Per paskutinius porą metų greičiausiai ne vienas esame girdėję frazę, kad dirbtinis intelektas jūsų nepakeis darbo vietoje, bet jus pakeis žmonės, mokantys juo naudotis. Tačiau vis dažniau pasirodo požymių, kad šis pranašautas eksponentinis augimas gerokai prilėtėjo. Tad kaip generatyvinio dirbtinio intelekto industrija atrodo įpusėjus 2025-iesiems?
Parengė advokatų kontoros „Glimstedt“ vyresnysis teisininkas, advokatas Ovidijus Speičys
Per paskutinius porą metų greičiausiai ne vienas esame girdėję frazę, kad dirbtinis intelektas jūsų nepakeis darbo vietoje, bet jus pakeis žmonės, mokantys juo naudotis. Žinoma, šioje frazėje greičiausiai būtų galima rasti tiesos. Taip pat ji puikiai perteikia daugelio žmonių įsitikinimą, kad dirbtinio intelekto technologijos ir toliau bus vystomos nesustabdomu greičiu, jų pajėgumai eksponentiškai gėrės, kol galiausiai visiškai neatpažįstamai transformuos ne tik darbą, bet ir visas kitas žmonių gyvenimo sritis, o nespėjęs šios technologijos „prisijaukinti“ tiesiog liksi profesinio gyvenimo paraštėse.
Tačiau vis dažniau pasirodo požymių, kad šis pranašautas eksponentinis augimas gerokai prilėtėjo ir kad į dirbtinio (ypač generatyvinio) intelekto sektorių būtina pažvelgti kiek blaivesniu žvilgsniu.
Tad kaip generatyvinio dirbtinio intelekto industrija atrodo įpusėjus 2025-iesiems?
„Glimstedt“ vyresnysis teisininkas, advokatas Ovidijus Speičys
Nesiliaujančios investicijos
Didžiosios technologijų kompanijos ir toliau intensyviai investuoja į dirbtinį intelektą bei su juo susijusią infrastruktūrą. Vien šiais metais „Microsoft“, „Google“ ir „Meta“ naujų duomenų centrų plėtrai planuoja skirti bent jau 215 milijardų JAV dolerių, kas yra 45 proc. didesnė suma nei praeitais metais. Be to, šios bendrovės ir toliau negaili didžiulių sumų investicijoms į dirbtinio intelekto startuolius, galinčius padėti technologijų milžinėms išsiveržti į prieki dirbtinio intelekto lenktynėse. Vienas paskutiniųjų garsiau nuskambėjusių sandorių buvo „Meta“ 14 milijardų JAV dolerių investicija į Scale AI, duomenų žymėjimu (angl. data labelling) užsiimantį startuolį. Investicijos į dirbtinio intelekto technologijų startuolius nelėtėja ir tarp rizikos kapitalo bendrovių.
Nors pinigų įplaukos į dirbtinio intelekto sektorių vis dar itin gausios, jų priežastis gali būti toli gražu ne nepaliaujamus proveržius patirianti technologija, jos vartotojams suteikianti greitą bei tiesioginę naudą. Nesiliaujančias investicijas gali paaiškinti ir šioje srityje vis dar labai ryškiai tebevyraujantis FOMO (angl. fear of missing out) ar aplink dirbinį intelektą suformuota mitologija, kad galiausiai sukurtas bendrasis dirbtinis intelektas (angl. general artificial intelligence) tiesiog transformuos visą pasaulį, o jo kūrėjai, be abejo, nusiraškys visus dar neregėtus finansinius vaisius, todėl šį nulinės sumos žaidimą būtina laimėti pirmam.
Lėtėjimą galinčios nulemti priežastys
Nesiliaujančios investicijos į dirbtinio intelekto technologiją tarsi rodo, kad šis sektorius ir toliau dar ilgą laiką plėsis, į rinką pristatydamas vis naujus dirbtinio intelekto produktus. Tačiau yra keletas požymių, iš kurių galima susidaryti įspūdį, kad dirbtinio intelekto, ypač generatyvinio dirbtinio intelekto (angl. generative artificial intelligence), industrija netrukus bus priversta sulėtinti savo tempą.
Viena ryškesnių priežasčių, kodėl artimiausiu metu tikėtinas generatyvinio dirbtinio intelekto sektoriaus susitraukimas, yra susijęs su pačia aptariamos technologijos esme – ji turi neišsprendžiamų techninių apribojimų. Vienas ryškiausių tokių techninių apribojimų yra tekstą bei programinį kodą kuriančio generatyvinio dirbtinio intelekto vadinamosios haliucinacijos, t. y. šių modelių kartais pateikiami tiesiog faktiškai neteisingi atsakymai. Atsižvelgiant į tai, kad generatyvinio dirbtinio intelekto modeliai, pateikdami atsakymus į užklausas, atlieka matematinius spėjimus, koks atsakymas yra labiausiai tikėtinas, haliucinacijų problemos pašalinti iš esmės neįmanoma, nes neįmanoma užtikrinti, kad atitinkami spėjimai visuomet būtų teisingi.
Be to, pastaruoju metu išryškėjo su generatyvinio dirbtinio intelekto modelių haliucinacijomis susijęs paradoksas. Dirbtinio intelekto kompanijos, tokios kaip „OpenAI“ ir „DeepSeek“, į rinką išleido samprotavimo modelius (angl. reasoning models), kurie iš esmės yra pajėgesni pokalbių robotai (angl. chatbots), galintys atlikti sudėtingesnes matematines ir logines užduotis ir pademonstruoti savo „samprotavimo“ eigą. Tačiau netrukus buvo pastebėta, kad, nepaisant to, kad šie modeliai pajėgesni už įprastus kalbos robotus, jie už pastaruosius haliucinacijų patiria netgi dažniau.
Kitas veiksnys, galintis pristabdyti generatyvinio dirbtinio intelekto bumą, yra didžiulis energijos bei gamtinių išteklių kiekis, reikalingas šių sistemų veikimui palaikyti. Dirbtinio intelekto sistemų palaikymas reikalauja vis daugiau didžiulių duomenų centrų, kurių veikimui būtinas itin didelis elektros energijos kiekis. Be iškastinio kuro visos reikiamos elektros pagaminti bus neįmanoma. Be to, duomenų centruose naudojamai įrangai aušinti sunaudojami didžiuliai vandens kiekiai. Generatyvinio dirbtinio intelekto sistemoms kurti bei palaikyti reikalingas gamtos išteklių kiekis neišvengiamai iškels klausimą, ar šių sistemų teikiama nauda atsveria jų reikalaujamą kainą.
Su tuo susijusi kita problema, su kuria susiduria generatyvinio dirbtinio intelekto produktus kuriančios kompanijos, – priešingai nei žadama, jų siūlomi įrankiai ne visada padidina darbuotojų produktyvumą. Kompanijų darbuotojai neretai jaučia didelį spaudimą iš savo vadovų atliekant darbo funkcijas pasitelkti dirbtinio intelekto įrankius, tačiau, pradėję juos naudoti, pastebi, kad didelę laiko dalį tiesiog praleidžia tikrindami generatyvinio dirbtinio intelekto sukurtą turinį arba tiesiog mėgindami išsiaiškinti, kaip atitinkamus įrankius gali pritaikyti savo darbe. Kitais žodžiais tariant, darbuotojai tampa mažiau produktyvūs. Be to, nors bendrovės dažnai negaili investicijų į naujus dirbtinio intelekto įrankius, pamatuoti šių investicijų grąžą ir suprasti, ar naujai pasitelkta technologija iš tiesų davė naudos, gali būti labai sunku.
Galiausiai, sparčią generatyvinio dirbtinio intelekto sektoriaus plėtrą gali gerokai pristabdyti ir dar vienas veiksnys – su dirbtiniu intelektu siejamas nuovargis (angl. AI fatigue). Nuolatinis naujienų srautas apie vis naujus tekstą bei vaizdus generuojančių dirbtinio intelekto modelių pagerinimus ilgainiui įmonėms bei vartotojams gali sudaryti įspūdį, kad šie patobulinimai iš esmės yra minimalūs ir nereikšmingi bei sukelti atmetimo reakciją. Tokią atmetimo reakciją gali sukelti ir internete vis didėjantis naudojantis generetyviniu dirbtiniu intelektu sukurto turinio kiekis, kuris galiausiai gali vartotojus paskatinti iš naujo įvertinti autentiškos kūrybos ar net bendravimo svarbą.
Lėtesnis, tačiau tvaresnis progresas
Nepaisant to, kas nurodyta, aišku yra viena – dirbtinio intelekto technologijos niekur nedings ir toliau bus taikomos įvairiose srityse. Jos egzistavo ir buvo plačiai naudojamos dar iki „ChatGPT“ pasirodymo ir neabejotinai bus naudojamos ir toliau. Tačiau dabartinė situacija generatyvinio dirbtino intelekto industrijoje primena burbulą, kuris greitu metu jei ir ne sprogs, tai bent jau gerokai susileis. Sunkiai apčiuopiama investicijų grąža, poreikis atitikti reguliacinius reikalavimus ir akivaizdaus darbuotojų produktyvumo padidėjimo nebuvimas įmones turėtų paskatinti arba prilėtinti dirbtinio intelekto priemonių diegimą, arba ieškoti konkretiems jų procesams geriau pritaikytų sprendimų. Tuo tarpu tarp vartotojų didėjantis autentiškumo ilgesys gali gerokai sumažinti vis pajėgesnių turinį generuojančių dirbtinio intelekto modelių žavesį, o investuotojus į šią technologiją priversti susimąstyti, kas iš tiesų kuria realią pridėtinę vertę ir gali užtikrinti jų investicijų grąžą. Atsižvelgiant į visa tai, tikėtina, jog greitu metu generatyvinio dirbtinio intelekto industriją matysime žengiant į naują, kiek brandesnį ir tvaresnės raidos etapą.
