อุตสาหกรรมปัญญาประดิษฐ์พบว่าตัวเองอยู่ในจุดแยกทางขณะที่นักพัฒนาและนักลงทุนต้องต่อสู้กับหลักฐานที่เพิ่มขึ้นว่าการปรับปรุงความสามารถของ AI อย่างรวดเร็วอาจกำลังชะลอตัว แม้ว่าการใช้จ่ายจะยังคงเพิ่มสูงขึ้น สิ่งที่เริ่มต้นเป็นการก้าวกระโดดที่ปฏิวัติวงการในประสิทธิภาพของโมเดลภาษาได้พัฒนาเป็นการถกเถียงอย่างเข้มข้นเกี่ยวกับว่าแนวทางปัจจุบันในการพัฒนา AI นั้นยั่งยืนหรือกำลังมุ่งหน้าไปสู่การปรับตัวครั้งใหญ่ของตลาด
การปรับปรุงประสิทธิภาพกำลังชะลอตัวแม้จะมีต้นทุนที่สูงขึ้นแบบเลขชี้กำลัง
การอภิปรายในชุมชนเผยให้เห็นความกังวลที่เพิ่มขึ้นว่าโมเดล AI ไม่ได้ให้การปรับปรุงที่น่าทึ่งอีกต่อไปซึ่งเป็นเหตุผลสำหรับการลงทุนครั้งใหญ่ ในขณะที่การกระโดดจาก GPT-2 ไป GPT-3 แสดงให้เห็นความก้าวหน้าที่ชัดเจน รุ่นต่อๆ มาแสดงให้เห็นการปรับปรุงที่น้อยลงแม้จะต้องใช้ทรัพยากรมากขึ้นหลายเท่าในการพัฒนาและดำเนินการ การศึกษาล่าสุดชี้ให้เห็นว่าการปรับปรุงประสิทธิภาพด้านพลังงานได้หยุดนิ่ง และนักพัฒนาที่มีประสบการณ์บางคนรายงานว่าพวกเขากลับมีประสิทธิภาพลดลงเมื่อใช้เครื่องมือ AI ในขั้นตอนการทำงานของพวกเขา
ผลกระทบทางการเงินนั้นน่าตกใจ บริษัทเทคโนโลยียักษ์ใหญ่คาดว่าจะใช้จ่ายมากกว่า 300 พันล้านดอลลาร์สหรัฐในปีนี้สำหรับการพัฒนา AI โดยโมเดลที่ล้ำสมัยแต่ละตัวมีต้นทุนในการฝึกมากกว่า 1 พันล้านดอลลาร์สหรัฐ แต่รายงานระบุว่าบริษัทใหญ่อย่าง Amazon เห็นผลตอบแทนเพียง 20 เซ็นต์สำหรับทุกดอลลาร์ที่ลงทุนในโครงการ AI
ขนาดการลงทุนด้าน AI (2024)
- การใช้จ่ายที่คาดการณ์ทั้งหมดโดยบริษัทเทคโนโลยียักษ์ใหญ่: มากกว่า 300 พันล้าน USD
- ต้นทุนในการฝึกโมเดลขั้นสูงรุ่นถัดไป: มากกว่า 1 พันล้าน USD
- ROI ที่รายงานโดย Amazon : 20 เซ็นต์ต่อดอลลาร์ที่ลงทุน
- เปรียบเทียบ: การใช้จ่ายเทียบเท่า GDP ทั้งหมดของ Portugal
พลวัตของตลาดสะท้อนฟองเทคโนโลยีในอดีต
ผู้สังเกตการณ์ในอุตสาหกรรมกำลังเปรียบเทียบกับการล่มสลายของ dot-com ในปี 2000 โดยสังเกตเห็นรูปแบบที่คล้ายกันของการลงทุนเก็งกำไรและการประเมินมูลค่าที่สูงเกินจริง อย่างไรก็ตาม ภูมิทัศน์ AI ปัจจุบันมีลักษณะเฉพาะที่แตกต่างจากฟองเทคโนโลยีในอดีต ไม่เหมือนกับการแข่งขันที่เข้มข้นในยุคก่อนหน้า ตลาด AI ดูเหมือนจะสามารถรองรับผู้เล่นหลายรายได้ โดยแต่ละรายให้บริการในช่องทางและกรณีการใช้งานที่แตกต่างกัน
การถกเถียงขยายไปถึงว่าการใช้เครื่องมือ AI อย่างแพร่หลายในการผลิตแสดงให้เห็นคุณค่าที่แท้จริงหรือเพียงแค่สะท้อนแรงกดดันในการนำเทคโนโลยีที่กำลังเป็นที่นิยมมาใช้ นักวิจารณ์ชี้ให้เห็นว่าบริษัทต่างๆ ใช้เว็บไซต์อย่างแข็งขันในช่วงฟอง dot-com แต่สิ่งนี้ไม่ได้ป้องกันการปรับตัวของตลาดในที่สุด
ลักษณะตลาดเทียบกับฟองสบู่ในอดีต
- ปัจจุบัน: มีผู้เล่นหลายรายที่ให้บริการในช่องทางต่างๆ ( Claude , Anthropic และอื่นๆ)
- อดีต: ตลาดแบบผู้ชนะเอาทั้งหมด ( Google กับ Yahoo , MySpace กับ Facebook )
- ปัจจุบัน: หุ้น AI ที่เข้าจดทะเบียนในตลาดหลักทรัพย์มีจำนวนจำกัดและมีผลงานที่ไม่ดี
- อดีต: การเก็งกำไรในตลาดหลักทรัพย์ที่มีการรวมตัวกัน
สถาปัตยกรรมทางเทคนิคอาจต้องการการเปลี่ยนแปลงพื้นฐาน
ฉันทามติที่เพิ่มขึ้นในหมู่นักวิจัยชี้ให้เห็นว่ากระบวนทัศน์ปัจจุบันของการขยายโมเดลให้ใหญ่ขึ้นเพียงอย่างเดียวอาจถึงขีดจำกัดแล้ว อุตสาหกรรมได้พึ่งพากฎการขยาย - ความเชื่อที่ว่าโมเดลที่ใหญ่กว่าจะปลดล็อกความสามารถใหม่โดยอัตโนมัติ - แต่หลักฐานชี้ไปที่ผลตอบแทนที่ลดลงจากแนวทางนี้
เรากำลังสร้างหอคอยที่สูงขึ้นเรื่อยๆ บนรากฐานที่โซ่แซ่เดิม โดยเพิกเฉยต่อความจริงที่ว่าสิ่งที่เราต้องการคือแบบแปลนสถาปัตยกรรมใหม่ทั้งหมด
บริษัทจีนที่พัฒนาโมเดลที่แข่งขันได้ด้วยต้นทุนที่เป็นเศษเสี้ยวของต้นทุนตะวันตกแสดงให้เห็นว่าการปรับปรุงประสิทธิภาพอาจมาจากนวัตกรรมด้านสถาปัตยกรรมมากกว่าการขยายแบบใช้กำลัง แนวโน้มนี้อาจเร่งขึ้นหากแรงกดดันของตลาดบังคับให้บริษัทต่างๆ มุ่งเน้นไปที่โซลูชันที่ใช้งานได้จริงมากกว่าการไล่ตามความก้าวหน้าทางทฤษฎี
แนวโน้มประสิทธิภาพเทียบกับต้นทุน
- GPT-2 สู่ GPT-3: การปรับปรุงที่ปฏิวัติวงการ
- GPT-4 สู่รุ่นต่อไป: การปรับปรุงเล็กน้อยด้วยต้นทุนที่เพิ่มขึ้นแบบเลขชี้กำลัง
- การปรับปรุงประสิทธิภาพด้านพลังงาน: หยุดนิ่งตามการศึกษาล่าสุด
- ผลิตภาพของนักพัฒนา: รายงานว่าลดลง 19% สำหรับนักพัฒนาที่มีประสบการณ์ที่ใช้เครื่องมือ AI
ประโยชน์ที่เป็นไปได้จากการปรับตัวของตลาด
หลายคนในชุมชนการพัฒนาเชื่อว่าการปรับตัวของตลาดอาจเป็นประโยชน์ต่อความก้าวหน้าของ AI ในระยะยาว การแตกของฟองจะทิ้งโครงสร้างพื้นฐานที่มีค่าไว้ - ฟาร์มเซิร์ฟเวอร์ เฟรมเวิร์กการวิจัย และโมเดลโอเพ่นซอร์ส - ที่สามารถใช้ได้ในราคาที่ลดลง สถานการณ์นี้อาจทำให้ทีมเล็กๆ ที่มีความเฉพาะเจาะจงมากขึ้นสามารถแข่งขันได้อย่างมีประสิทธิภาพและขับเคลื่อนนวัตกรรมในการประยุกต์ใช้เฉพาะมากกว่าการไล่ตามปัญญาประดิษฐ์ทั่วไปที่กว้าง
ภูมิทัศน์หลังการปรับตัวอาจให้รางวัลกับบริษัทที่แก้ปัญหาเฉพาะสำหรับลูกค้าเฉพาะ มากกว่าบริษัทที่สัญญาความสามารถที่ปฏิวัติแต่ไม่ได้กำหนดไว้ การเปลี่ยนแปลงนี้อาจนำไปสู่แบบจำลองธุรกิจที่ยั่งยืนมากขึ้นและการประยุกต์ใช้ AI ที่ใช้งานได้จริงซึ่งให้คุณค่าที่วัดผลได้
ช่วงเวลาปัจจุบันแสดงให้เห็นจุดเชื่อมต่อที่สำคัญสำหรับอุตสาหกรรม AI ในขณะที่เทคโนโลยีได้พิสูจน์แล้วว่ามีประโยชน์อย่างแท้จริงในการประยุกต์ใช้หลายอย่าง ช่องว่างระหว่างคำสัญญาทางการตลาดและความสามารถในทางปฏิบัติยังคงขยายกว้างขึ้น ไม่ว่าสิ่งนี้จะนำไปสู่การปรับตัวครั้งใหญ่ของตลาดหรือการปรับความคาดหวังแบบค่อยเป็นค่อยไป จะเป็นตัวกำหนดทิศทางของอุตสาหกรรมในอีกหลายปีข้างหน้า