Τελευταία Νέα
Αναλύσεις – Εκθέσεις

Το «εύκολο χρήμα» προκάλεσε φούσκα στις εταιρείες τεχνολογίας – Οι περιορισμοί της Τεχνητής Νοημοσύνης, οι επενδύσεις και τα έσοδα

Το «εύκολο χρήμα» προκάλεσε φούσκα στις εταιρείες τεχνολογίας – Οι περιορισμοί της Τεχνητής Νοημοσύνης, οι επενδύσεις και τα έσοδα
Η απουσία εφαρμογών για τους καταναλωτές και οι περιορισμοί στο hardware φρενάρουν την επενδυτική αξία της Τεχνητής Νοημοσύνης
Από τις αρχές του 2022, είναι γνωστό ότι το βασικό trend στη βιομηχανία της τεχνολογίας ήταν η «τεχνητή νοημοσύνη».
Αν και η ιδέα δεν είναι καινούργια - η AI είναι ο όρος, όπως πολλοί νομίζουν, χρησιμοποιείται για να περιγράψει τον τρόπο με τον οποίο οι υπολογιστές λειτουργούν τουλάχιστον από τη δεκαετία του 1980 - έχει αιχμαλωτίσει για άλλη μια φορά τη φαντασία του επενδυτικού κοινού, επισημαίνει ο Justin Murray σε μελέτη του για τον κλάδο.
Όταν μιλάμε για AI, είναι σημαντικό να κατανοήσουμε τι εννοούμε.
Η τεχνητή νοημοσύνη μπορεί να χωριστεί σε επτά μεγάλες κατηγορίες – οι περισσότερες εκ των οποίων βρίσκονται σε εξέλιξη και δεν υπάρχουν ακόμη.
Ο τύπος τεχνητής νοημοσύνης για τον οποίο ενδιαφέρεται ο καθένας εμπίπτει στην λεγόμενη κατηγορία AI περιορισμένης μνήμης.
Εδώ ενεργοποιούνται τα μεγάλα γλωσσικά μοντέλα (LLM).

Τα μοντέλα μεγάλων γλωσσών (LLM) είναι προηγμένα συστήματα τεχνητής νοημοσύνης (AI) σχεδιασμένα να επεξεργάζονται, να κατανοούν και να δημιουργούν κείμενο που μοιάζει με ανθρώπινο.
Στιγμιότυπο_οθόνης_2024-09-14_164233.png
Βασίζονται σε τεχνικές βαθιάς μάθησης και εκπαιδεύονται σε τεράστια σύνολα δεδομένων, που συνήθως περιέχουν δισεκατομμύρια λέξεις από διαφορετικές πηγές, όπως ιστότοπους, βιβλία και άρθρα.
Αυτή η εκτεταμένη εκπαίδευση δίνει τη δυνατότητα τις LLM να κατανοήσουν τις αποχρώσεις της γλώσσας, της γραμματικής, του πλαισίου και ακόμη και ορισμένες πτυχές της γενικής γνώσης.
Ορισμένα δημοφιλή LLM, όπως το GPT-3 του OpenAI, χρησιμοποιούν έναν τύπο νευρωνικού δικτύου που ονομάζεται μετασχηματιστής, ο οποίος τους επιτρέπει να χειρίζονται πολύπλοκες γλωσσικές εργασίες με αξιοσημείωτη επάρκεια. Αυτά τα μοντέλα μπορούν να εκτελέσουν ένα ευρύ φάσμα εργασιών, όπως:
Να απαντήσουν σε ερωτήσεις
Να κάνουν τη σύνοψη ενός κειμένου
Μετάφραση γλωσσών
Δημιουργία περιεχομένου
Ακόμη και η συμμετοχή σε διαδραστικές συνομιλίες με τους χρήστες

Οι de facto περιορισμοί και η έλλειψη εφαρμογών 

Υπάρχουν τεράστιοι περιορισμοί στον χώρο της βιομηχανίας AI.
Λειτουργεί υπέροχα αν ζητήσετε κάτι απλό και προβλέψιμο, ενώ καταρρέει όταν ζητάτε κάτι ελαφρώς πιο περίπλοκο, όπως η προσπάθεια δημιουργίας εικόνων για να σας δώσει την εικόνα που θέλετε από μια απλή παράγραφο τεσσάρων προτάσεων.
Υπάρχει, όπως παραδέχεται ο κλάδος, πολλή δουλειά που πρέπει να γίνει έως ότου να υπάρξει πρόοδος
Το πρόβλημα; Το όλο πείραμα τεχνητής νοημοσύνης είναι εξαιορετικά ακριβό και το κόστος επιταχύνεται πολύ πέρα από τις εξελίξεις στη χρησιμότητά του  και στην δυνατότητα εμπλοκής των καταναλωτών ώστε να παραχθούν έσοδα.
Το OpenAI - ο σημερινός ηγέτης στις γλώσσες LLMs -  αναμένεται να χάσει 5 δισεκατομμύρια δολάρια φέτος, που αντιπροσωπεύει το ήμισυ της συνολικής του επένδυσης.
Οι απώλειες επεκτείνονταικαθώς  όσο περισσότερους πελάτες εγγράφει η εταιρεία και τόσο καλύτερο γίνεται το μοντέλο της.
Υπάρχει μια τεράστια έλλειψη οικονομικά βιώσιμων εφαρμογών για τις οποίες μπορεί να χρησιμοποιηθεί αυτή η τεχνολογία.
Οι προσπάθειες εφαρμογής αυτής της τεχνολογίας με ουσιαστικούς τρόπους απέτυχαν οικτρά.
Η τεχνητή νοημοσύνη της Air Canada βοήθησε την εξυπηρέτηση πελατών και παρείχε έκπτωση στα αεροπορικά εισιτήρια αλλά το οιονομικό μοντέλο κατέρρευσε!
Το καναδικό δικαστήριο δήλωσε ότι η εταιρεία είναι υπεύθυνη για οτιδήποτε παρέχει ένας βοηθός τεχνητής νοημοσύνης σε έναν πελάτη.
Κατά τις νομικές πράξεις απαγορεύεται —αποσπασματικά— να χρησιμοποιεί τεχνητή νοημοσύνη σε δικαστικές υποθέσεις σε όλες τις Ηνωμένες Πολιτείες μετά από μια σειρά από υποθέσεις υψηλού προφίλ που αφορούν την κατασκευή νομικών κειμένων μέσω προγραμμάτων τεχνητής νοημοσύνης.
Μεγάλες διαδηλώσεις αποκαλύφθηκαν αργότερα ως τελείως πλαστές καθώς χρησιμοποιήθηκε big fake.
Η νέα σύνοψη της υπηρεσίας τεχνητής νοημοσύνης της Google στην κορυφή της σελίδας αναζήτησης απαιτεί περίπου 10 φορές περισσότερη ενέργεια για την παραγωγή από την ίδια την αναζήτηση και έχει σχεδόν μηδενική χρησιμότητα όσον αφορά τον τελικό χρήστη.
Τα έσοδα στον χώρο της τεχνητής νοημοσύνης είναι σχεδόν αποκλειστικά συγκεντρωμένα στο hardware, με ελάχιστα δυνατότητα να εισπραξής από τον τελικό χρήστη.
Υπάρχουν επίσης οι τεράστιες ενεργειακές απαιτήσεις που απαιτούνται για να λειτουργήσει όλο αυτό.
Για να γίνουν τα πράγματα χειρότερα, η περαιτέρω ανάπτυξη πιθανότατα θα γίνει πιο ακριβή, όχι φθηνότερη.

Οι δυσκολίες με τους επεξεργαστές

Η βιομηχανία hardware είναι κρίσιμη για ην ανάπτυξή της.
Οι σχεδιαστές επεξεργαστών εξάντλησαν την δυνατότητά τους να αυξάνουν τις υπολογιστική ταχύτητα σχεδόν πριν από δύο δεκαετίες, ενώ η απόδοση του Thread computing (του νήματος εκτέλεσης ενός υπολογιστικού προγράμματος) κορυφώθηκε ήδη από το 2015.
Ο σχεδιασμός του επεξεργαστή έχει ως επί το πλείστον αποτέλεσμα με την αύξηση του αριθμού ''πυρήνων'' μέσω συρρίκνωσης του όγκου.
Αν και ο συγκεκριμένος τρόπος αναμένεται να εξαντληθεί το επόμενο έτος όταν η διαδικασία των 2nm έρθει στο διαδίκτυο.
Όροι όπως διαδικασίες “3nm” και “2nm” αναφέρονται στους συγκεκριμένους κανόνες αρχιτεκτονικής και σχεδιασμού που χρησιμοποιεί η TSMC για μια οικογένεια ημιαγωγών.
Οι μειώσεις στο μέγεθος του κόμβου αντιστοιχούν σε μικρότερο μέγεθος επεξεργαστών, επομένως περισσότεροι επεγξεργαστές μπορούν να χωρέσουν σε έναν επεξεργαστή, οδηγώντας σε αύξηση της ταχύτητας και πιο αποδοτική κατανάλωση ενέργει
Αυτό σημαίνει ότι, αρχής γενομένης από το επόμενο έτος, η τεχνητή νοημοσύνη δεν μπορεί να βασιστεί σε κέρδη αποδοτικότητας από το hardware.
κλείσει το χάσμα κόστους αφού είμαστε ήδη κοντά στο μέγιστο θεωρητικό όριο χωρίς να επανασχεδιάζουμε ριζικά τον τρόπο λειτουργίας των επεξεργαστών.
Οι νέοι πελάτες απαιτούν νέα χωρητικότητα, επομένως κάθε φορά που εγγράφεται μια άλλη επιχείρηση, το κόστος αυξάνεται, καθιστώντας αμφίβολο εάν θα υπάρξει ποτέ σημείο καμπής όσον αγορά τον όγκο της απαιτούμενης χωρητικότητας.
Με αυτά τα δεδομένα, ένας συνετός επιχειρηματίας θα μείωνε τις απώλειές του στον χώρο της AI.
Το ταχέως αυξανόμενο κόστος, μαζί με την αμφισβητήσιμη χρησιμότητα, της τεχνολογίας την κάνει να μοιάζει με μια μεγάλη επιχείρηση που χάνει χρήματα.
Ωστόσο, οι επενδύσεις σε τεχνητή νοημοσύνη έχουν απλώς γιγαντωθεί.
Τι συμβαίνει;

Το εύκολο χρήμα 

Αυτό που βλέπουμε είναι ένας σημαντικός αντίκτυπος της μακράς εποχής του εύκολου χρήματος, η οποία, παρά τις επίσημες αυξήσεις των επιτοκίων της Fed, εξακολουθεί να βρίσκεται σε εξέλιξη.
Ο κλάδος της τεχνολογίας ειδικότερα υπήρξε σημαντικός ωφελούμενος από το φαινόμενο του “εύκολου χρήματος”.
Το εύκολο χρήμα κυκλοφορεί τόσο καιρό που ολόκληρες βιομηχανίες, ιδίως η τεχνολογία, χτίζονται και σχεδιάζονται γύρω από αυτό.
Αυτός είναι ο τρόπος με τον οποίο συνεχίζουν να λειτουργούν οι εφαρμογές παράδοσης φαγητού, οι οποίες δεν σημείωσαν ποτέ κέρδη και βρίσκονται σε καλό δρόμο να χάσουν 20 δισεκατομμύρια δολάρια μόλις το 2024.
Η βιομηχανία της τεχνολογίας θα συσσωρεύσει δισεκατομμύρια για να επενδύσει σε αμφισβητήσιμα επιχειρηματικά σχέδια μόνο και μόνο επειδή έχει ως προωθητικό μέσο την ανάπτυξη του λογισμικού.
Βλέπω πολλά από τα ίδια μοτίβα στην έκρηξη της AI όπως είδα πριν από χρόνια με το φιάσκο του WeWork.
Και οι δύο προσπαθούν να αντιμετωπίσουν πρακτικά προβλήματα.
Κανένα από τα δύο αλλάζει τα δεδομένα στην πελατειακή τους βάση.
Και οι δύο, παρά το γεγονός ότι βασίζονται επίσημα στο κεφάλαιο, υπόκεινται σε μεγάλο βαθμό σε μεταβλητό κόστος λειτουργίας που δεν μπορεί εύκολα να οδηγηθεί σε οικονομίες κλίμακας.
Και οι δύο εφαρμόζουν ένα επιπλέον επίπεδο δαπανών για να κάνουν κάτι περισσότερο από αυτό που έκαναν πριν.
Παρόλα αυτά, εταιρείες όπως η Google και η Microsoft είναι πρόθυμες να διαθέσουν τεράστιους πόρους στο Project.
Ο κύριος λόγος είναι επειδή, γι' αυτούς, οι πόροι αναλογικά είναι σχετικά ασήμαντοι.
Οι μεγάλες εταιρείες τεχνολογίας –φορτωμένες από δεκαετίες φθηνού χρήματος– έχουν αρκετά μετρητά στη διάθεσή τους για να αγοράσουν οριστικά ολόκληρη την παγκόσμια βιομηχανία τεχνητής νοημοσύνης.
Μια απώλεια 5 δισεκατομμυρίων δολαρίων δεν είναι ιδιαίτερα ενοχλητική για μια εταιρεία όπως η Microsoft.
Ο φόβος της απώλειας των τεχνολογικών πρωτείων είναι μεγαλύτερος από το κόστος μερικών δολαρίων στο πλαίσιο ενός... τεχνολογικού πολέμου.

ΟpenAI και τα convertible notes

Ο νέος γύρος χρηματοδότησης της Οpen AI αναμένεται να έρθει με τη μορφή convertible notes, ενώ η αποτίμησή της στα 150 δισεκατομμύρια δολάρια θα εξαρτηθεί από το αν ο κατασκευαστής ChatGPT μπορεί να μετασχηματίσει την εταιρική του δομή και να αφαιρέσει το ανώτατο όριο κερδών για επενδυτές.
Τα μορφή convertible notes είναι μία μορφή δανείου, (μη όντας δάνειο με την παραδοσιακή έννοια), που χορηγείται σε μία startup, χωρίς να απαιτείται συνήθως άμεσος ορισμός του valuation, ήτοι η εκτίμηση της αξίας της εταιρείας, τη στιγμή που υπογράφεται.
Η ουσία του convertible note (καθότι υπάρχουν πολλές παραλλαγές) είναι ότι η αποπληρωμή του λαμβάνει χώρα ως εξής: ο επενδυτής μπορεί να πάρει πίσω την επένδυσή του με τόκους ή η επένδυσή του να μετατραπεί σε μετοχές της εταιρείας (convertible = convert into shares).
Οι λεπτομέρειες των συνθηκών χρηματοδότησης 6,5 δισεκατομμυρίων δολαρίων, οι οποίες δεν έχουν αναφερθεί προηγουμένως, δείχνουν πόσο μακριά έχει φτάσει η OpenAI, η πιο πολύτιμη startup τεχνητής νοημοσύνης στον κόσμο, από έναν μη κερδοσκοπικό οργανισμό που βασίζεται στην έρευνα και τις διαρθρωτικές αλλαγές που είναι διατεθειμένη να κάνει για να προσελκύσει όλο και περισσότερες επενδύσεις για να χρηματοδοτήσει την δαπανηρή επιδίωξη της τεχνητής γενικής νοημοσύνης (AGI) ή AI που ξεπερνά την ανθρώπινη νοημοσύνη.
Ο μεγάλος γύρος χρηματοδότησης παρουσίασε μεγάλη ζήτηση από επενδυτές και θα μπορούσε να οριστικοποιηθεί τις επόμενες δύο εβδομάδες, δεδομένης της ταχείας αύξησης των εσόδων της OpenAI, πρόσθεσαν πηγές.
Αναμένεται να συμμετάσχουν υφιστάμενοι επενδυτές όπως η Thrive Capital, η Khosla Ventures, καθώς και η Microsoft.
Νέοι επενδυτές, συμπεριλαμβανομένων των Nvidia και Apple, σχεδιάζουν επίσης να επενδύσουν. Η Sequoia Capital βρίσκεται επίσης σε συνομιλίες για να επιστρέψει ως επενδυτής που θα επιστρέψει.
Εάν η αναδιάρθρωση είναι ανεπιτυχής, η OpenAI θα πρέπει να επαναδιαπραγματευτεί την αποτίμησή της με επενδυτές στους οποίους θα μετατραπούν οι μετοχές τους, πιθανότατα σε μικρότερο αριθμό, είπαν πηγές στο Reuters.
Ερωτηθείσα για τη χρηματοδότηση και την πιθανή αλλαγή, η OpenAI είπε σε μια δήλωση ότι εξακολουθεί να εστιάζει στην οικοδόμηση τεχνητής νοημοσύνης που ωφελεί όλους όσο συνεργάζεται με το μη κερδοσκοπικό συμβούλιο της.
«Ο μη κερδοσκοπικός οργανισμός είναι ο πυρήνας της αποστολής μας και θα συνεχίσει να υπάρχει», είπε ο εκπρόσωπος της εταιρείας.
Η κατάργηση του ορίου κέρδους θα απαιτούσε έγκριση από το μη κερδοσκοπικό συμβούλιο του OpenAI, το οποίο αποτελείται από τον Διευθύνοντα Σύμβουλο Sam Altman, τον επιχειρηματία Bret Taylor και άλλα επτά μέλη.
Η εταιρεία έχει επίσης συζητήσει με δικηγόρους σχετικά με τη μετατροπή της μη κερδοσκοπικής της δομής σε μια κερδοσκοπική, παρόμοια με αυτά που χρησιμοποιούν οι ανταγωνιστές της όπως η Anthropic και η xAI, πρόσθεσαν πηγές, επιβεβαιώνοντας αναφορές των μέσων ενημέρωσης.
Δεν είναι σαφές εάν θα μπορούσαν να συμβούν τέτοιες θεμελιώδεις εταιρικές διαρθρωτικές αλλαγές. Η κατάργηση του ορίου κέρδους, που έθεσε ένα όριο στις πιθανές αποδόσεις των επενδυτών στην κερδοσκοπική θυγατρική της OpenAI, θα έδινε στους πρώτους επενδυτές μια ακόμη μεγαλύτερη νίκη.
Θα μπορούσε επίσης να εγείρει ερωτήματα σχετικά με τη διακυβέρνηση του OpenAI και την απομάκρυνση από τη μη κερδοσκοπική αποστολή.
Η OpenAI είπε ότι το ανώτατο όριο τέθηκε σε εφαρμογή για να «τα παρακινήσει να ερευνήσουν, να αναπτύξουν και να αναπτύξουν το AGI με τρόπο που εξισορροπεί την εμπορικότητα με την ασφάλεια και τη βιωσιμότητα, αντί να επικεντρώνεται στην καθαρή μεγιστοποίηση του κέρδους».
Το εργαστήριο τεχνητής νοημοσύνης με έδρα το Σαν Φρανσίσκο, που ιδρύθηκε το 2015 ως μη κερδοσκοπικό ερευνητικό έργο, με στόχο την οικοδόμηση τεχνητής νοημοσύνης προς όφελος της ανθρωπότητας, ελέγχεται επί του παρόντος από έναν μη κερδοσκοπικό μητρικό οργανισμό.
Έχει επιταχύνει τις προσπάθειές της για εμπορευματοποίηση πουλώντας υπηρεσίες που βασίζονται σε συνδρομές, όπως το ChatGPT, σε καταναλωτές και επιχειρήσεις, οι οποίες πλέον διαθέτουν πάνω από 200 εκατομμύρια χρήστες.
Οι υφιστάμενοι επενδυτές υπόκεινται σε ένα περιορισμένο όριο απόδοσης της επένδυσής τους, με τυχόν πρόσθετες αποδόσεις να κατευθύνονται στον μη κερδοσκοπικό οργανισμό.

www.bankingnews.gr

Ρoή Ειδήσεων

Σχόλια αναγνωστών

Δείτε επίσης