Η Nvidia έγινε για λίγο η πολυτιμότερη εταιρεία στον κόσμο την περασμένη εβδομάδα, αφού οι μετοχές της κορυφαίας προμηθεύτριας ημιαγωγών που χρησιμοποιούνται για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης (ΑΙ) σχεδόν τριπλασιάστηκαν από τον Ιανουάριο. Ωστόσο η επανάσταση ΑΙ έχει αποδειχθεί μέχρι στιγμής κάθε άλλο παρά μονόδρομο στοίχημα: οι περισσότερες μετοχές που εστιάζουν στην ΑΙ είναι σε πτώση. Ακόμη και η Nvidia των 3,1 τρισ. δολαρίων αποδείχθηκε τρελή «κούρσα». Στις τρεις συνεδριάσεις που ακολούθησαν την ιστορική της κορύφωση, έχασε περισσότερα από 400 δισ. δολάρια.
Αυτές οι επικές περιστροφές αντικατοπτρίζουν την αβεβαιότητα των επενδυτών σχετικά με τα οικονομικά της τεχνητής νοημοσύνης. Τα επιτεύγματα και η υπόσχεση των «έξυπνων» υπολογιστών είναι προφανή. Το πόσο κοστίζει η τεχνολογία και ποιος θα την πληρώσει, είναι λιγότερο σαφές. Οι επενδυτές που επιδιώκουν να περιηγηθούν σε αυτό το άγνωστο τοπίο, είναι σημαντικό να ξεκινήσουν με την τεχνολογική πρόοδο από την οποία εξαρτάται η τρέχουσα επανάσταση ΑΙ.
Οι εκπληκτικές εφαρμογές που πυροδότησαν την έκρηξη ΑΙ φαίνονται πολύ διαφορετικές με την πρώτη ματιά. Τον Μάρτιο του 2016, ο αλγόριθμος ΑΙ AlphaGo από την DeepMind της Google εντυπωσίασε όταν κέρδισε τον πρωταθλητή Λι Σεντόλ σε επιτραπέζιο παιχνίδι. Τον Νοέμβριο του 2020, ο αλγόριθμος AlphaFold της εταιρείας απάντησε σε μία από τις μεγάλες προκλήσεις στις βιοεπιστήμες προβλέποντας τις δομές πρωτεΐνης που σχηματίζουν νέοι συνδυασμοί αμινοξέων. Δύο χρόνια αργότερα, η OpenAI κυκλοφόρησε ένα chatbot ικανό να απαγγέλλει Σαίξπηρ.
Ωστόσο, όλα αυτά τα ορόσημα πηγάζουν από την ίδια καινοτομία: μια δραματική βελτίωση στην ακρίβεια της υπολογιστικής προγνωστικής μοντελοποίησης. Για δεκαετίες, οι ερευνητές εκπαίδευαν υπολογιστές για να παίζουν παιχνίδια και να λύνουν προβλήματα κωδικοποιώντας ανθρώπινη γνώση. Προσπάθησαν ουσιαστικά να μιμηθούν την ικανότητά μας να συλλογιστούμε. Αλλά αυτές οι απόπειρες τελικά καλύφθηκαν από μια πολύ λιγότερο περίπλοκη προσέγγιση. Οι αφελείς αλγόριθμοι μάθησης αποδείχθηκαν σταθερά ανώτεροι όταν τροφοδοτούνταν με επαρκή υπολογιστική ισχύ και με επαρκή δεδομένα. Αυτή η απλή συνταγή –αλγόριθμοι εκμάθησης συν υπολογιστική ισχύς συν δεδομένα– παράγει εκπληκτικά προγνωστικά αποτελέσματα. Παρέχει επίσης έναν οδηγό για το πού βρίσκεται η μακροπρόθεσμη αξία στο AI.
Ας αρχίσουμε με τους αλγορίθμους. Το μη κερδοσκοπικό ινστιτούτο Epoch AI εκτιμά ότι μεταξύ 2012-2023 η υπολογιστική ισχύς που απαιτείται για την επίτευξη ενός καθορισμένου ορίου απόδοσης μειώνεται στο μισό περίπου κάθε οκτάμηνο.
Ωστόσο, η μακροπρόθεσμη αξία σε αυτούς τους αλγορίθμους είναι πολύ πιο δύσκολο να προσδιοριστεί. Το δεύτερο συστατικό –η ωμή υπολογιστική ισχύς– είναι μια απλούστερη πρόταση. Σύμφωνα με την Epoch AI, έχει δημιουργήσει τη μερίδα του λέοντος στα κέρδη στην απόδοση των μοντέλων AI. Οι αυξανόμενες αξίες της αγοράς των μεγαλύτερων παρόχων υπολογιστικού νέφους, Alphabet, Amazon και Microsoft, υποδηλώνουν ότι τα χρηματιστήρια έχουν κάνει έκπτωση σε πολλά από τα κέρδη.
Η ανταγωνίστρια της Nvidia, ΑΜD, προβλέπει ότι η αγορά για τσιπ ΑΙ θα φτάσει τα 400 δισ. δολάρια μέχρι το 2027. Η εμπιστοσύνη στις γραμμές τάσης σημαίνει ότι οι επενδύσεις σε AI θα φτάσουν τα 3 τρισ. δολάρια μόλις ένα χρόνο αργότερα, ενώ το πρώτο σύμπλεγμα κέντρων δεδομένων που κοστίζει 1 τρισ. δολάρια θα ανοίξει δύο χρόνια μετά. Ολα τα παραπάνω δείχνουν ότι τα δεδομένα υψηλής ποιότητας όχι μόνο βελτιώνουν ριζικά την αποτελεσματικότητα των μοντέλων ΑΙ αλλά και τα οικονομικά της τεχνολογίας. Στα σύνολα δεδομένων και όχι στα κέντρα δεδομένων βρίσκεται η πραγματική αξία της επανάστασης τεχνητής νοημοσύνης.
