Οι εταιρείες τεχνητής νοημοσύνης «αυτοκαταστρέφονται» για να επιταχύνουν την ανάπτυξή τους.

Στον ταχύτατο αγώνα δρόμου για την τεχνολογία τεχνητής νοημοσύνης, η αποσυναρμολόγηση παλιών πλατφορμών για την ταχεία προσαρμογή σε νέες έχει γίνει μια νοοτροπία επιβίωσης για τους προγραμματιστές.

Διευθύνων Σύμβουλος της Nvidia, Jensen Huang. Φωτογραφία: Reuters .

Εξοικειωμένες με τον φόβο της «συντριβής» από την Nvidia, πολλές μικρότερες εταιρείες τεχνητής νοημοσύνης αποσυναρμολογούν προληπτικά παλαιότερες τεχνολογίες πριν ο μεγαλύτερος ανταγωνιστής κάνει την κίνησή του. Με αυτόν τον τρόπο ετοιμάζεται να αντιδράσει ο Tuhin Srivastava, συνιδρυτής της πλατφόρμας συμπερασμάτων τεχνητής νοημοσύνης Baseten, όταν η Nvidia λανσάρει τη νέα της πλατφόρμα.

«Στην Τεχνητή Νοημοσύνη, πρέπει να κάψεις τα σκάφη. Δεν τα έχουμε κάψει ακόμα, αλλά έχουμε αγοράσει την κηροζίνη», δήλωσε ο Σριβαστάβα στο Business Insider .

Η ιστορία ξεκίνησε νωρίτερα φέτος, όταν η ομάδα του Srivastava εργαζόταν στο μοντέλο συλλογισμού DeepSeek R1. Η υλοποίηση αντιμετώπισε δυσκολίες λόγω σημείων συμφόρησης στη διαδικασία συλλογισμού της τεχνητής νοημοσύνης, με αποτέλεσμα μια αργή και αναποτελεσματική ανταπόκριση στους πελάτες.

Παρόλο που η Baseten είχε πρόσβαση στο τσιπ Nvidia H200 —το πιο προηγμένο τσιπ εκείνη την εποχή— το συνοδευτικό λογισμικό Triton Inference Server δεν χειριζόταν καλά τα πολύπλοκα αιτήματα συμπερασμάτων. Η Baseten αναγκάστηκε να κατασκευάσει το δικό της λογισμικό για να βελτιστοποιήσει τη διαδικασία.

Τον περασμένο Μάρτιο, ο Διευθύνων Σύμβουλος της Nvidia, Jensen Huang, παρουσίασε το Dynamo, μια πλατφόρμα συμπερασμάτων ανοιχτού κώδικα που βελτιστοποιεί τη διαδικασία συμπερασμάτων σε τσιπ Nvidia. Ο Huang περιέγραψε το Dynamo ως «το λειτουργικό σύστημα του εργοστασίου τεχνητής νοημοσύνης».

Ο Jensen Huang μιλάει στο Συνέδριο Τεχνολογίας GPU της Nvidia (GTC) στο Κέντρο SAP στο Σαν Χοσέ της Καλιφόρνια, ΗΠΑ. Φωτογραφία: Reuters

Με την κυκλοφορία του Dynamo, ο Srivastava γνώριζε ότι η πλατφόρμα του Baseten σύντομα θα ξεπεραζόταν. Προέβλεψε ότι η εταιρεία του θα χρειαζόταν αρκετούς μήνες για να μεταβεί στο νέο σύστημα.

«Ήμουν ψυχολογικά προετοιμασμένος γι' αυτό», είπε.

Δεν είναι μόνο η Nvidia. Ολόκληρη η βιομηχανία μηχανικής μάθησης αναπτύσσεται με ιλιγγιώδη ρυθμό. Τα μοντέλα τεχνητής νοημοσύνης γίνονται ολοένα και πιο περίπλοκα, απαιτώντας περισσότερη υπολογιστική ισχύ, αλλά επίσης γρήγορα καθίστανται απαρχαιωμένα καθώς οι μηχανικοί βρίσκουν πιο βελτιστοποιημένους αλγόριθμους.

«Δεν μπορείς να κολλάς σε ένα συγκεκριμένο πλαίσιο ή τρόπο λειτουργίας για πάντα», σχολίασε ο Karl Mozurkewich, επικεφαλής αρχιτέκτονας στην εταιρεία cloud computing Valdi.

Σύμφωνα με τον Μπράουν, έναν YouTuber και προγραμματιστή τεχνητής νοημοσύνης, η τεχνητή νοημοσύνη έχει μετατρέψει πράγματα που κάποτε θεωρούνταν «ανίκητα» από την τεχνολογική βιομηχανία σε πράγματα που «απορρίπτονται εύκολα».

Ο Μπράουν αφηγείται ότι ενώ εργαζόταν ως μηχανικός στο Twitch, αντιμετώπισε σφοδρή αντίθεση όταν πρότεινε να ξαναγράψει το έργο αντί να χτίσει πάνω στα παλιά θεμέλια. «Έπρεπε να μάθω να ενεργώ γρήγορα πριν κάποιος μπορέσει να με σταματήσει», είπε.

Αυτός είναι επίσης ο λόγος για τον οποίο οι νεοσύστατες επιχειρήσεις τεχνητής νοημοσύνης είναι συχνά πιο ευέλικτες από τις μεγάλες εταιρείες, οι οποίες περιορίζονται από ξεπερασμένες διαδικασίες και επενδυτικό κόστος.

Ο Quinn Slack, Διευθύνων Σύμβουλος της πλατφόρμας κωδικοποίησης τεχνητής νοημοσύνης Sourcegraph, υποστηρίζει ότι περίπου το 80% των εταιρειών του Fortune 500 συνειδητοποιούν ότι η πρώτη τους πλατφόρμα τεχνητής νοημοσύνης πρέπει να αλλάξει μετά από μόλις μία ωριαία συνάντηση.

Ωστόσο, δεν επιλέγουν όλοι να «κάψουν τα σκάφη».

Ο Μπεν Μίλερ, Διευθύνων Σύμβουλος της πλατφόρμας επενδύσεων σε ακίνητα Fundrise, κατασκευάζει ένα νέο προϊόν τεχνητής νοημοσύνης για τον κλάδο του. Πιστεύει ότι αν το τρέχον μοντέλο είναι αρκετά καλό, η εταιρεία δεν θα βιαστεί να στραφεί σε κάτι νέο.

«Επιμένω σε ό,τι λειτουργεί για όσο το δυνατόν περισσότερο», είπε ο Μίλερ, προσθέτοντας ότι ένας από τους λόγους είναι ότι διευθύνει έναν μεγάλο οργανισμό.

Η σκέψη του Μίλερ καταδεικνύει μια κοινή πράξη ισορροπίας στον κλάδο: μεταξύ συνεχούς καινοτομίας και διατήρησης της σταθερότητας.

Ο Mozurkewich τονίζει ότι όταν ένα προϊόν είναι πολύ κοντά στον καταναλωτή, τα οφέλη της «γρήγορης προσπάθειας και της αποτυχίας» μειώνονται σημαντικά.

«Δεν υπάρχει καμία εγγύηση ότι θα κερδίσετε περισσότερους πελάτες ή έσοδα απλώς λανσάροντας την πιο πρωτοποριακή λειτουργία», είπε.

Στον κόσμο της Τεχνητής Νοημοσύνης, όπου η τεχνολογία αλλάζει κάθε μήνα, η επιλογή μεταξύ καινοτομίας και βιωσιμότητας παραμένει ένα μεγάλο ερώτημα χωρίς συγκεκριμένη απάντηση.

Πηγή: https://znews.vn/cac-hang-ai-dang-tu-huy-de-tang-toc-post1549478.html