Üretken yapay zeka, şirketlere maliyetleri azaltabilen, üretkenliği artırabilen ve insan işinin giderek artan bir bölümünü otomatikleştirebilen bir teknoloji olarak sunuldu.
Ancak bu, konuyla çelişen bir başlangıçtır. Yapay zekayı benimsemenin gerçek maliyeti sitenin vurguladığı gibi Fütürizm.comşirketleri ve kuruluşları belirli türden yansımalar yapmaya yönlendirebilecek olası bir darboğazı temsil eder.
Büyük bir dil modelini eğitmek büyük bir yatırım gerektirir ancak model hazır olduğunda masraf bitmez. Her soru, analiz edilen her belge, oluşturulan her görüntü ve daha genel olarak, Bir yapay zeka aracısı tarafından gerçekleştirilen her eylem yeni maliyetleri beraberinde getirir, rapor Atlantik.
Kullanıcılar arttıkça içeriğin uzunluğu ve isteklerin karmaşıklığı arttıkça çıkarım maliyetiyani yapay zekanın operasyonel kullanımı.
THE büyük dil modelleri (LLM) giderek daha ucuz hale geliyor, öyle ki birim fiyatlar önemli ölçüde düştü ve modern modeller giderek daha verimli hale geliyor. Ancak yapay zeka sektörü modellerden daha uzun düşünmelerini, harici araçlara başvurmalarını ve onlarca veya yüzlerce işlemi zincirlemelerini istiyor. Tek geçişin maliyeti düşüyor evet ama geçişler artıyor.
Fenomen
Birbirleriyle konuşan yapay zeka modelleri çökme eğiliminde
kaydeden Giuditta Mosca
Maliyet eğitimle bitmiyor
Orada masraf üretken modellerle bağlantılı olarak ayrılabilir iki büyük kategori. Orada Öncelikle eğitimle ilgilimodeli oluşturmak için büyük miktarda veri işlenir. Binlerce özel işlemci, elektrik, soğutma sistemi ve ağ altyapısı gerektirir.
Orada ikincisi çıkarımdır: Zaten eğitilmiş bir modelin bir istek aldığı ve bir yanıt ürettiği süreç. Tekrarlanan bir giderdir ve kullandıkça artar. Geleneksel bir hizmet, aynı dosyayı veya sayfayı nispeten düşük marjinal maliyetlerle milyonlarca kullanıcıya dağıtabilir. Öte yandan bir chatbotun her istek için yeni bir yanıt hesaplaması gerekir.
Bağımsız araştırma enstitüsü tarafından yapılan bir araştırma Çağ Yapay Zekası çıkarım ekonomisi üzerine hız ve maliyetin ortadan kaldırılması zor olan ödünleşimlerle bağlantılı olduğunu gösteriyor.
Daha büyük modeller, her bir jetonu, yani işlenen her metin birimini oluşturmak için daha fazla bellek ve zaman gerektirir. Hesaplamayı birden fazla işlemciye dağıtmak hızı artırabilir, ancak makineler arasındaki iletişimde maliyetlere ve gecikmelere neden olur.
Ağ gecikmesi yani işlemcilerin bilgi alışverişinde bulunması için gereken gecikme şu şekilde olur hızlı çıkarımın sınırlamalarından biri. Daha fazla çip eklemek yeterli değil çünkü belirli bir eşiğin ötesinde makineler zamanlarının giderek artan bir bölümünü koordinasyona harcıyor.
Verimlilik paradoksu
Sektör önemli ilerleme kaydetti. Daha küçük modeller, birkaç yıl önce çok daha büyük sistemler gerektiren performansı elde edebilir.
Bütün bunlar yine de genel harcamalarda bir azalmayı garanti etmez. Epoch AI, modeller ucuzladıkça OpenAI ve Anthropic gibi büyük oyuncuların çıkarım gelirlerinin hızla arttığını belirtiyor.
Bir teknolojinin maliyeti daha düşük olduğunda, daha fazla kullanılma ve daha önce çok pahalı olduğu düşünülen faaliyetler için kullanılma eğilimi ortaya çıkar.
Bu bir değişken Jevons'un paradoksu: Verimliliğin arttırılması bir kaynağın birim maliyetini azaltır ancak toplam tüketimin artmasına neden olabilir. Yüz kelime üretmek daha ucuz hale gelirse, şirketler aynı yüz kelimeyi daha az parayla üretmekle yetinmezler; sistemden tüm arşivi analiz etmesini, belge oluşturmasını, görüntüleri işlemesini, veritabanlarını sorgulamasını ve tatmin edici bir sonuç elde edilene kadar işlemleri tekrarlamasını isterler.
Bu olgu akıl yürütme modelleriyle daha da belirgin hale geliyor ve yapay zeka ajanları. Geleneksel bir sohbet robotu bir soruyu alır ve bir yanıt verir. Bir temsilci bunun yerine bir görevi planlayabilir, web'e başvurabilir, harici programlar kullanabilir, sonucu doğrulayabilir ve bir hata durumunda yeniden deneyebilir. Her aşama tüketir belirteçler ve bilgi işlem kaynakları.
Palo Alto Networks'ün başkanı ve CEO'su, Nikesh Arora, o savundu Teknolojinin işletmeler için gerçek anlamda kullanışlı hale gelmesi için yapay zeka fiyatlarının 2027'ye kadar %20, 2028'e kadar ise %90 oranında düşmesi gerekiyor.
Yapay zeka bir kişinin yerini alması gerektiğinde
Karşılaştırma daha da ciddileşiyor Belirtilen amaç bir işçiye yardım etmek değil, işçiyi ortadan kaldırmaktır. bir iş. Bu durumda yapay zeka, yeterli sonuçlar üretmenin yanı sıra, yeterince istikrarlı bir kaliteyi garanti etmeli, istisnalarla başa çıkmalı ve yerini alması beklenen tüm insan sürecinden daha az maliyetli olmalıdır.
Bir başarı maliyeti hesaplamak lazım itibaren lisanslar veya arayüzler programlamanın, l'entegrasyon mevcut sistemlerle, hazırlık verilerden, siber güvenlikthe nezaret ve yönetimi hatalar. Bunlara eklenen bir çalışma daha var zorunda olan insanlar kontrol etmek sistemin ne ürettiği.
Yönetişimin bir maliyeti vardır ve yapay zeka kullanımı ne kadar köklü olursa ve iş süreçlerinin karmaşıklıklarına ne kadar girerse, o kadar yeterli (ve pahalı) olmalıdır.
Kolaylık aynı zamanda işçinin maaşına da bağlıdır. Milyonlarca kez gerçekleştirilen, çok pahalı ve tekrarlanan bir görevi otomatikleştirmek ekonomik açıdan mantıklı olabilir. Haftada birkaç saatini bir göreve ayıran kişinin yerini alacak özel bir sistem oluşturmak, tasarruf edilen işten daha pahalıya mal olabilir.
Üzerinde düşünülecek MIT verileri
Bir çalışma Massachusetts Teknoloji Enstitüsü (MIT), teknik olasılığın olduğunu gösteriyor bir görevi otomatikleştirmek ekonomik rahatlıkla örtüşmüyor. Bilgisayarla görme gibi nispeten olgun bir endüstride bile birçok otomatikleştirilebilir görev, insanlara bırakıldığında daha uygun maliyetli olmaya devam ediyor.
Anketin yazarları, maliyetlerin azalması veya sistemlerin ortak hizmetler olarak sunulması durumunda insan operatörlerin değiştirilmesinin hızlanabileceğine ve yatırımın birçok şirkete yayılabileceğine inanıyor.
Tam tersine gerekli BT kaynaklarının artması, yeterli verinin bulunmasının zorlaşması veya kalifiye teknisyen eksikliğinin olması durumunda maliyetler otomasyonu yavaşlatacaktır.
İnsan emeği tek bir işlev değildir
A sık karşılaşılan bir diğer hata ise hızı karşılaştırmaktır Bir çalışanın tam maliyetine sahip model. Bir yapay zeka, bir kişinin on dakikasını alırken otuz saniyede yanıt yazması, çalışanın yerini aldığı anlamına gelmez.
Bir meslek farklı faaliyetlerden oluşur. Bir sisteme aktarılması zor olan kararları, ilişkileri, istisna yönetimini, hesap verebilirliği ve örtülü bilgiyi içerir. İşin bir kısmının otomatikleştirilmesi, işi yapan kişiyi işten çıkarmadan verimliliği artırabilir.
Üretken yapay zeka bugün daha ikna edici görünüyor tamamlayıcı teknoloji. İlk versiyonu hazırlayabilir, belgeleri özetleyebilir, bilgi arayabilir ve tekrarlanan görevleri hızlandırabilir. Ancak sonucun doğru, uygun ve kullanılabilir olup olmadığının tespiti işçinin sorumluluğundadır.
İşgücü piyasasına ilişkin genel veriler de dikkatli olunması gerektiğini gösteriyor. A'Bütçe Laboratuvarı analizi Yale Üniversitesi'nden ChatGPT'nin devreye alınmasından sonraki ilk 33 ay için güncellenen bir araştırma, yapay zekaya maruz kalma ile Amerika Birleşik Devletleri'ndeki istihdam veya işsizlikteki değişiklikler arasında açık bir ilişki bulamadı. Sonuç, gelecekteki etkinin önemsiz olacağını kanıtlamaz ancak büyük ölçekli ikamenin henüz toplu verilerde kendini göstermediğini gösterir.
dava
Meta, çalışanları tarafından kimin kovulacağını seçmek için yapay zekayı kullanmakla suçlanıyor
kaydeden Pier Luigi Pisa
Verimlilik jetonlarla ölçülmez
Ayrım gözetmeden evlat edinme başka bir paradoks yaratabilir. Çalışanlar yapay zekayı ne kadar kullandıklarına göre ödüllendirilirse yararlı sonuçlar üretmese bile tüketim artar. Üretkenliği, kullanılan veya üretilen tokenleri sayarak ölçmek pek mantıklı değil.
Doğru soru dolayısıyla chatbot'u kaç kişinin kullandığı değil, gerçekte ne kadar zaman kazanıldığı, kaç hatanın önlendiği ve kontrol ve entegrasyon maliyetleri düşüldükten sonra ne kadar ek değer üretildiği önemlidir.
Bir deneme, az sayıda kullanıcıyı kapsadığı, promosyon fiyatlarından yararlandığı ve henüz tüm organizasyon masraflarını kapsamadığı için ekonomik görünebilir. Sistem binlerce çalışana dağıtıldığında ve temel süreçlere entegre edildiğinde rakamlar hızla değişebilir.
Yapay zeka ve iş
Makineleri besleyen yeni köleler
kaydeden Antonio Dini
Şablonların maliyeti darboğaz haline gelebilir
Yüksek Lisans'ın maliyeti gerçek bir darboğaz olabilir çünkü bilgi işlem talebi verimlilikten daha hızlı artabilir. Akıl yürütme modelleri, daha büyük bağlam pencereleri ve özerk aracılar, bir görevi tamamlamak için gereken işlemleri çoğaltır. Aynı zamanda tüketimi de artırıyorlar. işlemciler, bellek, enerji ve ağ altyapısı.
Bu darboğaz, farklı bakış açılarıyla da olsa, hem çıkarımın ekonomisi üzerine yapılan çalışmalar hem de otomasyonun uygunluğu üzerine MIT araştırmaları tarafından doğrulanmıştır. Maliyet, sistemlerin yayılmasını yavaşlatabilir, kullanımlarını daha yüksek değerli faaliyetlerle sınırlayabilir ve çalışanların değiştirilmesini daha az maliyetli hale getirebilir.
Otomasyon yarışının ekonomik sınırıyla buluştuğu nokta burasıdır. Bir model, teknik olarak bir görevi yerine getirme kapasitesine sahip olmasına rağmen, yerini alması beklenen kişinin yerine daha kötü ve daha pahalı bir alternatif olabilir.
Bir yanıt yazın