Поранешен директор на „Гугл“: Компаниите влегуваат во ВИ на погрешен начин

Вештачката интелигенција незапирливо навлегува во секоја пора на економијата, од банкарството и здравството до енергетската транзиција. Од една страна, ветува побрзи решенија за најголемите предизвици на нашето време. Од друга страна, троши повеќе енергија отколку што можеме да замислиме.

Брет Сентклер, експерт за вештачка интелигенција и дигитална трансформација, основач на „Терафло“ (Teraflow.ai) и поранешен директор во „Гугл“ и „Барклис“, наскоро доаѓа во Загреб како гостин на фестивалот „Гринцајт“. Во оваа прилика, разговаравме со него за тоа зошто многу компании влегуваат во вештачката интелигенција на погрешен начин, како „Гугл“ со години користи алгоритми за намалување на потрошувачката и каде всушност лежи линијата помеѓу одговорната примена и бесмисленото трошење.

За Сентклер, вештачката интелигенција може да биде моќна алатка, но само ако ја користиме внимателно, со јасна цел и разбирање на нејзините вистински можности и ограничувања.

Може ли вештачката интелигенција навистина да стане двигател на одржливоста, или нејзината незаситна потреба за енергија ќе ја направи еден од најголемите предизвици на дигиталното доба?

Влегуваме во ера каде податоците генерирани од човекот едноставно не се доволно точни или доволни за генеративна вештачка интелигенција (Gen AI) и големи јазични модели (LLM). Во ова време, моделите ќе учат од човековото однесување и искуства, т.е. многу поголем сет на податоци што ќе им помогне на големите јазични модели побрзо и попрецизно да го запознаат светот околу нас.

Тоа доаѓа со меч со две сечила. На истиот начин како што „Опен еј-ај“ нè предупреди дека нашата учтивост кон големите јазични модели ги чини милиони долари во обработка на токени, така и ние гледаме дека оваа зголемена потреба за податоци и компјутерски капацитет сериозно влијае на одржливоста, со оглед на компјутерските ресурси потребни не само за обработка на токени, туку и за „токени за учтивост“.

Како индустрија, ги прифаќаме фабриките за вештачка интелигенција; сепак, оние објекти со 70.000 графички процесори „Енвидија блеквел 200“ значат огромна потрошувачка на енергија. Овие чипови стануваат сè подобри во управувањето со потрошувачката и мрежните ресурси како што напредуваат.

Другата страна на тој меч е дека како што моделите стануваат помоќни, тие можат да решат некои предизвици со потрошувачката на начини што не можеме ни да ги замислиме во моментов. Одличен пример за ова подобрување на ефикасноста е моделот Дипсик V1, каде што гледаме намалување на потрошувачката на енергија до 90 проценти и на јаглеродниот отпечаток од околу 92 проценти во споредба со слични инфраструктури.

Значи, прашањето сè уште е тешко да се одговори. Би рекол дека ако останеме одговорни и фокусирани на климатскиот проблем, вештачката интелигенција ќе биде клучот за нашата иднина на оваа планета.

Врз основа на вашето искуство во „Гугл“, дали верувате дека технолошките гиганти навистина се обидуваат да ги решат еколошките предизвици што самите ги создадоа или само купуваат време?

Искрено можам да потврдам дека за компании како „Гугл“, одржливоста е клучна бидејќи е и голем поттик за заштеда на трошоци. „Гугл“ користи вештачка интелигенција повеќе од 15 години за оптимизирање на ладењето на центрите за податоци, користи геотермални решенија за ладење на центрите за податоци и се фокусира на нула јаглероден отпечаток.

Некои јавни примери се следниве:

Ладење водено од вештачка интелигенција: „Гугл“ користи алгоритми за вештачка интелигенција за оптимизирање на системите за ладење, анализа на податоците за температурата и приспособување на излезот на ладење за ефикасност.

Мерки за енергетска ефикасност: Тие постојано истражуваат начини за намалување на потрошувачката на енергија во центрите за податоци, вклучувајќи оптимизирање на распоредот на серверите, користење на ефикасни технологии за ладење и минимизирање на градежните материјали.

Управување со водните ресурси: „Гугл“ ја препознава водата како клучен ресурс за ладење и активно бара начини за оптимизирање на потрошувачката на вода во своите центри за податоци.

Ефикасност водена од вештачка интелигенција: „Гугл“ користи вештачка интелигенција за да ја подобри ефикасноста на процесот на обука на модели со вештачка интелигенција, намалувајќи ја потрошувачката на енергија и поврзаните емисии.

Одржлив развој на вештачката интелигенција: Тие работат на развој на модели на вештачка интелигенција кои се енергетски поефикасни од самиот почеток, за да се намали јаглеродниот отпечаток на апликациите со вештачка интелигенција.

Вештачка интелигенција за климатска акција: „Гугл“ користи вештачка интелигенција на различни начини за справување со климатските промени, вклучувајќи прогнозирање на времето водено од вештачка интелигенција, планирање на рути со ефикасна потрошувачка на гориво и управување со водните ресурси.

Иницијативи за циркуларна економија: Истражува начини за промовирање на циркуларна економија во рамките на своето работење, намалувајќи го загадувањето со пластика и промовирајќи одговорно управување со ресурсите.

Bloomberg Mercury

Што треба да направи една компанија денес за да се осигури дека нејзината употреба на вештачка интелигенција е не само ефикасна, туку и одржлива?

Во денешниот свет постојат три пристапи кон вештачката интелигенција:

Градење – развивање на сопствен голем јазичен модел. Не би го препорачал ова освен ако немате огромни количини на податоци релевантни за одреден индустриски сектор, во кои можете да обучувате или дополнително да приспособувате модели што може да бидат многу специфични за тој сектор. Ова не е нешто за кое треба да размислува поединечна компанија. Многу компании експериментираат со обука на отворени големи јазични модели; Само на платформата Хаџинг фејс, веќе надминавме милион вакви модели, од кои сите едвај се разликуваат. Ова е неодговорно користење на компјутерските ресурси и извор на непотребен јаглероден отпечаток. Да, можеби е забавно и може да служи за корпоративни цели во врска со вештачката интелигенција, но е крајно неодговорно.

Подобрување – користење на постоечки модел и негово приспособување на вашите сопствени податоци. Во овој пристап, избирате отворен модел или еден од бројните бизнис модели како почетна точка, а потоа безбедно ги применувате вашите сопствени деловни податоци на него, користејќи методи како RAG и евентуално дополнително приспособување (фино нагодување). Ваквите модели, доколку се имплементираат во MLOps средина според најдобрите практики, можат да бидат оптимизирани за ефикасна потрошувачка. Цената е сè уште значителна и честопати го спречува прекумерното користење во бизнисот, но цената се намалува многу брзо. Само во последните 18 месеци, има намалување од 270 пати на цената на милион токени. Како што цената продолжува да паѓа, се зголемува ризикот дека ќе потрошиме значително повеќе отколку што навистина ни е потребно.

Употреба – поврзување со надворешни модели и плаќање по употреба. Во овој пристап, ги поврзувате вашите системи со деловните на други даватели на услуги и плаќате по милион токени за секој за употреба на големите јазични модели. Во последните три месеци, бевме сведоци на експлозија на вакви понуди само кај потрошувачите. На пример, во новиот модел ГПТ-4о, секој генерира слики од себе како кукли или во стилот на мемињата од „Студио гибли“. Овие инструкции речиси предизвикаа серверите на „Опен еј – ај“ да се срушат поради големиот товар. Како потрошувачи, треба да бидеме свесни дека она што изгледа како едноставно барање може да има сериозни последици за одржливоста.

„Терафло“ се фокусира на имплементација на вештачка интелигенција во бизнисот. Колку се подготвени денешните клиенти да ја вградат одржливоста во јадрото на нивните стратегии за вештачка интелигенција?

Видовме многу малку од пазарот во однос на потрошувачката. Бизнис секторот е сè уште фокусиран на пронаоѓање конкретни апликации и обид да разбере како да ја искористи оваа технологија. Клучните играчи во инфраструктурата на вештачката интелигенција го сфаќаат ова многу сериозно бидејќи се на самиот раб на проблемот што нè очекува. Сепак, компаниите што ги користат овие модели генерално немаат јасна претстава за нивното влијание. Би сакале да видиме показатели за предупредување за одржливост прикажани пред да се активираат барањата. Ова би им помогнало на компаниите фокусирани на потрошувачката да го видат влијанието и да почнат повнимателно да планираат.

Во еден момент, помогнавте во имплементацијата на технологијата во банкарскиот сектор. Кои индустрии сметате дека се во најдобра позиција да користат вештачка интелигенција за одржливост, а кои заостануваат?

Апсолутно секоја компанија во светот има еднакви можности. Пред пет години, машинското учење беше достапно само за големи претпријатија како што се банките, бидејќи влегувањето во оваа област беше неверојатно скапо, како во однос на инфраструктурата, така и во однос на компетентноста. Го лансиравме „Терафло“ пред шест години бидејќи имаше огромна побарувачка за вештини во областа на машинското учење и инженерството на податоци, бидејќи ако компаниите имаат лоши податоци, тогаш имаат и лоши резултати од вештачката интелигенција. Тоа беше период на бум за нас.

Но, како што влегуваме во нова ера на вештачка интелигенција, секој човек на планетата и секоја компанија има огромни можности за раст и примена на поголем обем. Гледаме како помалите компании почнуваат да се зголемуваат и да се натпреваруваат со големите претпријатија; Исто така, гледаме како големите компании ги преиспитуваат корпоративните структури што служеле за управување со работните оптоварувања, бидејќи влегуваме во ерата на самостојни системи со вештачка интелигенција кои дејствуваат како агенти (агентска вештачка интелигенција). Секоја улога бара преиспитување, што значи дека треба да преиспитаме како управуваме со тимовите и агентите кои извршуваат задачи во рамките на организациите.

Сведоци сме на огромни нарушувања во секој деловен сектор. Компании како „Шопифај“ денес вработуваат само ако позицијата не може да ја пополни агент за вештачка интелигенција – тоа е јасен знак за времето кога луѓето треба да ја надополнат својата продуктивност со помош на вештачката интелигенција, а потребата за брзо дејствување е клучна!

Depositphotos

Каков совет би му дале на извршен директор кој сака да воведе вештачка интелигенција во сржта на својот бизнис, но не знае од каде да почне?

Трансформацијата на вештачката интелигенција е многу различна од дигиталната трансформација, каде што извршните директори најчесто ја делегираат таа улога на главните дигитални директори. Јас самиот ја имав таа позиција како главен дигитален директор за „Барклис“ во Африка. Сепак, во теорија, ова треба да биде привремена улога, бидејќи со текот на времето, сите компании ќе станат дигитални компании, па затоа целиот тим на врвот на компанијата треба да биде дигитално свесен.

Овој пат, бидејќи вештачката интелигенција е сеприсутна и распространета, извршните директори повеќе не можат да седат настрана и да ја префрлаат одговорноста на други. Тие треба да вложуваат во ментори за вештачка интелигенција кои можат да им помогнат да ја користат, усвојат и забрзаат нивното разбирање за генеративната вештачка интелигенција. Знам дека звучи смешно; сепак, ако раководството не преземе иницијатива за прифаќање на вештачката интелигенција, промените ќе се случуваат премногу бавно. Дигиталната трансформација траеше од 15 до 20 години. Трансформацијата на вештачката интелигенција ќе се случи во следните пет години и се плашам дека кажав премногу.

Како извршни директори, треба да размислуваме поинаку и да дејствуваме поинаку. Она што некогаш се сметаше за несоодветно однесување, сега стана норма. Нашите компании научија да се префрлат на дигитални состаноци во рок од две години; Верувам дека постои капацитет и волја за премин кон генеративна вештачка интелигенција за помалку од две години.

„Терафло“ работи со големи системи. Можете ли да споделите приказна за трансформација што навистина ве изненади – или во брзина, влијание или промена во начинот на размислување?

Секоја банка, авиокомпанија, енергетска и рударска компанија, осигурителна компанија и здравствена институција со кои соработувавме во текот на изминатите шест години помина низ речиси идентичен развоен пат во имплементацијата на вештачката интелигенција. Сè започнува со почетна еуфорија. Компаниите очајно бараат примери за апликации, честопати без јасна стратегија, што брзо резултира со хаос. Потоа следува фаза во која се лансираат десетици пилот-проекти, но без конкретна пресметка на повратот на инвестицијата.

Само после тоа се случува фокусирање. Се избира еден применлив и навистина корисен случај со вештачка интелигенција, но потоа се појавува вистинскиот проблем – податоците едноставно не се готови. Потоа следува градење на основата за податоци, што најчесто значи поставување складирање во облак и воведување пренос на податоци во реално време.

Набргу потоа, има експлозија во употребата на генеративна вештачка интелигенција, со воведување на асистенти и „копилоти“, но ретко се разгледува паралелно реорганизација на работните улоги. Потоа доаѓа фазата на обука, во која вработените се обучуваат да работат со инструкции, честопати слично на она што се случуваше во времето на „Агилната трансформација“. И конечно, најзрелата фаза – воспоставување централизирана стратегија за вештачка интелигенција во која сите ресурси на податоци се консолидирани, а компаниите почнуваат да градат кохерентна и одржлива MLOps средина.

Честопати ја перципираме вештачката интелигенција како деструктивна сила. Но што се случува кога се користи за постигнување стабилност, оптимизација и попаметно донесување одлуки, наместо само за радикални скокови?

Вештачката интелигенција ќе донесе стабилност и оптимизација само ако внатрешните технолошки тимови донесат дисциплинирана рамка за управување со податоци и имаат јасна визија за тоа како да ја усвојат вештачката интелигенција.

Најголемиот предизвик за компаниите е брзината на промените. Затоа треба да ги ослободиме нашите компании од застарените пристапи и да бидеме подготвени за процеси на брзи промени и модерни архитектури кои можат беспрекорно да се приспособат на новата технолошка ера.

Ова можеби е лесно да се каже, но верувајте ми – исклучително е тешко да се спроведе, бидејќи секоја компанија се соочува со големи ограничувања како што се недостаток на буџет и професионален персонал.

Ако можам да споделам еден клучен заклучок со секој бизнис: за четири до пет години, сите ќе водиме бизниси напојувани од вештачка интелигенција. Ако не поставите планови за приспособување на вашите бизнис модели и буџет за таква иднина, нема да имате никаква шанса да останете чекор со времето. Да се однесуваш како ној и да се надеваш дека ќе го преживееш овој бран е погрешен пристап. Немојте да бидете весници или кодак од минатото.

Bloomberg

Се нарекувате себеси „технолошки бунтовник“. Која е всушност таа личност и зошто верувате дека секоја компанија треба да има една таква? Може ли технолошки бунтовник да успее во високо регулирани индустрии како што е банкарството? Или нивната улога е највредна таму каде што отпорот кон промените е најголем?

Мојата мисија е да го пронајдам секој бунтовник во секоја чета. Длабоко во себе, сите имаме желба да ги промениме работите на подобро. Денес живееме во време кога никогаш не било полесно да се стане технолошки бунтовник. Со појавата на самостојни агенти со вештачка интелигенција во последните шест месеци, секој може да направи што сака.

Сведоци сме на промена во начинот на кој улогите ќе еволуираат – од вертикално специјализирани кон хоризонтално специјализирани. Улогите што беа тесно специјализирани ќе станат излишни, додека подемот на генералистите ќе стане клучен за бизнисот.

Како технолошки бунтовници, ние сме агенти на промените во светот – мора да научиме како да ги препознаваме проблемите, не само површинските, туку фундаменталните и структурните проблеми што треба да се решат во вашиот оддел или бизнис. Технологијата ќе се промени, а со неа и видовите проблеми и начините на кои ги решаваме.

Кои се најголемите заблуди за вештачката интелигенција и одржливоста што би сакале да ги побиете?

Погрешното сфаќање дека вештачката интелигенција ќе биде двигател на уништувањето на нашата планета не е точно. Вештачката интелигенција ќе реши проблеми што никогаш порано не сме можеле да ги решиме, и тоа побрзо од кога било досега.

Ако не правиме ништо со вештачката интелигенција и само ја користиме за правење мемиња и забава на социјалните медиуми, тогаш да, тоа би можело да има негативен ефект. Но, ако го користиме за решавање на климатските предизвици, за зголемување и забрзување на производството на климатски решенија, за забрзување на работата на луѓето во климатските индустрии – за побрзо дејствување, поевтино градење и поефикасно проширување – тогаш можеме да ги решиме проблемите со кои се соочуваме.

Паралелно, ќе видиме и огромен напредок во начинот на кој вештачката интелигенција троши енергија, како се лади, како се тренира – сето тоа ќе стане поефикасно. Моделите ќе стануваат сè помали и помали, а со тоа и потрошувачката на енергија ќе се намали.

За крај, ако можете да оставите една порака до следната генерација технолози, на пример оние кои ќе го водат развојот на вештачката интелигенција во 2040-тите, што би им кажале?

Не губете време учејќи програмирање – учете математика, учете за нашиот свет, учете за луѓето, бидете емпатични кон проблемите на другите луѓе и фокусирајте се на проблемот, а не на политиката или профитот.

Замислете свет каде што го напуштаме училиштето инспирирани да решаваме проблеми што ни се важни лично. Свет каде што имате пристап до вистински луѓе и вистински технологии за вештачка интелигенција – така што во секое време, на кое било место во светот, можете да решавате човечки трагедии. Тоа е светот на кој навистина сакаме да се фокусираме.