Demis Hassabis iz Google DeepMind-a upozorava da razvoj AI-ja usporavaju i stvarna ograničenja kao što su nedostatak HBM memorije i povlačenje otvorenih istraživanja, pored društvenog i političkog otpora. Komercijalizacija tera industriju da balansira između servisa i treninga modela, a resursi poput čipova i energije postaju uska grla. Hassabis predlaže veću primenu AI-ja u nauci (medicina, materijali, energija) kako bi se opravdao njen razvoj i smanjio otpor javnosti.
Demis Hassabis i paradoks napretka AI: Zašto brži razvoj nije nužno bolji
Demis Hassabis, osnivač Google DeepMind-a, upozorava da napredak veštačke inteligencije ne ugrožavaju samo kritičari i protivnici data-centara — industrija se suočava i sa stvarnim ograničenjima koji usporavaju tempo razvoja, rekao je u razgovoru za Semafor.
Resursna ograničenja i povlačenje otvorenih istraživanja
Pomanjkanje ključnih komponenti, poput memorije visokog propusnog opsega (High-Bandwidth Memory, HBM), povlačenje iz otvorenih istraživanja i pojačana komercijalna tajnost smanjuju sposobnost sistema da brzo skaliraju. Prelazak industrije iz faze istraživanja u punu komercijalizaciju znači da se resursi sve više troše na servisiranje postojećih modela, a ne isključivo na stvaranje novih proboja.
Konkretne posledice
Hassabis ističe da globalna izgradnja data-centara podiže potražnju za istim ograničenim resursima — poluprovodnicima, memorijom i energijom — što stvara „uska grla“ u razvoju. Istovremeno, kompanije čuvaju istraživanja zbog komercijalnih interesa, što usporava razmenu ideja koja je ranije podsticala brzi napredak polja.
„Možda je i dobro da nije sve tako brzo. Postoji čitav niz stvari koje moramo da razmotrimo — od komercijalnih pitanja do filozofskih dilema. Imamo ograničeno vreme da to sredimo pre nego što dođemo do opšte veštačke inteligencije (AGI).“ — Demis Hassabis
Politički i društveni otpor
Pored tehničkih problema, rastući populistički otpor prema AI-ju prelazi političke podele. Kandidati i lokalne zajednice sve češće kritikuju izgradnju data-centara zbog potencijalnog rasta cena energije i povećanih emisija, dok klimatski aktivisti upozoravaju na ekološke troškove. U takvom okruženju, kompanije nastoje da smanje negativan uticaj — na primer, Microsoft je najavio inicijative za ograničavanje korišćenja vode i ublažavanje efekata na račune za električnu energiju u zajednicama blizu novih objekata.
AI kao rešenje za društvene izazove
Hassabis poziva industriju da više ulaže u primenu AI-ja za naučne proboje: ubrzavanje otkrivanja lekova, pronalaženje novih materijala za hvatanje ugljenika i bolje baterije, pa čak i doprinos istraživanjima kao što je nuklearna fuzija. Takvi konkretni rezultati mogu pomoći u smanjenju otpora javnosti i opravdati ulaganja.
Paradoks napretka
Hassabis zaključuje da komercijalni uspeh generativnog AI-ja može paradoksalno produžiti vremenski okvir do sledeće velike prekretnice posle generativnih modela, jer resursi i pažnja idu na skaliranje i servisiranje. Ipak, sporiji tempo može biti i koristan — daje vremena za promišljanje i rešavanje etičkih, ekonomskih i društvenih pitanja pre nego što se dođe do AGI-ja.
Zaključak: Napredak AI nije samo tehničko pitanje; to je kombinacija ograničenih resursa, komercijalnih pritisaka, društvenog pritiska i političke debate. Prelazak industrije iz „zlatnog doba“ otvorene saradnje u eru komercijalizacije menja dinamiku inovacija — ali to ne mora nužno da znači brži i bezbolniji pomak ka sledećoj fazi.
Pomozite nam da budemo bolji.
