Yapay zeka yetenekleri son iki yılda patlama yaşadı; ChatGPT, Dall-E ve Midjourney gibi büyük dil modelleri (LLM’ler) günlük kullanım araçları haline geldi. Siz bu makaleyi okurken, üretken yapay zeka programları e-postalara yanıt veriyor, pazarlama kopyaları yazıyor, şarkıları kaydediyor ve basit girdilerden görüntüler oluşturuyor.
Tanık olunması daha da dikkat çekici olan şey, hem bireylerin hem de şirketlerin yapay zeka ekosistemini benimseme hızıdır. Yakın zamanda anket McKinsey tarafından yapılan araştırma, en az bir iş fonksiyonunda üretken yapay zekayı benimseyen şirketlerin sayısının 2023 başında %33 iken bir yıl içinde ikiye katlanarak %65’e çıktığını ortaya çıkardı.
Bununla birlikte, çoğu teknolojik gelişme gibi, bu yeni ortaya çıkan yenilik alanı da zorluklardan yoksun değildir. Yapay zeka programlarını eğitmek ve yürütmek yoğun kaynak gerektiren bir çabadır ve mevcut durumda büyük teknolojinin üstünlük sağladığı görülüyor ve bu da yapay zekanın merkezileştirilmesi riskini yaratıyor.
İçindekiler
Yapay zeka geliştirmedeki hesaplama sınırlaması
Bir göre madde Dünya Ekonomik Forumu’na göre yapay zeka bilişimine yönelik artan bir talep var; Yapay zeka gelişimini sürdürmek için gereken hesaplama gücü şu anda yıllık %26 ile %36 arasında artıyor.
Epoch AI tarafından yakın zamanda yapılan bir başka araştırma da bu gidişatı doğruluyor ve tahminler, yapay zeka programlarını eğitmenin veya yürütmenin yakında milyarlarca dolara mal olacağını gösteriyor.
“En büyük AI eğitim çalışmalarının maliyeti 2016’dan bu yana yılda iki ila üç kat artıyor ve bu, 2027 yılına kadar, belki daha erken, milyar dolarlık fiyat etiketlerini ufukta gösteriyor.” not edildi Epoch AI personel araştırmacısı Ben Cottier.
Bana göre zaten bu noktadayız. Microsoft geçen yıl OpenAI’ye 10 milyar dolar yatırım yaptı ve yakın zamanda iki kuruluşun milyonlarca özel çiple desteklenen bir süper bilgisayarı barındıracak bir veri merkezi kurmayı planladığı haberi ortaya çıktı. Maliyet? 100 milyar dolar gibi devasa bir rakam, bu da ilk yatırımın on katı kadar.
Yapay zeka hesaplama kaynaklarını artırmak için harcama yapan tek büyük teknoloji Microsoft değil. Google, Alphabet ve Nvidia da dahil olmak üzere yapay zeka silahlanma yarışındaki diğer şirketlerin tümü, yapay zeka araştırma ve geliştirmesine önemli miktarda fon ayırıyor.
Sonucun yatırılan para miktarıyla eşleşebileceği konusunda hemfikir olsak da yapay zeka geliştirmenin şu anda ‘büyük teknoloji’ gerektiren bir spor olduğu gerçeğini göz ardı etmek zor. Yalnızca bu zengin cepli şirketler, yapay zeka projelerine onlarca veya yüz milyarlarca dolarlık fon sağlama yeteneğine sahip.
Şu soruyu soruyor; Bir avuç şirketin inovasyonu kontrol etmesi sonucunda Web2 inovasyonlarının karşılaştığı aynı tuzaklardan kaçınmak için ne yapılabilir?
Stanford’un HAI Direktör Yardımcısı ve Fakülte Araştırma Direktörü James Landay, daha önce konuyla ilgili uzmanlardan biridir. tartılmış bu senaryoda. Landay’e göre, GPU kaynaklarına yönelik hücum ve büyük teknoloji şirketlerinin yapay zeka hesaplama güçlerini şirket içinde kullanmaya öncelik vermesi, bilgi işlem gücüne olan talebi tetikleyecek ve sonuçta paydaşları daha ucuz donanım çözümleri geliştirmeye itecek.
Çin’de hükümet, ABD ile Çin şirketlerinin önemli çiplere sorunsuz bir şekilde erişmesini sınırlayan çip savaşlarının ardından yapay zeka girişimlerini desteklemek için şimdiden adım atıyor. Çin’deki yerel yönetimler tanıtıldı Bu yılın başlarında, AI girişimleri için 140.000 ila 280.000 ABD Doları arasında değişen bilgi işlem kuponları sunma sözü verdi. Bu çaba, bilgi işlem gücüyle ilgili maliyetleri azaltmayı amaçlıyor.
Yapay zeka bilgi işlem maliyetlerinin merkezileştirilmesi
Yapay zeka bilişiminin mevcut durumuna bakıldığında tek bir temanın sabit olduğu görülüyor: endüstri şu anda merkezileştirilmiş durumda. Büyük teknoloji şirketleri, bilgi işlem gücünün ve yapay zeka programlarının çoğunu kontrol ediyor. Bazı şeyler ne kadar değişirse o kadar aynı kalır.
İşin iyi tarafı, bu sefer merkezi olmayan bilgi işlem altyapıları sayesinde işler tamamen değişebilir. Kubik Katman 1 blok zinciri. Bu L1 blok zinciri, yararlı İş Kanıtı (PoW) olarak adlandırılan gelişmiş bir madencilik mekanizmasını kullanır; Enerjiyi yalnızca ağın güvenliğini sağlamak amacıyla kullanan Bitcoin’in tipik PoW’undan farklı olarak Qubic’in uPoW’u, sinir ağlarını eğitmek gibi üretken yapay zeka görevleri için hesaplama gücünü kullanır.
Daha basit bir ifadeyle Qubic, yenilikçilerin sahip oldukları veya büyük teknolojiden kiraladıkları donanımlarla sınırlı olduğu mevcut paradigmadan uzaklaşarak yapay zeka hesaplama gücünün kaynağını merkezi olmaktan çıkarıyor. Bunun yerine, bu L1, hesaplama gücü sağlamak için on binlerce kişiye ulaşabilecek madenci ağından yararlanıyor.
Büyük teknolojiyi arka uç tarafıyla ilgilenmeye bırakmaktan biraz daha teknik olsa da, yapay zeka bilgi işlem gücü için merkezi olmayan bir kaynak bulma yaklaşımı daha ekonomiktir. Ancak daha da önemlisi, sektörün birkaç oyuncuya bağlı olduğu mevcut durumun aksine, yapay zeka inovasyonlarının daha fazla paydaş tarafından yönlendirilmesi adil olacaktır.
Hepsi düşerse ne olur? Daha da kötüsü, bu teknoloji şirketlerinin hayat değiştiren teknolojik gelişmelerle güvenilmez oldukları kanıtlandı.
Bugün çoğu insan, toplumsal manipülasyon gibi bağlantılı diğer konuların yanı sıra, veri gizliliği ihlallerine karşı da tetikte. Merkezi olmayan yapay zeka yenilikleri sayesinde, giriş maliyetini düşürürken gelişmeleri kontrol etmek daha kolay olacak.
Çözüm
Yapay zeka yenilikleri daha yeni başlıyor ancak bilgi işlem gücüne erişme zorluğu hâlâ devam ediyor. Buna ek olarak, Büyük teknoloji şu anda kaynakların çoğunu kontrol ediyor ki bu da inovasyon hızı açısından büyük bir zorluk teşkil ediyor; aynı şirketlerin verilerimiz (dijital altın) üzerinde daha fazla güce sahip olabileceği gerçeğinden bahsetmiyorum bile.
Bununla birlikte, merkezi olmayan altyapıların ortaya çıkmasıyla birlikte tüm yapay zeka ekosisteminin, hesaplama maliyetlerini azaltma ve 21. yüzyılın en değerli teknolojilerinden biri üzerindeki büyük teknoloji kontrolünü ortadan kaldırma şansı artıyor.
