek için olması gereken şeyin, en yeni OpenAI API'sini kullanarak burada oturarak değil, derinlere inip bunu yapmaya cesaret eden biri tarafından gerçekleşeceğini" gösterdiğini ileri sürdü. dikey entegrasyon."
Lee'nin günümüze dair sert bakış açısı, üretken yapay zekanın sonuçta PC, bulut ve mobil çağlar kadar verimli yeni bir ekosistemi mümkün kılacağına olan inancıyla çelişiyor.
Lee, "Önümüzdeki iki yıl içinde tüm uygulamalar yeniden yazılacak ve son kullanıcıya değer sağlayacak" dedi. "Daha önce var olmayan uygulamalar, daha önce var olmayan cihazlar, daha önce var olmayan iş modelleri olacak."
Lee, bu gelişimin her adımının "daha fazla kullanıma, daha fazla kullanıcıya, daha zengin verilere, daha zengin etkileşime ve daha fazla para kazanılmasına yol açacağını" söyledi. Bu kullanıcılar "daha iyi modeller talep edecek ve daha fazla iş fırsatı getirecekler" dedi.
"Mobil endüstrinin [başarılı bir ekosistem] inşa etmesi 10 yıl sürdü" dedi. "Bilgisayar endüstrisinin bunu inşa etmesi belki 20 yıl sürdü; sanırım Yapay Zeka kuşağıyla birlikte belki iki yıl."
Lee, üretken yapay zekanın başarılı bir şekilde devreye girmesi durumunda tüketici ve kurumsal kullanım durumlarının nasıl görüneceğine dair düşüncelerini sundu. Tüketiciler açısından günümüzün akıllı telefon modelinin büyük ihtimalle kullanımdan kalkacağını söyledi.
"Uygulama ekosistemi aslında sadece ilk adım çünkü cihazlarla konuşarak iletişim kurmaya başladığımızda, telefon artık gerçekten doğru şey değil çünkü her zaman dinleyen, her zaman açık olmak istiyoruz ve telefonlar değil."
Lee, uygulama mağazalarına gelince, "onlar ortadan kalkacak çünkü temsilciler istediğimiz şeyleri doğrudan yapacak, birçok uygulama ve e-ticaret - bu çok değişecek, ama bu daha sonra."
Lee'nin hipotezine göre, üretken yapay zekanın kurumsal kullanımına yönelik yol, şirketler içindeki iş gruplarının yerleşik yapısı ve bunları kullanacak alanların belirlenmesinin zorluğu gibi faktörler nedeniyle tüketici kullanım senaryosundan çok daha zor olacaktır. gerçekten yatırım getirisi elde edin.
"İşletmeler daha yavaş ilerleyecek" dedi, "çünkü CIO'ların Yapay Zeka Kuşağı'nın yapabilecekleri konusunda tam olarak bilgi sahibi olmaları ve bu konuda tam olarak bilgi sahibi olmaları gerekmiyor."
Lee, benzer şekilde, üretken yapay zekayı ERP ve CRM sistemlerinde depolanan verilere bağlamanın "çok ama çok zor" olduğunu söyledi. Lee, Gen AI uygulamasının "en büyük engelleyicisinin", "işleri tek bir şekilde yapmaya alışkın olan ve yeni teknolojik yaklaşımları benimsemeye hazır olmayan insanlar" olduğunu söyledi.
Lee, bu engellerin aşılabileceğini varsayarsak, Yapay Zeka Kuşağı'ndaki rutin süreçlerin otomatikleştirilmesi gibi ilk projelerin "başlamak için iyi yerler olduğunu ancak bunların en fazla değer yaratmak için en iyi noktalar olmadığını da söyleyebilirim.
"Sonuç olarak, şirketler için Yapay Zeka'nın, işletmenin çekirdek beyni haline gelmesi gerektiğini düşünüyorum, bu önemsiz şeyler değil. Bir enerji şirketi için asıl olan, petrol çıkarmak değil mi?" Lee teklif etti. "Bir finans kurumu için asıl önemli olan para kazanmaktır."
Sonuç olarak, "yalnızca sorunları çözmek için insanları işe almakla kalmayıp, aynı zamanda belirli işlevler için akıllı kurumsal yapay zekaya yetki veren daha küçük, daha zayıf bir lider grubu olması gerekir - işte o zaman en büyük anlaşmayı yapacaktır" dedi.
Lee, "Asıl önemli olan sadece para biriktirmek değil," dedi, "para kazanmak, sadece herhangi bir para değil, şirketin işinin temel, stratejik kısmında para kazanmak."