Wielkie modele językowe i XIX-wieczna gorączka złota. Co konkretnie je łączy?

Sztuczna inteligencja jest obecnie na ustach wszystkich. A tysiące startupów szuka inwestorów, którzy mają do wydania ogromne pieniądze. Dowolne narzędzia opatrzone etykietką „AI” – szczególnie zaś chatboty – wydają się zatem prostą drogą do bogactwa. Dlatego wielkie modele językowe, odkąd się pojawiły, skłaniają do porównań dzisiejszej ekscytacji z kalifornijską gorączką złota, rozpoczętą w 1849 r. Shane Greenstein, ekonomista z Harvard Business School we wpisie na blogu digitopoly.org postanowił bliżej przyjrzeć się obu fenomenom.

Aby gorączka złota zaistniała – stwierdza badacz – muszą wystąpić trzy czynniki: element zaskoczenia, szybkie rozprzestrzenianie informacji oraz niecierpliwi „aktorzy” ekonomiczni. W połowie XIX w. byli nimi poszukiwacze, którzy sprzedawali wszystko, aby płukać złoto na zboczach Sierra Nevada. Szybko jednak okazało się, że to nie oni są w tej grze zwycięzcami. Aby dostać się do złotonośnych żył, trzeba było ryć głęboko pod ziemią. Niezbędne okazały firmy dysponujące doświadczeniem w pracach górniczych i siłą roboczą. Fortuny zbijali też dostawcy szpadli, kilofów i łopat, czyli tradycyjnych narzędzi niezbędnych do obsługi nowego odkrycia. Zyskali na niej również ludzie, którzy jak Levi Strauss zbudowali stabilny biznes, sprzedając górnikom spodnie z denimu.

Przenosząc się do XXI w., Greenstein pisze, że jednym z największych wygranych pojawienia się na rynku wielkich modeli językowych są dziś firmy, które działały na długo przed nastaniem AI. Na przykład producenci procesorów graficznych i innych układów scalonych albo dostawcy usług „w chmurze”. Tu zwycięzcami będą dobrze usadowieni na rynku giganci jak Nvidia, Oracle czy IBM.

Greenstein deklaruje, że snute przez niego analogie mają charakter wyłącznie ćwiczebny i nie sposób na ich podstawie snuć długookresowych prognoz ekonomicznych. Wydaje się jednak, że podstawowa intuicja jest słuszna: jeszcze przez jakiś czas „nowy świat” będzie budowany przy użyciu „starych” narzędzi.

Naukowiec przestrzega jednocześnie przed biznesowymi „wilczymi dołami” związanymi z faktem, że głębokie mechanizmy działania wielkich modeli językowych, na podstawie których generowane są odpowiedzi, pozostają nieczytelne nawet dla ich twórców (stąd m.in. problem „halucynacji”, czyli zmyślania przez AI, czy też wprowadzania w błąd użytkowników). Urynkowiono zatem produkt, zanim jego twórcy zrozumieli jego podstawowe determinanty. Na podobnej zasadzie w drugiej połowie XIX w. amerykańskie stalownie zaczęły stosować jako metodę wytopu gruszki Bessemera. Ponieważ nie do końca rozumiano jeszcze stojące za tą technologią procesy chemiczne, dochodziło do wielu wypadków. Metoda Bessemera była jednak na tyle wydajna, że w jej rozpowszechnieniu nie przeszkodziła nawet zasadnicza niepewność co do procesu produkcji.

Dziękujemy, że jesteś z nami. To jest pierwsza wzmianka na ten temat. Pulsar dostarcza najciekawsze informacje naukowe i przybliża najnowsze badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.