Goldman Sachs: Sztuczna inteligencja jest zbyt droga i zawodna

Korporacje i inwestorzy przeznaczają miliardy dolarów na rozwój sztucznej inteligencji, lecz pytanie, czy te inwestycje przyniosą zwrot, pozostaje wciąż otwarte.

Firma venture capital Sequoia Capital oszacowała, że branża AI musi generować 600 miliardów dolarów rocznie, aby osiągnąć próg rentowności przy obecnych wydatkach. Tymczasem wielkie korporacje, takie jak Nvidia, Microsoft i Amazon, inwestują ogromne sumy w nadziei na zdobycie przewagi w wyścigu AI. Goldman Sachs przeprowadził wywiady z ekspertami, by dowiedzieć się, czy te inwestycje rzeczywiście się opłacą. Opinie ekspertów (nie mogło być inaczej) są podzielone. Jedna grupa sceptycznie ocenia potencjał AI, twierdząc, że przyniesie ona jedynie ograniczone korzyści gospodarce i nie rozwiąże złożonych problemów bardziej efektywnie niż obecne technologie. Z drugiej strony, niektórzy eksperci widzą w inwestycjach w AI duży potencjał, porównując je do wcześniejszych przełomów technologicznych.

Modele takie jak GPT-4 już teraz kosztują setki milionów dolarów, a koszty modeli nowej generacji sięgają miliardów. Goldman Sachs, jedna z wiodących globalnych instytucji finansowych, pyta, czy te gigantyczne nakłady przyniosą oczekiwane korzyści.

Profesor MIT Daron Acemoglu szacuje, że generatywna AI przyczyni się do wzrostu produktywności o około 0,5% i wzrostu PKB o 1%. To znacznie mniej niż prognozy ekonomistów Goldman Sachs, którzy przewidują wzrost produktywności o 9% i wzrost PKB o 6,1%. Acemoglu podkreśla, że choć technologie AI mogą stać się tańsze, obecne podejście polegające na wrzucaniu większej ilości danych i mocy obliczeniowej do modeli AI może nie przyspieszyć osiągnięcia ogólnej sztucznej inteligencji.

„Ludzkie poznanie obejmuje wiele typów procesów poznawczych, bodźców sensorycznych i zdolności rozumowania. Duże modele językowe (LLM) okazały się dziś bardziej imponujące, niż wiele osób mogłoby przewidzieć, ale nadal potrzeba dużego skoku wiary, aby uwierzyć, że architektura przewidywania następnego słowa w zdaniu osiągnie zdolności tak inteligentne, jak HAL 9000 w '2001: Odysei kosmicznej'” — mówi Acemoglu. „Jest niemal pewne, że obecne modele AI nie osiągną niczego zbliżonego do takiego wyczynu w ciągu najbliższych dziesięciu lat”.

Inne spojrzenie prezentują Kash Rangan i Eric Sheridan, analitycy z Goldman Sachs. Twierdzą, że choć zwroty z inwestycji w AI mogą przychodzić wolniej niż oczekiwano, ostatecznie powinny się zwrócić. Rangan zauważa: „Każdy cykl obliczeniowy podąża za progresją znaną jako IPA — najpierw infrastruktura, potem platformy, a na końcu aplikacje. Cykl AI jest wciąż w fazie rozbudowy infrastruktury, więc znalezienie przełomowej aplikacji zajmie więcej czasu, ale wierzę, że dotrzemy do celu”.

Sheridan dodaje: „Ten cykl inwestycyjny wydaje się bardziej obiecujący niż poprzednie, ponieważ przewodzą mu obecni gracze — a nie nowicjusze — co zmniejsza ryzyko, że technologia nie stanie się głównym nurtem. Gracze tacy jak Microsoft i Google mają dostęp do głębokich zasobów kapitału, niskiego kosztu kapitału oraz ogromnych sieci dystrybucji i baz klientów, co pozwala im eksperymentować z tym, jak dolary kapitałowe mogą ostatecznie przynieść zwrot”.