Почему главные бенефициары GenAI — люди, а не корпорации

Генеративный AI сломал привычные шаблоны того, как новые технологии создают ценность. Если раньше главными их бенефициарами поначалу были государства и корпорации, то в случае с генеративным AI — это рядовые пользователи.

AI-инструменты создают непропорционально больше ценности для каждого отдельного человека, чем для корпораций или государств. С их помощью эффективность одного человека способна вырасти кратно, в то время как большие компании могут рассчитывать лишь на небольшой прирост производительности — и то лишь в том случае, если им удастся одолеть комплаенс и бюрократию.

В этом эссе Андрей Карпатый — видный ученый в области ИИ и автор термина «vibe coding» — объясняет причины такого дисбаланса ценности и рассуждают о сценариях дальнейшего развития генеративного AI.

Мы сделали его перевод.

Андрей Карпатый — специалист в области ИИ, один из сооснователей OpenAI и бывший директор по искусственному интеллекту Tesla.

Блогер и лектор; имеет более 1.2 миллиона подписчиков в X (бывший Twitter). Автор термина «vibe coding», который означает разработку цифровых продуктов (в первую очередь создание кода) с помощью AI-инструментов.

Сейчас развивает собственный стартап Eureka Labs, который нацелен на внедрение искусственного интеллекта в образовании.

***

Технологические инновации обычно распространяются сверху вниз: сначала разработка появляется у государства или военных, затем попадает в руки корпораций и следом постепенно появляется в жизни обычных людей. Так было с электричеством, криптографией, компьютерами, авиацией, интернетом и GPS. Такой порядок вещей кажется логичным: новые технологии требуют больших инвестиций, а их использование — специальной экспертизы. 

В этом ключе ситуация с LLM (Large Language Models, «большие языковые модели») кажется мне уникальной, так как демонстрирует обратный паттерн: эта технология создает колоссальную ценность для обычных людей, в то время как корпорации и государства не могут извлечь из нее непропорционально больше пользы, несмотря на все их ресурсы.

ChatGPT — самое быстрорастущее приложение в истории. 400 миллионов человек еженедельно используют его для работы с текстами, написания кода, перевода, обучения, создания саммари, исследований, брейнсторминга и так далее. Это не просто небольшое улучшение чего-то существующего: это невероятный мультипликатор возможностей одного человека по целому ряду вопросов и задач. И барьеры на пути к использованию технологии минимальны: модели стоят дешево (точнее сказать, они бесплатны), работают быстро, доступны в один клик и способны говорить на любом языке. С ума сойти! Насколько мне известно, в истории прежде не было примеров такого качественного и такого быстрого технологического скачка.

В таком случае, почему же в контексте корпораций и государств ценность этой технологии столь несущественна? Мне кажется, дело в том, что LLM обладают довольно специфическим уровнем возможностей: знания уровня «квази-эксперта», но по целому ряду вопросов. Они очень разносторонние, но им не хватает глубины и они часто ошибаются.

Сила организации в том, что она может аккумулировать в себе специалистов с разной экспертизой: инженеров, исследователей, аналитикой, юристов, маркетологов и так далее. Хотя LLM способны увеличить эффективность каждого из этих специалистов по отдельности, на масштабе всей организации это означает, что она станет делать лишь чуточку лучше то, что она уже делала.

Каждый отдельный же человек обычно обладает определенной экспертизой лишь в одной области, и таким образом LLM позволяет им делать то, что прежде они не могли вовсе. Люди могут создавать приложения с нуля благодаря vibe coding. Они могут составлять юридические документы. Они могут понимать научные публикации. Они могут анализировать данные. Они могут создавать текстовый и визуальный контент для брендинга и маркетинга. И все это — без привлечения сторонних экспертов.

Второе, что мне кажется важным, это скоуп проблем, стоящих перед организациями. Обычно им приходится иметь дело с различными интеграциями, устаревшими системами, протоколами безопасности, поддержанием бренда, вопросами приватности, регуляторики и юридических рисков. И это далеко не все вопросы, вызовы и сложности, в которых у организаций почти нет права на ошибку. Все это нельзя взять и скормить LLM для контекста. Одна непроверенная ошибка со стороны LLM, одна ее очередная «галлюцинация» — и ты можешь лишиться работы.

Наконец, третье — это всем известная инерция крупной организации, особенности корпоративной культуры, исторические прецеденты, борьба за сферы влияния (которая усиливается в периоды быстрых изменений), сложности коммуникации, переобучение сотрудников и старая добрая бюрократия. Все это — сильные сдерживающие факторы на пути к внедрению новой технологии. Я не хочу сказать, что LLM совсем не помогут корпорациям и государствам стать эффективнее, но на какое-то время технология точно окажет гораздо более значимое влияние на отдельных людей, нежели на организации. Сейчас условные Мэри, Джим и Джо получают от нее непропорционально больше ценности, чем Google или правительство США.

Дальнейшее распространение LLM зависит от того, насколько они будут становиться лучше и какие возможности будут предлагать. Особенно интересно посмотреть, как будет распределяться выгода от их использования — это сильно зависит от того, как производительность моделей связана с объемом вложенных денег. Сейчас получить доступ к самым передовым LLM не требует больших усилий и средств. И это же означает, что никакие деньги не позволят тебе купить дополнительную производительность, надежность и автономность сверх существующих общедоступных тарифов. Нельзя купить «лучшую версию» ChatGPT. И вы, и Билл Гейтс общаетесь с одинаковой версией GPT.

За счет масштабирования на уровне обучения (то есть роста числа параметров модели, увеличения объема данных), масштабирования на уровне генерации ответа (за счет увеличения объема вычислений и времени), а также объединения разных моделей в ансамбли происходит увеличение отрыва между слабыми и сильными моделями. А когда берут большую умную модель и учат маленькую воспроизводить ее ответы — маленькая становится умнее, и разница между слабыми и сильными моделями уменьшается.

Конечно, если мы окажемся в ситуации, когда за деньги все же можно будет купить качественно лучшую версию ChatGPT, все изменится. Крупные организации наконец смогут позволить купить себе больше «интеллекта». Да и на уровне отдельных людей мы тоже увидим неравенство, когда дети элит будут обучаться с помощью “GPT-8-pro-max-high”, а все остальные — на “GPT-6 mini”.

Тем не менее на текущий момент мы все еще находимся в уникальной и беспрецедентной ситуации с точки зрения развития технологии. Ни один фантаст не смог верно предсказать, как именно случится «AI-революция». Они ожидали сверхсекретный государственный проект по созданию мегамозга, а мы получили ChatGPT, доступный бесплатно для всех, у кого есть смартфон.

Помните цитату Уильяма Гибсона? «Будущее уже здесь, просто оно распределено неравномерно». Так вот: будущее действительно здесь, и оно очень даже распределено. И мне это нравится.