Wzrost znaczenia sztucznej inteligencji
Sztuczna inteligencja (AI) w ostatnich latach zyskała na znaczeniu, a modele językowe, takie jak ChatGPT, Dall-E czy Midjourney, stały się narzędziami codziennego użytku. Programy generatywnej AI piszą e-maile, tworzą teksty marketingowe, komponują muzykę i generują obrazy na podstawie prostych instrukcji. Tempo wdrażania AI przez jednostki i firmy jest imponujące. Badanie przeprowadzone przez McKinsey wykazało, że liczba firm, które włączyły AI do co najmniej jednej funkcji biznesowej, wzrosła do 65%, co oznacza podwojenie w ciągu roku.
Wyzwania związane z rozwojem AI
Rozwój AI wiąże się z wieloma wyzwaniami. Trening i prowadzenie programów AI to procesy wymagające ogromnych zasobów, co sprzyja dominacji dużych graczy technologicznych i grozi centralizacją AI. Wzrost zapotrzebowania na moc obliczeniową dla AI rośnie w tempie od 26% do 36% rocznie, co zostało potwierdzone przez Światowe Forum Ekonomiczne. Koszt prowadzenia AI może w najbliższych latach sięgnąć miliardów dolarów.
Inwestycje gigantów technologicznych w AI
Przykładem intensywnych inwestycji jest Microsoft, który w 2022 roku zainwestował 10 miliardów dolarów w OpenAI, a obecnie planuje budowę centrum danych z superkomputerem o wartości 100 miliardów dolarów. Google, Alphabet i Nvidia również angażują ogromne sumy w badania i rozwój AI, co czyni tę technologię domeną firm o ogromnych zasobach finansowych. To rodzi pytanie, jak uniknąć dominacji kilku firm nad innowacjami technologicznymi.
Wpływ koncentracji mocy obliczeniowej na rozwój AI
Eksperci, tacy jak James Landay ze Stanfordu, wskazują, że koncentracja mocy obliczeniowej w rękach dużych firm skłania do poszukiwania tańszych rozwiązań sprzętowych. W Chinach, gdzie dostęp do kluczowych chipów został ograniczony przez wojny handlowe z USA, rząd wspiera startupy AI poprzez subsydia i vouchery obliczeniowe, które mają na celu obniżenie kosztów związanych z mocą obliczeniową.
Inicjatywy decentralizacji mocy obliczeniowej
Rynek AI jest obecnie wysoce scentralizowany, co prowadzi do dominacji dużych firm nad zasobami obliczeniowymi i programami AI. Pojawiają się jednak inicjatywy zmierzające do decentralizacji zasobów. Przykładem jest blockchain Qubic, który dzięki mechanizmowi Proof-of-Work (PoW) wykorzystuje moc obliczeniową do zadań AI, takich jak trening sieci neuronowych, zamiast jedynie do zabezpieczania sieci.
Równość w dostępie do technologii
Decentralizacja zasobów obliczeniowych dla AI może być trudniejsza technicznie niż pozostawienie tej kwestii w rękach dużych firm, ale zapewnia większą równość w dostępie do technologii. W sytuacji, gdy kilka firm dominuje rynek, ryzyko niepowodzenia staje się realne. Historia pokazuje, że duże korporacje nie zawsze działają w interesie społeczeństwa, co potwierdzają obawy związane z naruszeniami prywatności danych oraz manipulacjami społecznymi.
Korzyści płynące z decentralizacji
Decentralizacja AI może nie tylko obniżyć koszty, ale również zwiększyć transparentność i ograniczyć monopol na technologię XXI wieku. Pozwoli to na bardziej zrównoważony rozwój innowacji AI, w którym większa liczba podmiotów będzie miała szansę uczestniczenia.
