Niedawna wypowiedź Deana Balla, dyrektora ds. przyszłości strategicznej w OpenAI, dotycząca modelu K3 od firmy Kimi, wywołała w Dolinie Krzemowej ożywioną dyskusję na temat przyszłości sztucznej inteligencji. Ball zasugerował, że modele o otwartych wagach (open-weight) są z natury „deceleracjonistyczne”, czyli hamujące postęp. Jego zdaniem zwolennicy akceleracji technologicznej błędnie popierają otwarte modele, które w rzeczywistości są niezarządzalne i mogą zniechęcać inwestorów do finansowania kosztownej infrastruktury AI.
Ekonomiczne fundamenty sporu
Termin „deceleracjonizm” odnosi się do działań spowalniających akumulację kapitału, co w konsekwencji ma opóźniać innowacje. Aby ocenić, czy otwarte wagi faktycznie działają w ten sposób, należy wyjść poza estetykę debaty i przyjrzeć się twardym danym ekonomicznym. Obecnie trenowanie zaawansowanych modeli językowych wymaga ogromnych nakładów finansowych na specjalistyczne procesory, centra danych oraz wykwalifikowaną kadrę inżynierską. Inwestorzy oczekują w zamian trwałych przepływów pieniężnych. Jeśli otwarte wagi ułatwiają replikację lub dostrajanie modeli, mogą obniżać ich wartość rynkową, co teoretycznie zniechęca kapitał do dalszego finansowania projektów typu frontier.
Geopolityka i rola Chin
W tym kontekście istotnym graczem są Chiny, które dzięki swojej strategii gospodarczej potrafią budować moce produkcyjne na ogromną skalę. Historia pokazuje, że gdy Pekin kieruje kapitał w konkretne sektory – takie jak stal, panele słoneczne czy pojazdy elektryczne – potrafi przekształcić globalne rynki, często poprzez dotowanie nadwyżek produkcyjnych. Istnieje obawa, że podobny scenariusz może dotyczyć infrastruktury AI. Jeśli „fabryki” przyszłości będą produkować tokeny (jednostki inteligencji maszynowej), Chiny mogą zalać rynek tanimi rozwiązaniami, co osłabi pozycję amerykańskich firm i zniechęci prywatny kapitał do inwestycji w droższe, zamknięte systemy.
Czy obecny model rozwoju jest trwały?
Argument o hamowaniu innowacji opiera się na założeniu, że obecny paradygmat trenowania modeli – polegający na przetwarzaniu ogromnych zbiorów danych i „zamrażaniu” wag – pozostanie niezmienny. Wielu ekspertów, w tym François Chollet, wskazuje jednak na istotne nieefektywności obecnego podejścia. Jeśli w przyszłości przejdziemy na systemy uczące się w sposób ciągły, adaptacyjne i bardziej przypominające ludzkie procesy poznawcze, koszty początkowe (capex) mogą drastycznie spaść. W takim scenariuszu dzisiejsza intensywność kapitałowa okaże się jedynie etapem przejściowym.
Wartość w świecie nadmiaru
Kluczowe pytanie brzmi: gdzie w łańcuchu wartości będzie generowany zysk? Sam Altman, CEO OpenAI, porównuje inteligencję do energii elektrycznej – użyteczności publicznej, za którą płaci się według zużycia. Choć media te są niezbędne, konkurencja zazwyczaj spycha ich ceny w stronę kosztów krańcowych. Wartość może zatem przenieść się z samych modeli na inne obszary:
Przykład systemu Linux pokazuje, że udostępnienie fundamentów (systemu operacyjnego) za darmo nie zniszczyło wartości rynkowej – wręcz przeciwnie, stworzyło ogromny ekosystem firm budujących na nim swoje rozwiązania. Podobnie otwarte wagi mogą obniżyć bariery wejścia, pozwalając większej liczbie innowatorów na eksperymentowanie, co w skali globalnej może przyspieszyć, a nie spowolnić postęp.
Wnioski dla przyszłości
Otwarte wagi nie są z natury „deceleracjonistyczne”. Są raczej zakładem, że punkt ciężkości wartości przesuwa się z posiadania „fabryki” (modelu) na budowanie ekosystemów wokół niej. Ryzyko nie polega na tym, że postęp wyhamuje, lecz na tym, że modele biznesowe oparte na sztucznej rzadkości będą miały trudności w świecie zmierzającym ku obfitości. Akceleracja w nadchodzących latach może zależeć mniej od pilnowania bram fabryki, a bardziej od tego, co zdecydujemy się zbudować, gdy te bramy zostaną otwarte.