$7 trilyonluq sual

AI sənayesi kritik yol ayrıcında: innovasiyanın hədləri, kapital təzyiqi və gələcəyi yenidən formalaşdıran strateji ayrışma

Muhammed Gider
6 dəqiqəyə oxunur • 

$7 trilyonluq sual

Parlaq başlıqların arxasında AI sənayesi innovasiyanın tempi, kapitalın dayanıqlılığı və model hazırlayanlarla tətbiq yaradanların ayrılan yolları barədə fundamental suallarla üzləşir.

Sənayenin səssiz dönüş nöqtəsi

Süni intellekt son üç ildə görünməmiş sürətlə inkişaf edib. ChatGPT-nin istifadəyə verilməsindən bəri istehlakçılar arasında yayılması rekordlar qırıb, OpenAI-dən Google-a qədər nəhənglər bir-birinin ardınca yeni modellər elan edib və Fortune 500 şirkətləri AI-ni biznes proseslərinin mərkəzinə yerləşdirib. Lakin bu gün, parlaq başlıqların arxasında, sənaye kökündən fərqli bir sualla üzləşir:

Həqiqi innovasiya hələ də yüksək templə irəliləyir, yoxsa görünməz hədlərə çatan nəhəng bir maşını izləyirik?

Bu suala düzgün cavab vermək üçün ekosistemə iki fərqli prizmadan baxmalıyıq:

İlkin bazar: GPT-4, Claude və Gemini kimi təməl modelləri hazırlayan şirkətlər: OpenAI, Anthropic, Google DeepMind, Meta.

İkinci bazar: Bu modellərdən istifadə edərək istifadəçilərin real problemləri üçün həllər yaradan şirkətlər: Perplexity, Cursor, Notion AI, Replit.

Hər iki bazar eyni sənayedə fəaliyyət göstərsə də, onların dinamikası, xərc strukturları, risk profilləri və böyümə gözləntiləri kökündən fərqlənir. Bu gün müşahidə etdiyimiz gərginlik məhz bu ayrışmadan qaynaqlanır.

Modellərin inkişafının təbii hədləri üzə çıxır

Son beş ildə böyük dil modellərinin təkamülünü dörd fundamental amil formalaşdırıb:

  • Modelin ölçüsü (parametrlərin sayı)
  • Təlim məlumatları (keyfiyyət və müxtəliflik)
  • Hesablama gücü (GPU/TPU tutumu)
  • Təlim üsulları (transformer arxitekturaları, diqqət mexanizmləri)

2018-ci ildən 2023-cü ilə qədər bu dörd amilin miqyası eyni istiqamətdə artaraq nəhəng sıçrayışlara səbəb oldu. GPT-2-dən GPT-4-ə, BERT-dən PaLM-a məhz belə irəlilədik. Lakin bu əyri sonsuza qədər davam etməyəcək. Təlim məlumatları artıq sənayenin ən kritik məhdudlaşdırıcı amilidir.

İnsanların yaratdığı yüksək keyfiyyətli, müxtəlif və orijinal məlumat mənbələri məhduddur. Modeli Wikipedia, arXiv və GitHub məlumatları ilə öyrədirsiniz: bəs sonra? Müəllif hüquqları ilə bağlı problemlər, məlumat mülkiyyətinə dair razılaşmalar və giriş məhdudiyyətləri səbəbindən bu sahədə xərclər eksponensial şəkildə artır. Reddit ilə razılaşmalar bağlayır, Stack Overflow ilə danışıqlar aparır, The New York Times-ın məhkəmə iddiaları ilə üzləşirsiniz. Modelin ölçüsünü artırmaq texniki baxımdan hələ də mümkündür, amma məlumatların məhdudluğu buna təbii hədd qoyur.

Məhz buna görə sektor diqqətini modelin ölçüsündən səmərəliliyə yönəldib. Düşüncə zənciri ilə mühakimə, insan rəyinə əsaslanan möhkəmləndirməli öyrənmə (RLHF), daha effektiv nümunə seçmə üsulları, ekspertlər qarışığı (MoE) arxitekturaları: bütün bunlar bu dəyişimin bir hissəsidir.

Bu irəliləyişlər əhəmiyyətlidir, amma təkbaşına davamlılığı təmin etmir. Çünki müəyyən məqamda səmərəlilik artımı da doyma həddinə çatır. Sektor təməl modellərdə innovasiyanın daha yavaş və daha bahalı bir mərhələyə daxil olduğunu anlamağa başlayır.

Kapital axınının təzyiqi və artan kövrəklik

Texnoloji məhdudiyyətlər daha aydın hiss olunduqca, kapitalın artımı daha da riskli xarakter alıb.

Təməl model şirkətləri nəhəng hesablama infrastrukturları qurur və istedadlı mütəxəssislər uğrunda rəqabətdə iddialı təkliflər irəli sürür. Bu xərclər möhkəm gəlir bazası formalaşmamış çəkilir. OpenAI-ın illik hesablama xərcləri milyardlara çatır. Anthropic Microsoft-dan milyardlarla investisiya alır. Google DeepMind üçün ayrıca büdcə ayırır.

Məlumat mərkəzlərinə yatırılan milyardlar, çoxillik GPU müqavilələri, Ilya Sutskever kimi şəxslərə ödənilən astronomik maaşlar: bunlar şirkətlərin xərc maddələrini kəskin şəkildə şişirdir.

Bu mənzərə göstərir ki, ilkin bazar iqtisadi baxımdan son dərəcə kövrək bir miqyaslanma modeli üzərində qurulub. Modellərdə innovasiyanın xərc strukturu gəlirlərin artım tempini xeyli üstələyir.

Tətbiq qatının səssiz yüksəlişi

İlkin bazar təzyiq altında olduğu halda, ikinci bazar nisbətən sağlam artım trayektoriyası ilə irəliləyir. Bu şirkətlər təməl modelləri real istifadə ssenarilərinə çevirir.

  • Perplexity: Axtarış təcrübəsini yenidən qurur
  • Cursor & Replit: Kod yazma prosesini dəyişdirir
  • Notion AI: Məhsuldarlıq alətlərini ağıllı edir
  • Dvina: 120+ tətbiqə qoşularaq bütün rəqəmsal həyatı vahid ağıllı qatdan idarə etməyə imkan verir

Bu şirkətlərin üstünlüyü istifadəçiyə ən yaxın olmalarıdır. Əsl dəyər birbaşa istifadəçi təcrübəsində yaranır. Axtarış, kod yazma, məzmun yaratma, məhsuldarlıq, məlumatların emalı: bütün bu sahələr miqyaslana bilən və aydın gəlir modelləri təklif edir.

Məhz buna görə bir çox təməl model istehsalçısı tətbiq qatına keçməyə başlayıb. OpenAI ChatGPT-ni məhsula çevirdi, Anthropic Claude-u istehlakçılara yönəlmiş məhsula çevirdi, Google isə Gemini-ni inteqrasiya etdi. Şaquli inteqrasiya strategiyası sürətlə yayılıb.

Amma bu strategiyanın yan təsirləri də olub: satınalma xərcləri kəskin artıb, ikinci bazarda qiymətləndirmələr şişib. Gəlir yarada bilən yeganə sahənin — ikinci bazarın — bu qədər bahalaşması sektorda kapital riskini daha da artırır.

Tarixi dövrlər və bu günü fərqləndirən amil

Süni intellekt keçmişdə iki böyük tənəzzül dövrü yaşayıb: 1970-ci illərin sonlarında və 1990-cı illərin əvvəllərində. Bu dövrlərin ortaq cəhətləri yüksək gözləntilər, aşağı innovasiya tempi və investisiya qoymaq istəyinin sönməsi idi.

Bugünkü vəziyyət fərqlidir. Texniki innovasiya davam edir, amma böyük sıçrayışların tempi azalır. Kapital axını isə görünməmiş miqyasda artır. Sam Altman $7 trilyon həcmində hesablama fondu barədə danışır, Elon Musk isə xAI-a milyardlar yatırır.

Buna görə də yaşadığımız klassik bir "süni intellekt qışı" deyil. Bu, daha çox kapitalın bölüşdürülməsindən qaynaqlanan kövrəklik dövrüdür: qiymətləndirmələr şişir, xərclərin artımı sürətlənir, amma innovasiya tempi gözləntiləri qarşılamır.

Yeni dövr: daha böyük modellər deyil, daha ağıllı yanaşmalar qalib gələcək

Bu günün ən mühüm fərqi budur: artıq əsas məsələ daha çox parametr əlavə etməklə daha nəhəng modellər yaratmaq deyil.

Əsl dönüş bu sahələrdə baş verəcək:

  • Parametrlərdən istifadənin səmərəliliyinin artırılması
  • Daha kiçik modellərlə daha yüksək keyfiyyətə nail olunması
  • Yeni öyrətmə üsullarının hazırlanması
  • Məlumatlardan daha strateji və səmərəli istifadə edilməsi
  • Öyrətmə xərclərinin köklü şəkildə azaldılması

Son dövrün ən diqqətçəkən nümunələrindən biri DeepSeek oldu. Bu Çin startapı GPT-4 səviyyəsində nəticələr göstərən, lakin öyrədilmə xərcləri xeyli aşağı olan bir model hazırladı. Ekspertlər qarışığı arxitekturası, parametrlərin optimallaşdırılması, səmərəliliyə yönəlmiş öyrətmə üsulları. Bazar buna güclü reaksiya verdi.

DeepSeek-in açıqlamasından sonra NVIDIA-nın bazar dəyəri bir gündə 600 milyard dollar azaldı. Bu, investorların artıq yalnız daha böyük modellər uğrunda yarışı deyil, həm də səmərəlilik və arxitektura yenilikləri uğrunda yarışı izlədiyini göstərdi.

Amma bu da hələ kifayət deyil. Sektorda əsl sıçrayış baş verəcəksə, bu, yeni arxitektura paradiqmaları sayəsində olacaq. Transformer arxitekturasının hüdudlarından kənara çıxan bir yanaşma. Bəlkə neyromorfik hesablama, bəlkə hibrid modellər, bəlkə də tamamilə fərqli bir öyrənmə çərçivəsi.

Bu cür köklü dəyişikliklər adətən böyük şirkətlərdən gəlmir. Onlar miqyas təzyiqi, infrastruktur xərcləri və korporativ risklərin idarə olunması səbəbindən ehtiyatla hərəkət edirlər. Əsl sıçrayışlar çox vaxt kiçik, aqressiv, riskə dözümlü və iddialı startaplardan gəlir.

Bugünkü süni intellekt ekosistemi böyük ehtimalla məhz belə bir sarsıntını gözləyir.

Nəticə: Resurslar deyil, yanaşma qalib gələcək

Bu gün süni intellekt sektoru iki gərginlik arasında tərəddüd edir: bir tərəfdə öz hədlərinə yaxınlaşan modelləri böyütmə strategiyası, digər tərəfdə isə artan kapital riskləri və dəyəri sürətlə yüksələn tətbiq bazarı.

Bu mənzərə göstərir ki, əsas problem artıq imkanlar deyil, yanaşmadır. Sabahın qalibləri daha böyük modellər yaradanlar deyil, daha ağıllı üsullar hazırlayanlar olacaq. Səmərəlilik, yeni arxitektura həlləri və optimallaşdırılmış öyrətmə üsulları sektorda əsl fərqi müəyyənləşdirən amillərə çevrilir.

Gələcəkdə həlledici olan resursların gücü deyil, yanaşmanın keyfiyyəti olacaq. Bu yanaşma dəyişikliyinə böyük şirkətlərin deyil, uzaqgörən startapların təkan verməsi ehtimalı isə kifayət qədər yüksəkdir.

Dvina-ya qoşulun

Pulsuz qeydiyyatdan keçin və bütün alətlərinizi bir sadə iş məkanında birləşdirin.

Daha çoxunu kəşf et