Кадър от научнофантастичния сериал The Arc, генериран изцяло с невронни мрежи. Снимка: Business Insider / The Arc

Маркетингът около генеративния изкуствен интелект обича да представя бъдещето на киното като магия с едно натискане на клавиш: въвеждаш сценария, натискаш Enter и получаваш холивудски блокбастър за броени секунди. Реалността обаче е много по-сложна, скъпа и трудна, както показват откровените данни на създателите на независимия петсериен сериал „The Arc“ [1].

Физическите и термодинамични бариери пред мащабирането на авторегресивните LLM. Снимка: deadSimpleTech

В съвременния дискурс около изкуствения интелект доминира една негласна догма: че текущата архитектура на трансформърите и авторегресивното предвиждане на следващ токен са единственият и неизбежен път към създаването на общ изкуствен интелект (AGI), като всичко, което е необходимо, е просто да строим все по-големи центрове за данни и да изгаряме гигавати мощност [1].

Личните финансови агенти автоматизират битката за потребителски права срещу абонаментните капани. Снимка: Business Insider

В продължение на две десетилетия модерната абонаментна икономика процъфтяваше благодарение на една мълчалива психологическа слабост: човешката инертност. Милиони потребители по света плащат месец след месец за неизползвани фитнес членства, забравени стрийминг платформи и завишени сметки за мобилни услуги, просто защото процесът по прекратяване е твърде сложен, бавен и изтощителен [1].

Индустриалният дебат между двукраки хуманоиди и специализирана колесна автоматизация. Снимка: The Robot Report

Видеата в социалните мрежи, показващи двукраки хуманоидни роботи, които правят задни салта, танцуват или сгъват тениски, генерират милиони гледания и привличат милиарди долари инвестиции. Но когато става въпрос за реални фабрични подове, логистични складове и пристанищни терминали, картината е коренно различна [1].

Дженсън Хуанг печели от парадокса на Джевънс: по-евтините изчисления водят до ненаситен глад за силиций. Снимка: The Decoder

В икономическата теория от XIX век парадоксът на Джевънс описва контраинтуитивно явление: повишаването на ефективността при използване на даден ресурс (въглища) не намалява неговото потребление, а напротив – прави го толкова евтин и достъпен, че общото търсене нараства лавинообразно. Днес същият природен закон пренаписва основите на дигиталната икономика [1].

Архитектура на модели за решения тип Система 1 за ултрабърза маршрутизация. Снимка: Nish Tahir Blog

В продължение на години индустрията се опитваше да реши всеки възможен софтуерен проблем чрез една и съща чукова парадигма: изпращане на заявка към гигантски генеративен езиков модел и налагане на структуриран JSON изход (Structured Outputs) [1]. Този подход обаче носи колосални разходи, висока латентност (често между 500 и 2000 милисекунди) и ненужно хабене на електроенергия за тривиални въпроси като „Този имейл спам ли е?“ или „Към кой отдел да насоча този тикет?“ [1].