Swali la $7 Trilioni

Sekta ya AI katika hatua nyeti: mipaka ya ubunifu, shinikizo la mtaji, na mgawanyiko wa kimkakati unaobadili mustakabali

Muhammed Gider
Dakika 7 za kusoma • 

Swali la $7 Trilioni

Nyuma ya vichwa vya habari vya kusisimua, sekta ya AI inakabiliwa na maswali ya msingi kuhusu kasi ya ubunifu, uendelevu wa mtaji, na njia zinazozidi kutengana kati ya watengenezaji wa modeli na watengenezaji wa programu tumizi.

Mgeuko wa sekta unaotokea kimyakimya

Akili bandia imekua kwa kasi isiyo na kifani katika miaka mitatu iliyopita. Tangu ChatGPT izinduliwe, kasi ya watumiaji kuanza kuitumia imevunja rekodi, makampuni makubwa kuanzia OpenAI hadi Google yametangaza modeli mpya kwa mfululizo wa haraka, na kampuni za Fortune 500 zimeweka AI kiini cha michakato yao ya biashara. Hata hivyo, leo, nyuma ya vichwa vya habari vya kusisimua, sekta hii inakabiliwa na swali tofauti kabisa:

Je, ubunifu wa kweli bado unasonga mbele kwa kasi kubwa, au tunashuhudia mashine kubwa ikigonga mipaka isiyoonekana?

Ili kujibu swali hili ipasavyo, tunahitaji kuutazama mfumo huu kwa mitazamo miwili tofauti:

Soko la msingi: Makampuni yanayotengeneza modeli za msingi kama GPT-4, Claude, na Gemini: OpenAI, Anthropic, Google DeepMind, Meta.

Soko la sekondari: Makampuni yanayotumia modeli hizi kutengeneza suluhisho za matatizo halisi ya watumiaji: Perplexity, Cursor, Notion AI, Replit.

Ingawa masoko yote mawili yapo katika sekta moja, mienendo yake, miundo ya gharama, aina na viwango vya hatari, na matarajio ya ukuaji vinatofautiana kimsingi. Mvutano tunaoushuhudia leo unatokana hasa na tofauti hizi.

Mipaka ya asili ya utengenezaji wa modeli inaanza kujitokeza

Mambo manne ya msingi yameongoza maendeleo ya modeli kubwa za lugha katika miaka mitano iliyopita:

  • Ukubwa wa modeli (idadi ya vigezo)
  • Data ya mafunzo (ubora na utofauti)
  • Nguvu ya uchakataji (uwezo wa GPU/TPU)
  • Mbinu za mafunzo (usanifu wa transformer, mifumo ya umakini)

Kuanzia 2018 hadi 2023, mambo haya manne yaliongezeka kwa pamoja, na kuleta maendeleo makubwa sana. Hivi ndivyo tulivyotoka GPT-2 hadi GPT-4, kutoka BERT hadi PaLM. Hata hivyo, mwelekeo huu hautaendelea milele. Data ya mafunzo sasa ndiyo kikwazo kikubwa zaidi katika sekta hii.

Vyanzo vya data bora, zenye utofauti na asilia zilizozalishwa na binadamu ni vichache. Unaifundisha modeli kwa kutumia Wikipedia, kisha arXiv, kisha GitHub: halafu nini? Gharama katika eneo hili zinaongezeka kwa kasi ya kielelezo kutokana na masuala ya hakimiliki, makubaliano ya umiliki wa data na vikwazo vya ufikiaji. Unaingia mikataba na Reddit, unajadiliana na Stack Overflow, unakabiliwa na kesi kutoka The New York Times. Kuongeza ukubwa wa modeli bado kunawezekana kiufundi, lakini upande wa data unaweka kikomo cha asili.

Ndiyo maana sekta imehamisha mkazo kutoka kwenye ukubwa wa modeli kwenda kwenye ufanisi. Ufikiri kwa mnyororo wa hatua, ujifunzaji kwa uimarishaji unaotumia mrejesho wa binadamu (RLHF), mbinu bora zaidi za kuchagua sampuli, miundo ya mchanganyiko wa wataalamu (MoE): yote haya ni sehemu ya mabadiliko haya.

Maendeleo haya ni muhimu, lakini hayawezi kudumu yenyewe. Wakati fulani, hata ongezeko la ufanisi hufikia ukomo. Sekta inaanza kutambua kwamba ubunifu wa modeli za msingi umeingia katika awamu yenye kasi ndogo zaidi na gharama kubwa zaidi.

Shinikizo la Mtiririko wa Mtaji na Udhaifu Unaoongezeka

Kadiri mipaka ya teknolojia inavyozidi kuonekana wazi, ukuaji upande wa mtaji unahusisha hatari kubwa zaidi.

Kampuni zinazotengeneza modeli za msingi zinajenga miundombinu mikubwa ya ukokotoaji na kutoa ofa kubwa katika ushindani wa kuajiri wataalamu mahiri. Matumizi haya yanafanyika kabla ya kujenga msingi imara wa mapato. Gharama za ukokotoaji za OpenAI kwa mwaka zinafikia mabilioni. Anthropic inapokea uwekezaji wa mabilioni kutoka Microsoft. Google inatenga bajeti tofauti kwa ajili ya DeepMind.

Mabilioni yanayowekezwa katika vituo vya data, mikataba ya GPU ya miaka mingi, mishahara mikubwa mno inayolipwa watu kama Ilya Sutskever: yote haya yanaongeza sana gharama za kampuni.

Taswira hii inaonyesha kwamba soko la msingi limejengwa juu ya mfumo wa upanuzi ulio dhaifu sana kiuchumi. Muundo wa gharama za ubunifu wa modeli unazidi kwa mbali viwango vya ukuaji wa mapato.

Ukuaji wa Kimyakimya wa Tabaka la Programu

Wakati soko la msingi likiwa chini ya shinikizo, soko la pili linaendelea kukua kwa mwenendo ulio imara kwa kiasi. Kampuni hizi zinachukua modeli za msingi na kuzigeuza kuwa matumizi halisi.

  • Perplexity: Kubuni upya uzoefu wa utafutaji
  • Cursor & Replit: Kubadilisha mchakato wa kuandika msimbo
  • Notion AI: Kuzipa akili zana za kuongeza tija
  • Dvina: Kuunganisha na programu 120+ ili kusimamia maisha yote ya kidijitali kupitia tabaka moja lenye akili

Faida ya kampuni hizi ni kuwa karibu zaidi na mtumiaji. Thamani halisi hujitokeza moja kwa moja katika uzoefu wa mtumiaji. Utafutaji, uandishi wa msimbo, uundaji wa maudhui, tija, uchakataji wa taarifa: maeneo haya yote yanatoa mifumo ya mapato inayoweza kupanuka na inayoeleweka.

Ndiyo maana watengenezaji wengi wa modeli za msingi wameanza kuhamia kwenye tabaka la programu. OpenAI iliigeuza ChatGPT kuwa bidhaa, Anthropic iliigeuza Claude kuwa bidhaa kwa watumiaji, Google iliunganisha Gemini. Mkakati wa ujumuishaji wa wima umeenea kwa kasi.

Lakini mkakati huu umeleta athari za pembeni: gharama za ununuzi zimepanda sana, na makadirio ya thamani katika soko la pili yameongezeka kupita kiasi. Soko la pili—eneo pekee lenye uwezo wa kuzalisha mapato—kuwa ghali kiasi hiki kunaongeza zaidi hatari zinazohusiana na mtaji katika sekta hii.

Mizunguko ya Kihistoria na Kinachoitofautisha Hali ya Leo

Akili bandia imepitia vipindi viwili vikubwa vya kudorora hapo awali: mwishoni mwa miaka ya 1970s na mwanzoni mwa miaka ya 1990s. Vipindi hivyo vilikuwa na mambo haya kwa pamoja: matarajio makubwa, kasi ndogo ya ubunifu na hamu ya kuwekeza iliyokuwa ikitoweka.

Hali ya leo ni tofauti. Ubunifu wa kiufundi unaendelea, lakini kasi ya mafanikio makubwa inapungua. Hata hivyo, mtiririko wa mtaji unakua kwa kiwango ambacho hakijawahi kushuhudiwa. Sam Altman anazungumzia mfuko wa ukokotoaji wa $7 trilioni, Elon Musk anamimina mabilioni katika xAI.

Kwa hiyo, tunachopitia si kipindi cha kawaida cha "baridi ya AI." Ni zaidi kipindi cha udhaifu unaotokana na ugawaji wa mtaji: makadirio ya thamani yanaongezeka kupita kiasi, gharama zinapanda kwa kasi, lakini kasi ya ubunifu haikidhi matarajio.

Enzi Mpya: Si Modeli Kubwa Zaidi, Bali Mbinu Zenye Akili Zaidi Ndizo Zitakazoshinda

Tofauti muhimu zaidi leo ni hii: kilicho muhimu sasa si kutengeneza modeli kubwa zaidi kwa kuongeza vigezo zaidi.

Mabadiliko ya kweli yatatokea katika maeneo haya:

  • Kuongeza ufanisi wa vigezo
  • Kufikia ubora wa juu zaidi kwa modeli ndogo
  • Kubuni mbinu mpya za mafunzo
  • Kutumia data kimkakati zaidi na kwa ufanisi zaidi
  • Kupunguza sana gharama za mafunzo

Mojawapo ya mifano ya hivi karibuni iliyovutia zaidi ilikuwa DeepSeek. Kampuni hii changa ya China ilitengeneza modeli yenye utendaji wa kiwango cha GPT-4, lakini kwa gharama za mafunzo zilizo chini sana. Muundo wa wataalamu mseto, uboreshaji wa vigezo, mbinu za mafunzo zinazolenga ufanisi. Soko liliitikia kwa nguvu.

Baada ya tangazo la DeepSeek, thamani ya soko ya NVIDIA ilishuka kwa $600 bilioni ndani ya siku moja. Hili lilionyesha kwamba wawekezaji sasa wanafuatilia si tu mbio za kutengeneza modeli kubwa zaidi, bali pia mbio za ufanisi na ubunifu wa miundo.

Lakini hata hili bado halitoshi. Ili sekta ipige hatua kubwa ya kweli, itahitaji mitazamo mipya ya usanifu. Kitu kinachovuka mipaka ya muundo wa transformer. Huenda ikawa ukokotoaji wa kineuromofiki, modeli mseto, au mfumo tofauti kabisa wa kujifunza.

Mabadiliko makubwa ya aina hii kwa kawaida hayatoki kwa kampuni kubwa. Kampuni hizo hufanya kazi kwa tahadhari kutokana na shinikizo linalotokana na ukubwa wao, gharama za miundombinu, na usimamizi wa hatari za kibiashara. Mafanikio halisi ya kuvunja mipaka mara nyingi hutokana na kampuni changa zilizo ndogo, zenye msukumo mkubwa, zilizo tayari kukubali hatari, na zenye malengo makubwa.

Huenda mazingira ya AI ya leo yanasubiri mabadiliko ya kuvuruga hali ilivyo ya aina hiyo hasa.

Hitimisho: Si Rasilimali, Bali Mbinu Ndiyo Itakayoshinda

Sekta ya AI leo inayumba kati ya nguvu mbili zinazokinzana: Kwa upande mmoja, mkakati wa kuongeza ukubwa wa modeli unaokaribia mipaka yake; kwa upande mwingine, hatari za mtaji zinazoongezeka na soko la programu linaloongezeka thamani kwa kasi.

Taswira hii inaonyesha kwamba tatizo la msingi sasa ni mbinu, si uwezo. Washindi wa kesho hawatakuwa wale wanaotengeneza modeli kubwa zaidi, bali wale wanaobuni mbinu zenye akili zaidi. Ufanisi, usanifu mpya, na mbinu za mafunzo zilizoboreshwa vinakuwa mambo yanayoleta tofauti ya kweli katika sekta hii.

Kitakachoamua mafanikio siku zijazo ni ubora wa mbinu, si nguvu ya rasilimali. Na kuna uwezekano mkubwa kwamba kampuni changa zenye maono, badala ya kampuni kubwa, ndizo zitakazoanzisha mabadiliko haya ya mbinu.

Jiunge na Dvina

Jisajili bila malipo na ulete zana zako zote katika sehemu moja rahisi ya kufanyia kazi.

Gundua zaidi