Globaalse AI maastiku põhjalik analüüs: tehisintellekti praegune seisund (juuli 2025)

Lootuse ja riski vahel – tehisintellekti keeruline tulevik

Tehisintellekt (AI) on juba ammu arenenud nišiteemast arvutiteaduses üheks meie aja liikumapanevaks ja häirivamaks jõuks. See domineerib pealkirjades, mõjutab globaalseid turge ning muudab meie töötamise, suhtlemise ja eluviisi. Kuid selle hüpe taga peitub keeruline reaalsus, mida iseloomustavad tohutud majanduslikud võimalused, geopoliitilised võimuvõitlused, sügavad eetilised küsimused ja kiired tehnoloogilised hüpped.

See artikkel heidab valgust tehisintellekti mitmetahulisele maailmale, tuginedes praegustele arengutele. Süveneme suurtesse investeeringutesse, mis loovad aluse tehisintellekti tulevikule, analüüsime globaalset võidujooksu tehisintellekti kiipide domineerimise pärast, uurime mitmekesiseid rakendusi meditsiinist sõjaväeni ning seisame silmitsi selle murrangulise tehnoloogiaga seotud riskide ja eetiliste dilemmadega. Eesmärk on maalida nüansirikas pilt, mis toob esile nii tehisintellekti revolutsiooni tohutu potentsiaali kui ka pakilised väljakutsed.

1. Miks me praegu kogeme nii suurt investeerimisbuumi tehisintellekti infrastruktuuri, eriti andmekeskustes?

Praegune investeerimisbuum tehisintellekti taristusse on otsene tagajärg tänapäevaste tehisintellekti mudelite, eriti nn suurte keelemudelite (LLM) ja generatiivsete tehisintellekti süsteemide põhinõuetele. Need süsteemid on hiiglaslike ajude digitaalne vaste, mis vajavad "õppimiseks" ja "toimimiseks" kujuteldamatu hulga arvutusvõimsust. Nende investeeringute taga olevad jõud võib jagada kolmeks peamiseks valdkonnaks:

Tehisintellekti mudelite treenimine: Täiustatud tehisintellekti mudeli (nt GPT-4, Claude 3 või Gemini) „treenimine“ on äärmiselt arvutuslikult intensiivne protsess. Mudelile antakse tohutul hulgal andmeid (sageli suur osa internetist), et see saaks õppida mustreid, seoseid, keelestruktuure ja faktiteadmisi. See protsess võib võtta nädalaid või kuid ning nõuab tuhandeid spetsiaalseid tehisintellekti kiipe (GPU-sid), mis töötavad paralleelselt. Ühe tipptasemel mudeli treenimise maksumus võib ulatuda sadadesse miljonitesse või isegi üle miljardi dollari. Ettevõtted nagu Google, Meta ja OpenAI peavad selle infrastruktuuri kas ise ehitama või rentima selle suure kuluga, et jääda konkurentsivõimeliseks.

Järeldus (tehisintellekti rakendamine): Pärast treenimist on mudel rakendamiseks valmis, nn „järeldus“. Iga kord, kui kasutaja esitab ChatGPT-le päringu, genereerib Midjourney abil pildi või taotleb DeepL-iga tõlget, tuleb treenitud mudel vastuse arvutamiseks aktiveerida. Kuigi üks järelduspäring nõuab palju vähem arvutusvõimsust kui treenimine, moodustavad miljardid päringud miljonitelt kasutajatelt üle maailma tohutu ja pideva nõudluse arvutusvõimsuse järele. Tehnoloogiahiiglased ehitavad hiiglaslikke andmekeskusi, et rahuldada seda globaalset nõudlust ja pakkuda kiireid ja usaldusväärseid tehisintellekti teenuseid.

Pilvandmetöötluse turg: Märkimisväärne osa investeeringutest ei lähe mitte ainult ettevõtte enda toodete taristusse, vaid ka pilveteenuste laiendamisse. Ettevõtted nagu Amazon (AWS), Microsoft (Azure) ja Google (Cloud) pakuvad teistele ettevõtetele "tehisintellekti teenusena". See tähendab, et idufirmad ja väljakujunenud ettevõtted, kellel puuduvad ressursid oma andmekeskuste ehitamiseks, saavad paindlikult rentida vajalikku tehisintellekti arvutusvõimsust. See turg on äärmiselt tulus. See, kes suudab pakkuda suurimat, kiireimat ja tõhusamat tehisintellekti taristut, saab otsustava konkurentsieelise. Sellised tegijad nagu CoreWeave, mis on spetsialiseerunud pilveteenuse pakkuja tehisintellekti töökoormustele, on näide uutest ettevõtetest, kes sisenevad sellesse väga tulusasse nišši ja investeerivad miljardeid.

Kokkuvõttes ei ole need massiivsed investeeringud spekulatsioon, vaid vajadus. Ilma nende hiiglaslike ja energiajanuliste andmekeskusteta poleks generatiivset tehisintellekti sellisena, nagu me seda täna tunneme. Need on üha digitaalsema ja intelligentsema globaalse majanduse füüsiline selgroog.

Sobib selleks:

• Megaprojekt OpenAaist: VAE ühe maailma suurima AI andmekeskuse arendamine

2. Mis teeb sellisest osariigist nagu Pennsylvania tehisintellekti ja energiainvesteeringute tõusva keskuse?

Pennsylvania kujunemine tehisintellekti investeeringute keskuseks on põnev näide poliitika, geograafia ja majandusliku vajaduse koosmõjust. Seda suundumust õhutavad mitmed tegurid, mida õhutavad selliste tegelaste nagu endine president Donald Trump ja poliitik David McCormick sihipärased poliitilised algatused.

Energia kättesaadavus ja kulud: Kõige olulisem tegur on energia. Nagu varem mainitud, on tehisintellekti andmekeskuste energiavajadus tohutu. Pennsylvania on üks USA suurimaid maagaasi tootjaid (tänu Marcelluse põlevkivi leiukohale). See suhteliselt odava energia külluslik kättesaadavus on tohutu asukoha eelis. Kuigi paljud tehnoloogiaettevõtted keskenduvad taastuvenergiale, on gaasiküttel töötavate elektrijaamade stabiilne ja prognoositav baaskoormuse energiavarustus andmekeskuste ööpäevaringseks tööks hindamatu väärtusega. Poliitiline toetus nende fossiilkütuste kasutamisele piirkonnas vähendab takistusi uute elektrijaamade ehitamisel andmekeskuste varustamiseks.

Geograafiline asukoht ja infrastruktuur: Pennsylvania asub strateegiliselt USA idaranniku peamiste rahvastiku- ja majanduskeskuste (New York, Washington D.C., Boston) lähedal. See vähendab latentsust ehk andmeedastuse viivitust, mis on paljude tehisintellekti rakenduste jaoks kriitilise tähtsusega. Lisaks on osariigil hästi arenenud tööstuslik infrastruktuur, piisavalt maad suurte ehitusprojektide jaoks ja rasketööstuse traditsioon, mis tähendab selliste rajatiste ehitamiseks ja hooldamiseks kvalifitseeritud tööjõudu.

Poliitiline tahe ja stiimulid: Mõjukate poliitikute selgesõnaline toetus loob investeerimissõbraliku kliima. Kui sellised tegelased nagu Trump ja McCormick positsioneerivad Pennsylvaniat kui „tehisintellekti ja energia keskust“, saadab see investoritele tugeva signaali. Selliste algatustega kaasnevad sageli maksusoodustused, kiirendatud lubade taotlemise protsessid ja otsetoetused ettevõtete ligimeelitamiseks. See loob poliitilise dünaamika, mis asetab osariigi konkurentsis teiste piirkondadega, nagu Virginia või Ohio, mis samuti andmekeskuste pärast võistlevad.

Majanduslik ümberkujundamine: Pennsylvania on osa nn roostevööndist, mida iseloomustab traditsioonilise rasketööstuse langus. Tipptasemel andmekeskuste rajamist peetakse võimaluseks algatada majanduslikke struktuurimuutusi, luua uusi tulevikukindlaid töökohti ja muuta piirkonna tehnoloogilist positsioneerimist.

Odava energia, poliitilise toetuse ja strateegilise asukoha koondumine teeb Pennsylvaniast suurepärase näite sellest, kuidas tehisintellekti ajastu digitaalsed vajadused vastavad piirkonna füüsilisele ja poliitilisele reaalsusele, luues uusi majanduskeskusi.

Sobib selleks:

• Turuanalüüs Pennsylvania: masinaehituse ja automatiseerimistehnoloogia sihttööstused

3. Tehisintellekti tohutut energiavajadust arutatakse üha enam probleemina. Millised on selle probleemi mõõtmed ja milliseid konkreetseid lahendusi otsitakse?

Tehisintellekti tööstuse energiavajadus on tõepoolest üks selle suurimaid väljakutseid ja potentsiaalselt üks Achilleuse kandadest. Probleemil on mitu mõõdet:

Skaleerimine: Probleemiks ei ole mitte individuaalsed tehisintellekti päringud, vaid globaalne skaleerimine. Hinnangute kohaselt võib tehisintellekti sektori energiatarbimine lähiaastatel hüppeliselt suureneda. Mõned prognoosid ennustavad, et 2027. aastaks võivad tehisintellekti andmekeskused tarbida sama palju elektrit kui terved Rootsi või Hollandi suurused riigid. See avaldab tohutut survet olemasolevatele elektrivõrkudele, mis paljudes piirkondades juba praegu täisvõimsusel töötavad.

Süsiniku jalajälg: Kui see energiavajadus rahuldatakse peamiselt fossiilkütustega, siis tehisintellekti buum on vastuolus globaalsete kliimaeesmärkidega. Riistvara (eriti kiipide) tootmine on samuti väga energia- ja ressursimahukas.

Vee tarbimine: Andmekeskused vajavad jahutamiseks tohutul hulgal vett. Veepuuduse käes vaevlevates piirkondades võib see kaasa tuua konflikte põllumajandusliku kasutamise või joogiveega varustamisega.

Nende väljakutsete valguses otsitakse lahendusi intensiivselt erinevatel tasanditel:

Taastuvenergia kasutamine: see on kõige silmapaistvam lähenemisviis. Tehnoloogiahiiglased nagu Google ja Microsoft on võtnud endale kohustuse varustada oma andmekeskused kindlaks kuupäevaks täielikult taastuvenergiaga. See saavutatakse päikese- ja tuuleparkide otsese ehitamise või pikaajaliste energiaostulepingute (PPA-de) sõlmimise kaudu. Eriti huvitav trend on hüdroenergia kasutamine. Hüdroelektrijaamad pakuvad väga stabiilset ja prognoositavat energiavarustust, mis vastab ideaalselt andmekeskuste pidevale energiavajadusele. Seetõttu muutuvad asukohad suurte hüdroelektrijaamade lähedal (nt USA Vaikse ookeani loodeosas või Skandinaavias) üha atraktiivsemaks.

Energiatõhususe parandamine (riistvara): Kiibitootjad töötavad palavikuliselt oma protsessorite efektiivsuse suurendamise nimel. Iga uue põlvkonna tehisintellekti kiibid on mõeldud pakkuma rohkem arvutusoperatsioone vati kohta (FLOPS/vatt). See hõlmab uusi kiibiarhitektuure, väiksemaid tootmismahtusid (nanomeetrite vahemikus) ja spetsiaalseid disaine, mis on täpselt kohandatud tehisintellekti ülesannete jaoks.

Tõhusamad jahutussüsteemid: Traditsioonilised andmekeskuste kliimaseadmed on äärmiselt energiamahukad. Kaasaegsete lähenemisviiside hulka kuulub vedelikjahutus, kus kiibid on otse ümbritsetud jahutusvedelikuga, mis on palju tõhusam kui õhkjahutus. Külma välisõhu (vabajahutuse) kasutamine jahedamas kliimas on samuti levinud praktika.

Algoritmiline optimeerimine (tarkvara): Asi pole ainult riistvaras. Teadlased töötavad selle nimel, et muuta tehisintellekti mudelid lihtsamaks ja tõhusamaks. Sellised meetodid nagu mudeli kärpimine (närvivõrgu mittevajalike osade eemaldamine), kvantiseerimine (madalama numbrilise täpsuse kasutamine) ja väiksemate, spetsialiseeritud mudelite väljatöötamine võivad treenimise ja järelduste arvutuslikku pingutust drastiliselt vähendada, ilma et see oluliselt mõjutaks jõudlust.

Nutikas koormuse haldamine: tehisintellekt saab aidata kaasa ka omaenda energiaprobleemi lahendamisele. Nutikad haldussüsteemid saavad andmekeskuste arvutuskoormusi dünaamiliselt nihutada sinna, kus on taastuvenergia ülejääk (nt päikesepaistelisse või tuulisesse piirkonda).

Seega peitub lahendus terviklikus lähenemisviisis, mis ulatub energiatootmisest kiibiarhitektuuri ja tarkvarani ning ulatub andmekeskuste intelligentse käitamiseni.

4. Kui ambivalentne on tehisintellekti mõju tööturule? Kus luuakse uusi töökohti ja kus on suurimad kaotused tõenäolised?

Tehisintellekti mõju tööturule on sügavalt ambivalentne ja üks meie aja enim arutatud sotsiaalmajanduslikke küsimusi. See on klassikaline loomingulise hävitamise juhtum, kus töökohti samaaegselt hävitatakse ja luuakse uusi. See ei ole puhas töökohtade tapja, aga ka mitte puhas töökohtade looja.

Positiivne mõju ja töökohtade loomine:

Taristu ehitus ja käitamine: andmekeskuste ehituse buum loob otseselt tuhandeid töökohti ehitustöölistele, elektrikutele, inseneridele ja turvatöötajatele. Nende ülimalt keerukate rajatiste käitamine ja hooldamine nõuab ka spetsialiseerunud tehnikuid ja IT-spetsialiste.

Tehisintellekti arendamine ja uurimine: nõudlus talentide järele, kes suudavad tehisintellekti mudeleid arendada, koolitada ja täiustada, on plahvatuslikult kasvanud. See hõlmab selliseid rolle nagu tehisintellekti uurijad, masinõppeinsenerid, andmeteadlased ja närvivõrkude spetsialistid. Need kõrgelt kvalifitseeritud ja hästi tasustatud töökohad on tehisintellekti tööstuse keskmes.

Uued ametiprofiilid: tehisintellekt loob täiesti uusi ameteid. Silmapaistev näide on kiirinsener – inimene, kes on spetsialiseerunud parimate võimalike juhiste (ülesannete) koostamisele, et saavutada generatiivsetest tehisintellekti mudelitest soovitud tulemusi. Tekkivad ka uued rollid tehisintellekti eetika, auditeerimise ja juurutamise konsultatsioonide valdkonnas.

Suurem tootlikkus: tehisintellekt saab olla vahend, mis muudab inimtöötajad produktiivsemaks. Programmeerija saab tehisintellektiga kaaspiloodi abil kiiremini koodi kirjutada, disainer saab tehisintellektiga pildigeneraatorite abil kiiremini kujundusi luua ja turundaja saab tehisintellektiga tekstigeneraatorite abil kiiremini kampaaniaid arendada. See võib kaasa tuua majanduskasvu, mis omakorda loob uusi töökohti teistes sektorites.

Negatiivsed mõjud ja töökohtade kadu:

Suurim oht ​​tuleneb rutiinsete kognitiivsete ülesannete automatiseerimisest. Need on tegevused, mida varem peeti ohutuks, kuna need nõudsid vaimset pingutust, kuid nüüd saavad tehisintellekti süsteemid need üle võtta. Eriti mõjutatud on järgmised:

Andmeanalüüs ja aruandlus: Paljusid põhiandmete analüüsi, aruannete genereerimise ja teabe kokkuvõtmisega seotud ülesandeid saavad tehisintellekti süsteemid nüüd kiiremini ja sageli täpsemalt täita kui inimanalüütikud. Noorematel ametikohtadel selles valdkonnas on suur oht.

Klienditeenindus ja tugi: Järgmise põlvkonna vestlusrobotid ja häälrobotid suudavad mõista ja lahendada keerulisi klientide päringuid. See toob kaasa tohutu töökohtade kaotuse kõnekeskustes ja esmatasandi toes.

Sisu loomine ja reklaamtekstide kirjutamine: tehisintellekt suudab genereerida lihtsaid tekste, tootekirjeldusi, sotsiaalmeedia postitusi või isegi tavalisi ajakirjanduslikke uudiseid. See ohustab töökohti sisuturunduses, reklaamtekstide kirjutamises ja algtaseme ajakirjanduses.

Parajuristi ja administratiivsed ülesanded: tehisintellekt suudab sekunditega otsida ja kokku võtta tohutul hulgal juriidilisi dokumente, lepinguid ja kohtuasjafaile – ülesanne, mida varem tegid juristiabilised või nooremad juristid.

Tuleviku jaoks on otsustav küsimus, kas uute töökohtade loomine suudab sammu pidada töökohtade kadumise tempoga ning kas meie ühiskonnad suudavad pakkuda vajalikke ümber- ja täiendõppe programme, et tööjõud tehisintellekti ajastu uuteks nõudmisteks kvalifitseerida.

5. Nvidia domineerib tehisintellekti kiipide turul. Kuidas see domineerimine tekkis ja millist rolli mängivad konkurendid nagu AMD?

Nvidia praegune ülekaalukas domineerimine tehisintellekti kiipide turul ei ole juhuslik, vaid üle 15 aasta tagasi alguse saanud ettenägeliku strateegia tulemus. Algselt oli Nvidia mängutööstusele graafikaprotsessorite (GPU-de) tootja. GPU-de arhitektuur, mis oli loodud tuhandete lihtsate arvutuste paralleelseks tegemiseks (pikslite ekraanil renderdamiseks), osutus ideaalselt sobivaks süvaõppe algoritmide tuumaks olevate maatriksite korrutustehingute jaoks.

Nvidia edu otsustavad tegurid olid:

CUDA – tarkvara ökosüsteem: Nvidia suurim strateegiline eelis pole ainult riistvara, vaid ka CUDA (Compute Unified Device Architecture) tarkvaraplatvorm. 2007. aastal välja antud CUDA võimaldas arendajatel kasutada Nvidia GPU-de tohutut paralleelarvutusvõimsust üldiste teaduslike ja andmemahukate arvutuste jaoks – mitte ainult graafika jaoks. Aastate jooksul on Nvidia ehitanud CUDA ümber ulatusliku, küpse ja tugeva teekide, tööriistade ja optimeeritud algoritmide ökosüsteemi. Tehisintellekti valdkonna teadlased ja arendajad on selle ökosüsteemiga harjunud. Teisele platvormile üleminek oleks äärmiselt keeruline, nõudes miljonite koodiridade ümberkirjutamist. See loob tugeva müüjaga seotuse efekti.

Varajane keskendumine tehisintellektile: Nvidia mõistis süvaõppe potentsiaali varem ja järjepidevamalt kui tema konkurendid. Nad arendasid oma GPU-des spetsiaalseid riistvarafunktsioone (näiteks Tensor Cores), mis on täpselt kohandatud tehisintellekti töökoormuste vajadustele, ja turustasid oma tooteid spetsiaalselt tehisintellekti uurimiskogukonnale.

Pidev innovatsioon: Nvidia on loonud järeleandmatu innovatsioonitsükli, tuues iga 18–24 kuu tagant välja uue ja oluliselt võimsama kiibipõlvkonna (nt Pascal, Volta, Ampere, Hopper, Blackwell). Need pidevad jõudluse täiustused muudavad konkurentide jaoks järelejõudmise äärmiselt raskeks.

Konkurentid, eriti AMD (Advanced Micro Devices), alahindasid seda trendi pikka aega, kuid on nüüd järele jõudmas. AMD strateegia keskendub Nvidia riistvarale suure jõudlusega alternatiivi pakkumisele, eriti oma Instinct andmekeskuse GPU-de seeriaga (nt MI300X). AMD suurim väljakutse on konkurentsivõimelise tarkvaraökosüsteemi loomine, mis täiendaks tema riistvarapakkumisi. Nende ROCm tarkvaraplatvorm on mõeldud CUDA alternatiivina, kuid see pole veel nii küps, laialdaselt omaks võetud ega kasutajasõbralik.

Sellest hoolimata on AMD kasvav konkurents ülioluline. See aitab langetada tehisintellekti kiipide äärmiselt kõrgeid hindu, mitmekesistada tarneahelaid ja edendada innovatsiooni. Ka teised tehnoloogiahiiglased, näiteks Google (oma TPU-dega), Amazon (Trainiumi ja Inferentiaga) ja Microsoft, arendavad oma tehisintellekti kiipe, et vähendada oma sõltuvust Nvidiast, mis veelgi süvendab konkurentsisurvet.

Sõltumatu ja andmetevahelise allikaülese AI-platvormi integreerimine kogu ettevõtte jaoks Matters-Image: xpert.digital

Ki-Gamechanger: kõige paindlikumad AI-platvormi-saba-valmistatud lahendused, mis vähendavad kulusid, parandavad nende otsuseid ja suurendavad tõhusust

Sõltumatu AI platvorm: integreerib kõik asjakohased ettevõtte andmeallikad

• See AI platvorm suhtleb kõigi konkreetsete andmeallikatega
  • SAP, Microsofti, Jira, Confluence, Salesforce, Zoom, Dropbox ja paljude muude andmehaldussüsteemidelt
• Kiire AI integreerimine: kohandatud AI-lahendused ettevõtetele tundidel või päevadel kuude asemel
• Paindlik infrastruktuur: pilvepõhine või hostimine oma andmekeskuses (Saksamaa, Euroopa, vaba asukoha valik)

• Suurim andmeturve: kasutamine advokaadibüroodes on ohutu tõendusmaterjal
• Kasutage paljudes ettevõtte andmeallikates
• Oma või mitmesuguste AI -mudelite valik (DE, EL, USA, CN)

Väljakutsed, mille meie AI platvorm lahendab

• Tavapäraste AI -lahenduste täpsuse puudumine
• Andmekaitse ja tundlike andmete turvaline haldamine
• AI individuaalse arengu kõrged kulud ja keerukus
• Kvalifitseeritud AI puudumine
• AI integreerimine olemasolevatesse IT -süsteemidesse

Lisateavet selle kohta siin:

• Sõltumatu ja andmetevahelise allikaülese AI-platvormi AI integreerimine kogu ettevõtte jaoks

6. USA valitsus püüab piirata Hiina juurdepääsu täiustatud tehisintellekti kiipidele. Kuidas need ekspordikontrolli meetmed toimivad ja kui tõhusad need tegelikult on?

USA tehisintellekti kiipide ekspordikontroll on Hiinaga peetavas geopoliitilises ja tehnoloogilises võidujooksus võtmetähtsusega instrument. Avaldatud eesmärk on aeglustada Hiina sõjalise võimekuse, seiretehnoloogiate ja üldise tehisintellekti juhtpositsiooni arengut, piirates juurdepääsu nendeks eesmärkideks vajalikule suure jõudlusega riistvarale.

Kuidas kontrollid toimivad:

USA kaubandusministeeriumi hallatavad kontrollimeetmed määratlevad konkreetsed tehnilise jõudluse lävendid. Neid lävendeid ületavaid kiipe ei tohi Hiinasse (ja teistesse riikidesse, mida peetakse problemaatiliseks) eksportida ilma eriloata. Peamised kriteeriumid on järgmised:

Arvutusvõimsus: maksimaalne arvutuste arv, mida kiip suudab sekundis teha (mõõdetuna TFLOPS-ides või PetaFLOP-ides).

Ühenduskiirus: kiirus, millega mitu kiipi saavad omavahel suhelda. See on ülioluline suurte tehisintellekti mudelite treenimiseks, kus tuhanded kiibid peavad koos töötama.

Tõhususe väljakutse ja lahendusstrateegiad:

Nende kontrollide tõhusus on ägeda vaidluse objekt. See on klassikaline kassi ja hiire mäng:

„Ekspordiga ühilduvad” kiibid: Vastuseks esialgsetele kontrollimeetmetele töötas Nvidia Hiina turu jaoks välja oma kiipide spetsiaalsed, veidi piiratud versioonid (nt A800 ja H800). Need jäid jõudluskünnistest napilt allapoole ja neid oli seaduslikult võimalik eksportida. Kui USA valitsus karmistas kontrolli ja blokeeris ka need kiibid, teatas Nvidia uue põlvkonna veelgi modifitseeritumatest kiipidest, näiteks H20. Nendel kiipidel on oluliselt vähenenud jõudlus, eriti kiipidevahelises suhtluses, mis on suurte mudelite treenimisel ülioluline.

„Neljas parim“ lähenemine: USA strateegia seisneb Hiina varustamises tehisintellekti kiipidega, kuid mitte absoluutselt parimatega. Aruande kohaselt saab Hiina sisuliselt ainult „neljandat parimat“ saadaolevat tehnoloogiat. See aeglustab Hiinat, kuid ei peata seda. See sunnib Hiina ettevõtteid töötama vähem tõhusa riistvaraga, muutes koolituse ja arendustegevuse kallimaks ja aeganõudvamaks.

Hallid turud ja salakaubavedu: On teateid õitsvast mustast turust, kus kõrgjõudlusega Nvidia kiipe smugeldatakse Hiinasse kolmandate riikide kaudu, ehkki väiksemates kogustes ja ülepaisutatud hindadega.

Kodumaise tööstuse edendamine: USA sanktsioonide võib-olla kõige olulisem pikaajaline tagajärg on see, et need motiveerivad Hiinat tohutult ehitama üles oma iseseisvat pooljuhtide tööstust. Hiina ettevõtted nagu Huawei (oma Ascend kiibiga) ja teised saavad tohutuid valitsuse toetusi konkurentsivõimeliste tehisintellekti kiipide arendamiseks ja tootmiseks. Kuigi nad on tehnoloogiliselt Nvidiast ikka veel mitu aastat maas, sunnib USA surve Hiinat isemajandamise poole. Pikas perspektiivis võivad USA sanktsioonid seega tahtmatult luua võimsa konkurendi.

Kokkuvõttes on ekspordikontroll lühikeses ja keskpikas perspektiivis tõhus Hiina edusammude aeglustamisel ja tehnoloogilise ebasoodsasse olukorda seadmisel. Pikas perspektiivis on aga oht, et see ergutab Hiina enda innovatsiooni ja killustab veelgi ülemaailmset tehnoloogiamaastikku.

Sobib selleks:

• Tehisintellekt | Ameerika ettevõtete turundustaktikad, mis kasutavad tehisintellekti hirmu õhutamiseks

7. Mida mõeldakse „tehisintellekti võidujooksu” all ja millised geopoliitilised mõõtmed on sellel võidujooksul tehisintellekti ülemvõimu nimel?

Vastus: Mõistet „tehisintellekti võidujooks“, mida muuhulgas kasutab silmapaistvalt Donald Trump, kirjeldab riikide vahelist tihedat globaalset konkurentsi tehisintellekti arendamise ja rakendamise juhtpositsiooni pärast. See võidujooks on palju enamat kui lihtsalt majanduslik konkurents; sellel on sügavad geopoliitilised, sõjalised ja ideoloogilised mõõtmed, mida sageli võrreldakse külma sõja aegse kosmosevõidujooksuga.

Selle võistluse kesksed mõõtmed on:

Majanduslik domineerimine: Riik, mis juhib tehisintellekti arendamist, saavutab eeldatavasti tohutu majandusliku eelise. Tehisintellektil on potentsiaal muuta tootlikkust revolutsiooniliselt praktiliselt igas majandussektoris, alates tootmisest ja finantsteenustest kuni tervishoiuni. Juhtivad tehisintellekti riigid kontrollivad tuleviku platvorme, standardeid ja ettevõtteid, kindlustades seeläbi heaolu ja mõjuvõimu. USA oma tehnoloogiahiiglastega nagu Google, Meta, Microsoft ja Nvidia on praegu selgelt juhtpositsioonil.

Sõjaline üleolek: tehisintellekt muudab tuleviku lahinguvälja. Seda kasutatakse autonoomsete relvasüsteemide (droonide parved, robotid), luureandmete analüüsi (satelliidipiltide ja reaalajas side hindamine), küberturvalisuse ning juhtimis- ja kontrollsüsteemide jaoks. Sõjalist üleolekut tehisintellekti vallas peetakse 21. sajandil riigi julgeoleku seisukohalt ülioluliseks. See on peamine põhjus, miks USA püüab kiibisanktsioonide abil takistada Hiina sõjalise tehisintellekti arengut.

Tehnoloogiline suveräänsus: Sõltuvuste pärast on üha suurem mure. Riigid nagu Saksamaa ja Euroopa Liit tervikuna püüavad luua oma tehisintellekti alast oskusteavet ja infrastruktuuri, et vältida täielikku sõltuvust USA või Hiina tehnoloogiatest. See „tehnoloogiline suveräänsus“ on mõeldud tagama, et säilitatakse kontroll kriitilise digitaalse infrastruktuuri üle ja et riigid saavad jõustada oma reegleid (nt andmekaitses), mis põhinevad Euroopa väärtustel.

Normatiivne ja eetiline juhtimine: tehisintellekti juhtival jõul on ka suurim võimalus kujundada tehisintellekti kasutamise globaalseid norme ja reegleid. USA ja Euroopa rõhutavad sageli inimkeskset, demokraatlikku ja eetilist lähenemist tehisintellektile. Seevastu kardetakse, et Hiina võib eksportida tehisintellektil põhineva autoritaarse jälgimise ja sotsiaalse kontrolli mudelit. Seega on „tehisintellekti võidujooks“ ka väärtussüsteemide võidujooks.

Trumpi avaldus, mis rõhutab vajadust "panna USA juhtpositsioonile", on selle mõtteviisi sümptomaatiline. See peegeldab veendumust, et tehisintellekti juhtimine on riikliku prioriteedi küsimus, mis määrab majandusliku õitsengu, sõjalise julgeoleku ja globaalse mõju järgmisel sajandil.

Sobib selleks:

• Tehisintellekti mudelid lihtsalt lahti seletatuna: mõistke tehisintellekti, keelemudelite ja arutluskäigu põhitõdesid

8. Kui täpselt tehisintellekti tänapäeval juba kasutatakse sellistes sektorites nagu finantsteenused ja jaemüük?

Vastus: Finantsteenuste ja jaemüügisektoris on tehisintellekt juba sügavalt juurdunud ning pelga eksperimendi staatusest on see ammu kaugemale jõudnud. Sellest on saanud oluline tööriist efektiivsuse, isikupärastamise ja riskijuhtimise jaoks.

Finantssektoris:

Andmepõhised otsused: tehisintellekti süsteemid, näiteks Anthropicu väljatöötatud Claude'i mudel, suudavad analüüsida tohutul hulgal struktureerimata andmeid, mida inimanalüütikutel oleks võimatu käsitleda. See hõlmab finantsuudiseid, analüütikute aruandeid, sotsiaalmeedia sentimente ja kvartaliaruandeid. Tehisintellekt suudab nendest andmetest sekunditega välja tuua trende, riske ja võimalusi, pakkudes investeerimispankuritele ja fondihalduritele teadlikuma aluse otsuste tegemiseks.

Algoritmiline kauplemine: Kõrgsageduskauplemisega tegelevad ettevõtted on aastaid kasutanud tehisintellekti, et reageerida turukõikumistele ja teha kauplemisotsuseid millisekundites. Kaasaegsed tehisintellekti mudelid suudavad ära tunda veelgi keerukamaid mustreid ja arendada ennustavaid kauplemisstrateegiaid.

Krediidiriski hindamine: Pangad kasutavad tehisintellekti taotlejate krediidivõimelisuse hindamiseks. Tehisintellekti mudelid suudavad arvestada palju suurema hulga andmepunktidega kui traditsioonilised punktimudelid, mis võib viia täpsemate riskiprognoosideni. Siiski kaasneb sellega ka kallutatuse oht, kui treeningandmed kajastavad ajaloolist diskrimineerimist.

Pettuste avastamine: tehisintellekt on äärmiselt tõhus pettustele viitavate ebanormaalsete mustrite tuvastamisel, näiteks krediitkaarditehingute või kindlustusnõuete puhul. See suudab kahtlast tegevust reaalajas märgistada, ennetades seeläbi rahalist kahju.

Jaemüügis:

Hüperpersonaliseerimine: See on ehk tehisintellekti kõige nähtavam rakendus. Ettevõtted nagu Amazon ja Shopify kasutavad tehisintellekti iga kliendi ostukogemuse isikupärastamiseks. Tehisintellekt analüüsib varasemat ostu- ja sirvimiskäitumist, et kuvada iga kasutaja jaoks isikupärastatud tootesoovitusi, saata kohandatud turunduskirju ja isegi optimeerida toote paigutust veebisaidil.

Dünaamiline hinnakujundus: tehisintellekti süsteemid saavad hindu reaalajas kohandada, lähtudes sellistest teguritest nagu nõudlus, laoseis, konkurentide hinnad ja isegi kellaaeg.

Tarneahela optimeerimine: tehisintellekt ennustab konkreetsete toodete nõudlust palju täpsemalt kui traditsioonilised meetodid. See aitab jaemüüjatel oma varusid optimeerida, vältida ülevarustamist ja tagada populaarsete toodete alatise saadavuse.

Tehisintellektil põhinevad klienditeeninduse vestlusrobotid: Kaasaegsed vestlusrobotid saavad vastata klientide küsimustele toodete, tarneoleku või tagastustingimuste kohta, vähendades seeläbi teenindajate koormust.

Mõlemas sektoris toimib tehisintellekt võimsa multiplikaatorina, võimaldades ettevõtetel ammutada kogutud andmete tulvast reaalset äriväärtust.

9. Milliseid revolutsioonilisi edusamme tehisintellekt tervishoius ja meditsiinis võimaldab?

Vastus: Tervishoid on üks valdkondi, kus tehisintellektil on suurim potentsiaal inimelusid otseselt parandada ja päästa. Tehisintellekti võime ära tunda meditsiinilistes andmetes keerulisi mustreid, mis on inimsilmale nähtamatud, viib murranguliste rakendusteni:

Diagnostiline pildistamine (radioloogia): See on üks arenenumaid valdkondi. Tehisintellekti algoritmid, mida treenitakse miljonite meditsiiniliste piltide (MRI, KT, röntgen) põhjal, suudavad haiguse tunnuseid sageli varem ja täpsemalt tuvastada kui inimradioloogid.

Rinnavähi diagnostika: tehisintellekti süsteemid suudavad mammogramme analüüsida ja kahtlaseid piirkondi suure täpsusega märkida. Uuringud on näidanud, et tehisintellekt võib vähendada radioloogide töökoormust ja parandada kasvajate avastamise määra.

Pankrease tsüstide diagnoosimine: tehisintellekti kasutatakse potentsiaalselt pahaloomuliste tsüstide tuvastamiseks skaneerimisel, mis on ülioluline, kuna pankreasevähk avastatakse sageli alles hilises, ravimatus staadiumis.

Ameerika Radioloogiakolledž (ACR) on isegi moodustanud spetsiaalse komitee, et uurida tehisintellekti majanduslikku ja kliinilist mõju radioloogias, rõhutades selle tehnoloogia olulisust.

Personaalne meditsiin: tehisintellekt suudab analüüsida patsiendi geneetilisi andmeid, elustiilitegureid ja haiguslugu, et luua individuaalseid raviplaane. See suudab ennustada, milline patsient reageerib konkreetsele ravimile kõige paremini, suurendades seeläbi ravi tõhusust ja minimeerides kõrvaltoimeid.

Ravimite avastamine ja arendamine: Uute ravimite väljatöötamise protsess on äärmiselt pikk ja kulukas. Tehisintellekt saab seda protsessi oluliselt kiirendada, analüüsides molekulaarstruktuure ja ennustades, millised neist on potentsiaalsed ravimid konkreetse haiguse vastu.

Operatiivne tugi: tehisintellekti süsteemid saavad kirurgidele operatsioonide ajal reaalajas tagasisidet anda, tõstes ekraanil esile anatoomilisi struktuure või hoiatades riskide eest.

Vaatamata tohutule potentsiaalile on ka väljakutseid, näiteks tundlike terviseandmete kaitse, tehisintellekti süsteemide regulatiivse heakskiidu vajadus ja lõpliku vastutuse küsimus valediagnooside korral.

10. Kuidas jõuab tehisintellekt üsna ootamatutesse valdkondadesse, nagu haridus, põllumajandus või isegi religioon?

Vastus: Tehisintellekti kõikjalolek ilmneb selle üha suurenevas levikus sektorites, mis ei ole otseselt kõrgtehnoloogiaga seotud.

Haridus: tehisintellektil on potentsiaal haridust isikupärastada. Tehisintellektil põhinevad õppesüsteemid saavad kohaneda iga õpilase õppimistempoga, pakkuda vajadusel lisaharjutust ja aidata õpetajatel oma tundide edenemist paremini jälgida. Samal ajal on endiselt olulisi väljakutseid: kuidas käsitleda tehisintellekti loodud kodutöid? Kuidas õpetada õpilasi tehnoloogiat kriitiliselt kasutama? Asjaolu, et enam kui pooled USA osariigid on juba avaldanud suunised tehisintellekti kasutamiseks koolides, rõhutab probleemi pakilisust ja olulisust. Ülikoolid moodustavad spetsiaalseid komisjone, et töötada välja strateegiaid tehisintellekti integreerimiseks õpetamisse ja teadustöösse.

Põllumajandus: Täppispõllumajandus kasutab tehisintellekti saagikuse maksimeerimiseks ja ressursside, näiteks vee, väetise ja pestitsiidide kasutamise minimeerimiseks. Tehisintellektil põhinevad süsteemid analüüsivad satelliitidelt, droonidelt ja maapealsetelt anduritelt saadud andmeid, et pakkuda põllumeestele optimeeritud saagikoristussoovitusi. Need suudavad ennustada optimaalset saagikoristusaega, tuvastada taimehaigusi varakult või täpselt kontrollida üksikute põlluosade niisutusvajadust.

Religioon: Ka vaimses ja religioosses sfääris on tekkimas uusi rakendusi. Rakendused nagu Bible.ai kasutavad tehisintellekti, et võimaldada kasutajatel pühade tekstidega suhelda. Kasutajad saavad esitada tehisintellekti abil Piibli kohta küsimusi („Mida ütleb Piibel andestuse kohta?“), lasta selgitada keerulisi lõike või luua temaatilisi õppekavasid. See on uus viis religioosse sisuga tegelemiseks, mis täiendab traditsioonilisi meetodeid.

Autonoomne juhtimine ja transport: Kuigi see valdkond pole ootamatu, viitavad hiljutised arengud turu konsolideerumisele. Kaevandusautomaatika spetsialisti SafeAI omandamine autonoomsete veoautode tehnoloogiaettevõtte Pronto.ai poolt viitab sellele, et spetsialiseeritud niššide (näiteks kaevandamine, kus autonoomsed sõidukid on juba kasutusel) oskusteavet kantakse nüüd üle laiematele kasutusjuhtudele, näiteks pikamaavedudele.

Need näited näitavad, et tehisintellekt ei ole isoleeritud tehnoloogia, vaid universaalne baastehnoloogia, millel on potentsiaal muuta inimeste töötamise viise peaaegu igas inimtegevuse valdkonnas.

11. Milliseid konkreetseid ühiskondlikke riske tehisintellekti mudelid kujutavad endast, eriti seoses eelarvamuste ja väärinfo levitamisega?

Vastus: Lisaks tohututele võimalustele kujutab tehisintellekt endast ka märkimisväärseid riske, mis võivad ohustada meie ühiskondade stabiilsust ja õiglust. Kaks kõige tõsisemat probleemi on eelarvamused ja valeinformatsioon.

Eelarvamus:

Tehisintellekti süsteemid ei ole oma olemuselt objektiivsed. Nad õpivad andmetest, mille põhjal neid treenitakse. Kui need andmed sisaldavad ajaloolisi või ühiskondlikke eelarvamusi, siis tehisintellekt mitte ainult ei reprodutseeri neid eelarvamusi, vaid sageli isegi tugevdab neid. Sellel on ohtlikud tagajärjed:

Õiguskaitse: Kui tehisintellekti treenitakse ennustama kuritegevuse riske ajalooliselt kallutatud politseiandmete põhjal, võib see teatud linnaosi või etnilisi rühmi valesti liigitada kõrgema riskiga rühmadeks. See võib kaasa tuua diskrimineeriva politseitöö ja ebaõiglased süüdimõistvad kohtuotsused.

Laenamine ja palkamine: tehisintellekt, mis otsustab laenu- või töötaotluste üle, võib alateadlikult diskrimineerida taotlejaid nende soo, päritolu või postiindeksi alusel, kui ta leiab treeningandmetest mustreid, mis on seotud varasemate diskrimineerivate otsustega.

Meditsiiniline diagnostika: kui tehisintellekti mudelit on treenitud peamiselt kindla etnilise rühma andmetega, võib selle diagnostiline täpsus teiste rühmade puhul olla oluliselt halvem.

Eelarvamuste probleemi on raske lahendada, kuna see on sageli sügavalt juurdunud ühiskondlikesse andmestruktuuridesse. See nõuab hoolikat andmete valimist, tehisintellekti süsteemide pidevat auditeerimist ja õiglusmõõdikute väljatöötamist.

Valeinfo:

Generatiivne tehisintellekt on oluliselt lihtsustanud ja vähendanud võltsitud sisu – nn süvavõltsinguid (pildid, videod) ja võltsuudiseid (tekstid) – loomise kulusid. Riskid on tohutud:

Poliitiline destabiliseerimine: tehisintellekti saab kasutada veenvate, kuid valede uudiste, piltide või videote masstootmiseks, et manipuleerida valimistega, laimata poliitilisi konkurente või süvendada ühiskondlikke lõhesid. Kujutage ette poliitiku võltsvideot, mis avaldatakse vahetult enne valimisi.

Usalduse õõnestamine: kui tõelise ja võltsitud sisu eristamine muutub üha raskemaks, võib see õõnestada üldist usaldust meedia, institutsioonide ja isegi enda taju vastu.

Pettus ja väljapressimine: tehisintellektil põhinevat kõnesünteesi saab kasutada inimese hääle kloonimiseks. Petised saavad seda tehnoloogiat kasutada näiteks sugulastele helistamiseks ja hädaolukorra teesklemiseks, et raha välja pressida („vanavanemate pettus 2.0“).

Desinformatsiooni vastu võitlemiseks on vaja tehnoloogiliste lahenduste kombinatsiooni (nt digitaalsed vesimärgid tehisintellekti loodud sisu tuvastamiseks), elanikkonna meediapädevuse suurendamist ja regulatiivseid meetmeid.

Saage kasu Xpert.Digitali ulatuslikust, viiekordsest asjatundlikkusest terviklikus teenustepaketis | Teadus- ja arendustegevus, XR, PR ja digitaalse nähtavuse optimeerimine - Pilt: Xpert.Digital

Xpert.digital on sügavad teadmised erinevates tööstusharudes. See võimaldab meil välja töötada kohandatud strateegiad, mis on kohandatud teie konkreetse turusegmendi nõuetele ja väljakutsetele. Analüüsides pidevalt turusuundumusi ja jätkates tööstuse arengut, saame tegutseda ettenägelikkusega ja pakkuda uuenduslikke lahendusi. Kogemuste ja teadmiste kombinatsiooni abil genereerime lisaväärtust ja anname klientidele otsustava konkurentsieelise.

Lisateavet selle kohta siin:

• Kasutage Xpert.digital 5 -kordist kompetentsi ühes paketis alates 500 €/kuus

12. Tehisintellekti mudelites on teateid probleemse sisu, näiteks antisemitismi kohta. Kuidas see juhtub ja mida sellega ette võetakse?

Antisemitismi ja muu vihkamist õhutava sisu esilekerkimine tehisintellekti mudelites, näiteks xAI Grokis, on otsene ja murettekitav tagajärg nende mudelite treenimisviisile.

Kuidas see juhtub:

Suured keelemudelid (LLM-id) õpivad internetist pärit tohutu hulga teksti töötlemise teel. Internet ei ole aga kureeritud ja puutumatu ruum. See sisaldab inimkonna kollektiivseid teadmisi, aga ka selle tumedamaid külgi: vihakõnet, vandenõuteooriaid, rassismi ja tõepoolest ka antisemitismi. Tehisintellekti mudel õpib selle vihakõnega seotud mustreid, seoseid ja keelt just nii, nagu see õpib luulet kirjutama või teaduslikke mõisteid selgitama. Ilma sihipäraste vastumeetmeteta reprodutseerib see õpitud problemaatilist sisu nõudmisel või loob isegi oma uusi antisemiitlikke stereotüüpe. Selliste mudelite puhul nagu Grok, mis töötati välja spetsiaalselt provokatiivsema ja vähem filtreeritud „isiksuseprofiiliga“, võib see risk olla veelgi suurem.

Mida sellega ette võetakse:

Tehisintellekti mudelite arendajad on sellest probleemist teadlikud ja kasutavad selle leevendamiseks mitmesuguseid tehnikaid, kuigi ükski neist pole täiuslik:

Andmete filtreerimine: Isegi enne treenimist püütakse treeningandmeid puhastada ilmselgelt vihakõnelisest või mürgisest sisust. Arvestades andmekogumite tohutut mahtu, on see aga tohutu väljakutse.

Peenhäälestamine ja „põhiseaduslik tehisintellekt“: Pärast esialgset treenimist „peenhäälestatakse“ mudelit teises etapis. Selles etapis treenitakse seda spetsiaalselt kureeritud, kvaliteetsete ja eetiliselt korrektsete näidetega. Lähenemisviisid nagu Anthropici „põhiseaduslik tehisintellekt“ lähevad sammu edasi: tehisintellektile antakse eetiliste põhimõtete kogum („põhiseadus“), mille alusel ta oma vastuseid hindab ja parandab.

Inimtagasiside abil õppimine tugevdusõppe abil (RLHF): Selle meetodi puhul hindavad inimtestijad tehisintellekti mudeli vastuseid. Kasulikeks, kahjututeks ja ausateks peetavaid vastuseid "premeeritakse", probleemseid vastuseid aga "karistatakse". Nii õpib mudel, millised vastused on soovitavad ja milliseid tuleks vältida.

Väljundi sisufiltrid: Viimase kaitseliinina kasutatakse filtreid sageli tehisintellekti vastuse kontrollimiseks enne selle kasutajale kuvamist. Kui vastust peetakse vihkamist õhutavaks, ohtlikuks või muul viisil sobimatuks, blokeeritakse see ja asendatakse standardvastusega (nt „Ma ei saa sellele küsimusele vastata”).

Vaatamata neile pingutustele on see pidev võitlus. Vastased leiavad pidevalt uusi viise turvafiltrite möödahiilimiseks („jailbreakimine“). Tugevate ja eetiliselt korrektsete tehisintellekti süsteemide arendamine on üks valdkonna peamisi tehnilisi ja eetilisi väljakutseid.

13. Mis on tehisintellekti mudelites esinevad „hallutsinatsioonid” ja miks need kujutavad endast tõsist probleemi?

Vastus: Mõiste „hallutsinatsioon” kirjeldab nähtust, kus tehisintellekti mudel mõtleb välja fakte, tsiteerib olematuid allikaid või genereerib täiesti valet, kuid keeleliselt veenvat ja enesekindlalt esitatud teavet. Oluline on mõista, et tehisintellekt ei „valeta” inimlikus mõttes, kuna tal puudub teadvus ega kavatsus. Hallutsinatsioon on pigem süstemaatiline viga, mis tuleneb õigusteaduslike ainete toimimisviisist.

Miks hallutsinatsioonid tekivad:

LLM on sisuliselt ülimalt keerukas masin sõnajadade ennustamiseks. See tegelikult ei "tea", mis on tõene või vale. See on õppinud, millised sõnad statistiliselt tõenäoliselt üksteisele järgnevad, et luua sidus ja usutavalt kõlav tekst. Kui mudel ei leia oma treeningandmetest küsimusele selget vastust või kui päring on mitmetähenduslik, täidab see lüngad, genereerides statistiliselt kõige tõenäolisema, kuid võib-olla faktiliselt vale sõnajada. Seega "leiutab" see vastuse, mis tundub keeleliselt korrektne ja stiililiselt sobiv.

Miks need on tõsine probleem:

Tehisintellekti võime esitada enesekindlalt väärinfot on paljudes rakendusvaldkondades äärmiselt ohtlik:

Meditsiin ja õigus: Kui arst konsulteerib tehisintellektiga ja see soovitab olematut ravimit või valet annust, võivad tagajärjed olla saatuslikud. Kui jurist kasutab tehisintellekti uurimistööks ja see viitab väljamõeldud kohtuotsustele või juriidilistele klauslitele, võib see talle kohtuasja maksma minna ja kaasa tuua õiguslikke tagajärgi.

Teadus ja haridus: tudeng, kes kasutab kursusetöö jaoks tehisintellekti, võib teadmatult oma töösse lisada hallutsinatsioonidega seotud fakte ja allikaid, levitades seeläbi valeteadmisi.

Üldine teave: Kui kasutajad peavad tehisintellektil põhinevaid vestlusroboteid usaldusväärseteks teabeallikateks, võivad hallutsinatsioonid kaasa aidata väärinfo kiirele levikule üldsuse seas.

Hallutsinatsioonide vastu võitlemine on tehisintellekti uuringutes esmatähtis. Lahenduste hulka kuuluvad tehisintellekti mudelite ühendamine kontrollitud ja ajakohaste teadmiste andmebaasidega (Retrieval-Augmented Generation, RAG), tehisintellekti võime parandamine oma teadmiste piirangute äratundmisel ja "ma ei tea" ütlemisel ning faktide kontrollimise mehhanismide rakendamine. Kuni see probleem pole lahendatud, on oluline tehisintellekti süsteemide tulemuste kriitiline ja uuriv lähenemine.

14. Mõiste „agentne tehisintellekt” on muutumas üha olulisemaks. Mida see tähendab ja milline potentsiaal sellel tehnoloogial on?

Vastus: „Agentne tehisintellekt” (umbes tõlgituna „tegutsev tehisintellekt” või „agentidel põhinev tehisintellekt”) kujutab endast generatiivse tehisintellekti järel järgmist olulist evolutsioonilist sammu. Kuigi generatiivsed tehisintellekti mudelid, nagu näiteks ChatGPT, on tavaliselt passiivsed – reageerivad sisendile (viibale) ja tagastavad ühe väljundi (vastuse) –, on agendipõhised tehisintellekti süsteemid loodud tegutsema ennetavalt ja autonoomselt, et saavutada keerulisi, mitmeastmelisi eesmärke.

Agentne tehisintellekti süsteem saab:

Eesmärgi mõistmine: kasutaja määrab üldise eesmärgi, nt „Planeeri järgmisel kuul kahele inimesele nädalavahetuse reis Pariisi eelarvega 1000 eurot“

Ülesannete jagamine ja planeerimine: tehisintellekt jagab selle keerulise eesmärgi iseseisvalt alamülesannete seeriaks: „1. Otsi ja võrdle lende. 2. Uuri hotelle, mis sobivad eelarvega. 3. Kontrolli hotellide ja lendude arvustusi. 4. Paku välja võimalikke tegevusi ja restorane. 5. Loo reisiplaan.“

Tööriistade kasutamine: Tehisintellekti agent saab autonoomselt juurde pääseda välistele tööriistadele ja API-dele. See saab otsida internetist, et võrrelda lennupiletite hindu erinevates portaalides, kasutada broneerimisplatvormi hotellide saadavuse kontrollimiseks või kaardirakendust hotellide asukoha hindamiseks.

Enesekorrektsioon ja iteratsioon: kui samm ebaõnnestub (nt lend on täielikult broneeritud), saab agent seda tuvastada, oma plaani kohandada ja otsida alternatiivset lahendust ilma edasise inimese sekkumiseta.

Lõpptulemuse edastamine: Lõpuks esitab agent kasutajale mitte ainult vastuse, vaid valmis tulemuse – näiteks täielikult väljatöötatud reisiplaani koos broneerimisvõimalustega.

Potentsiaal on tohutu: agentlik tehisintellekt muudab tehisintellekti pelgalt teabe ja sisu generaatorist isiklikuks abiliseks või autonoomseks digitaalseks töötajaks. Võimalike rakenduste hulka kuuluvad:

Isiklikud assistendid: agent, kes iseseisvalt koordineerib kohtumisi, eelsorteerib ja vastab e-kirjadele ning võtab enda peale keerulisi igapäevaseid haldusülesandeid.

Äriautomaatika: tehisintellekti agent, mis loob turu-uuringute aruandeid, kogudes, analüüsides, kokku võttes ja esitades iseseisvalt andmeid.

Tarkvaraarendus: agent, mis mitte ainult ei kirjuta koodi, vaid otsib ka iseseisvalt vigu (silub), teeb teste ja kontrollib koodi repositooriumisse.

Agentne tehisintellekt esindab üleminekut tehisintellektist kui tööriistast tehisintellektiks kui töötajaks. Väljakutsed seisnevad turvalisuses (agendi soovimatute või kahjulike toimingute takistamine) ja usaldusväärsuses, kuid potentsiaal inimeste tootlikkuse uuele tasemele tõstmiseks on tohutu.

Sobib selleks:

• AI toetatud hankehaldus, ostmine ja kontroll: Accio.com ja turu alternatiivide analüüs

15. Milline roll on avatud lähtekoodiga tehisintellekti mudelitel praeguses tehisintellekti ökosüsteemis?

Vastus: Avatud lähtekoodiga tehisintellektil on oluline ja üha olulisem roll vastukaaluna suurte tehnoloogiaettevõtete (nt OpenAI, Google ja Anthropic) suletud ja patenteeritud mudelitele. Ettevõtted nagu Prantsuse idufirma Mistral AI või Meta Llama seeria on selles valdkonnas teerajajad.

Avatud lähtekoodiga tehisintellekti eelised ja olulisus:

Juurdepääsu demokratiseerimine: avatud lähtekoodiga mudelid, mille kood ja sageli ka selle treenitud kaalud on vabalt kättesaadavad, võimaldavad teadlastel, idufirmadel ja isegi individuaalsetel arendajatel tugineda tipptasemel tehisintellekti tehnoloogiale ilma suuremate müüjate kallitele API-dele toetumata. See soodustab konkurentsi ja innovatsiooni.

Läbipaistvus ja kontrollitavus: Suletud mudelite puhul on sageli ebaselge, milliste andmete põhjal neid treeniti ja kuidas need täpselt toimivad („must kast“). Avatud lähtekoodiga mudeleid saab globaalne teadusringkond uurida, analüüsida ja kontrollida eelarvamuste või turvanõrkuste suhtes. See soodustab suuremat usaldust ja võimaldab tehnoloogiast paremini aru saada.

Kohanduvus ja spetsialiseerumine: Ettevõtted saavad võtta avatud lähtekoodiga mudeli ja seda oma spetsiifiliste andmetega täpsustada, et luua oma niši jaoks (nt juriidiliste või meditsiiniliste rakenduste jaoks) väga spetsiifiline mudel. Suletud mudelite puhul on see sageli võimalik ainult piiratud ulatuses või üldse mitte.

Andmekaitse ja sõltumatus: Ettevõtted, kes töötlevad tundlikke andmeid, saavad oma taristul (kohapeal) käitada avatud lähtekoodiga mudelit. See välistab vajaduse saata oma andmeid välisele pilveteenuse pakkujale, suurendades seeläbi andmete turvalisust ja suveräänsust.

Puudused ja riskid:

Turvalisus: Võimsate mudelite tasuta kättesaadavus toob kaasa ka väärkasutuse riski. Kurjategijad või riigiasutused saavad avatud lähtekoodiga mudeleid kasutada desinformatsioonikampaaniate, küberrünnakute või muude kahjulike tegevuste läbiviimiseks ilma, et nad peaksid suurte pakkujate turvafiltreid mööda hiilima.

Ressursinõuded: Kuigi mudel ise on tasuta, nõuab suure avatud lähtekoodiga mudeli käitamine (järelduste tegemine) siiski märkimisväärset ja kallist arvutusinfrastruktuuri.

Üldiselt elavdab avatud lähtekoodiga liikumine tehisintellekti ökosüsteemi märkimisväärselt. See edendab innovatsiooni, soodustab konkurentsi ja pakub alternatiive, mis võimaldavad suuremat kontrolli, läbipaistvust ja kohanemisvõimet. Avatud lähtekoodiga tarkvara avatuse ja turvaprobleemide vaheline pinge kujundab aga lähiaastatel arutelu oluliselt.

Sobib selleks:

• KI Model Kimi K2 Moonshot AI-st: uus avatud lähtekoodiga lipulaev Hiina-teise verstapostist avatud AI-süsteemide jaoks

16. Kuidas valitsused ja institutsioonid nendele kiiretele arengutele reageerivad ja millised regulatiivsed lähenemisviisid on olemas?

Vastus: Arvestades tehisintellekti transformeerivat jõudu ja võimalikke riske, on valitsused ja institutsioonid kogu maailmas sunnitud tegutsema. Reaktsioonid on mitmekesised, alates edendamisest ja jälgimisest kuni aktiivse reguleerimiseni.

Juhised ja orienteerumisvahendid: Esimene ja sageli pragmaatiline samm on suuniste avaldamine. Tüüpiline on asjaolu, et enam kui pooled USA osariigid on avaldanud suunised tehisintellekti kasutamiseks koolides. Need suunised ei ole sageli ranged seadused, vaid pigem aitavad õpetajatel, õpilastel ja administraatoritel leida vastutustundlikku viisi uue tehnoloogia kasutamiseks. Need käsitlevad andmekaitse, akadeemilise terviklikkuse ja haridusliku kaasatuse küsimusi.

Avaliku halduse läbivaatamine ja tõhususe suurendamine: Mõned valitsused näevad tehisintellekti ka vahendina oma bürokraatia kaasajastamiseks. Üks selline näide on Virginia kuberner Youngkini korraldus osariikide regulatsioonide läbivaatamiseks tehisintellekti abil. Eesmärk on tuvastada ebaefektiivsed, aegunud või vastuolulised regulatsioonid ja vähendada bürokraatiat. Ka IRS-i (USA sisemaksuteenistus) kavandatud tehisintellekti kasutamine maksuauditites on suunatud tõhususe suurendamisele.

Sektorispetsiifiline regulatsioon: Põhjaliku tehisintellekti reguleerimise asemel keskenduvad paljud lähenemisviisid konkreetsetele kõrge riskiga valdkondadele. Ameerika Radioloogiakolledži (ACR) loodud komitee tehisintellekti majandusliku mõju uurimiseks näitab, et kutseühendused on oma vastavates valdkondades tehisintellekti kasutamise standardite ja parimate tavade väljatöötamisel juhtpositsioonil. Sarnased arengud toimuvad ka finantssektoris ja kohtusüsteemis.

Põhjalik seadusandlus (ELi lähenemisviis): Kõige ambitsioonikamat lähenemisviisi järgib Euroopa Liit tehisintellekti seadusega. See seadus järgib riskipõhist lähenemisviisi ja liigitab tehisintellekti rakendused erinevatesse riskiklassidesse:

Vastuvõetamatu risk: Teatud rakendused, näiteks valitsuste sotsiaalne punktisüsteem, keelatakse täielikult.

Kõrge risk: Kriitiliste valdkondade (nt meditsiin, kriitiline taristu, inimressursid) süsteemidele kehtivad ranged läbipaistvuse, andmeturbe ja inimeste järelevalve nõuded.

Piiratud risk: Süsteemid nagu vestlusrobotid peavad tegema läbipaistvaks, et kasutaja suhtleb tehisintellektiga.

Minimaalne risk: Enamik teisi rakendusi (nt tehisintellektil põhinevad videomängud) on endiselt suures osas reguleerimata.

Globaalne regulatiivne võidujooks keerleb nüüd selle ümber, kumb mudel jääb peale: USA paindlik ja innovatsioonisõbralik, kuid potentsiaalselt vähem turvaline lähenemisviis või ELi terviklik ja väärtuspõhine, kuid potentsiaalselt innovatsiooni pärssiv lähenemisviis.

17. Vaatamata muljetavaldavale edusammule, millised on tänapäeva tehisintellekti põhilised piirangud ja miks oleme ikka veel kaugel „päris” tehisintellektist?

Vastus: Vaatamata praeguste tehisintellekti süsteemide üle käivale kärale ja muljetavaldavatele võimalustele on oluline mõista, et tegemist on teatud tüüpi „nõrga“ või „kitsase“ tehisintellektiga. Need süsteemid on treenitud teatud ülesandeid suurepäraselt täitma, sageli isegi paremini kui inimesed. Siiski on nad ikkagi miilide kaugusel „tõelisest“, inimlaadsest või „tugevast“ tehisintellektist (AGI).

Põhilised piirangud seisnevad järgmistes valdkondades:

Maailma ja põhjuslikkuse mõistmata jätmine: Praegustel tehisintellekti mudelitel puudub tegelik arusaam maailmast. Nad tunnevad ära andmetes statistilisi korrelatsioone, kuid mitte põhjuslikke seoseid. Nad teavad, et sõnale "välk" järgneb sageli sõna "äike", kuid nad ei mõista selle aluseks olevat füüsikalist kontseptsiooni. See põhjusliku seose mõistmata jätmine muudab nad hapraks ja vastuvõtlikuks vigadele olukordades, mis kalduvad kõrvale nende treeningandmetest.

„Terve mõistuse“ (igapäevaste teadmiste) puudumine: Inimestel on ulatuslikud, kaudsed teadmised maailma toimimise kohta, mida me nimetame „terveks mõistuseks“. Me teame, et vihmavarju avatakse vihmavarju või et tassi ei saa tagurpidi täita. Tehisintellektil need kindlad igapäevased teadmised puuduvad, mis võib viia absurdsete või mõttetute vastusteni.

Teadvus, subjektiivsus ja emotsioonid: Võib-olla on suurim lünk igasuguse teadvuse, subjektiivse kogemuse või ehtsate tunnete puudumine. Tehisintellekt suudab õppida kirjutama emotsionaalselt kaasahaaravaid tekste rõõmu või kurbuse kohta, kuid see ei "tunne" midagi. See on keeruline arvutiprogramm, mitte tundlik olend.

Veaoht ja ettearvamatus: Nagu hallutsinatsioonide probleem näitab, on tehisintellekti süsteemid veaohtlikud ja võivad käituda ettearvamatult. Nende keerukus (miljardid parameetrid) muudab sageli võimatuks täielikult mõista, miks nad konkreetse otsuse tegid (nn musta kasti probleem).

Oluline järeldus on see, et tehisintellekt ei ole alati lahendus. Naiivne uskumus, et iga probleemi saab lahendada lihtsalt tehisintellekti abil, on ohtlik. Tehisintellekti tõhusa kasutamise aja ja viisi kindlaksmääramiseks on vaja hoolikat ja kriitilist uurimist. See on võimas tööriist, kuid ainult tööriist – mitte kõiketeadev oraakel ja kindlasti ei asenda see inimese otsustusvõimet, loovust ja empaatiat. Tee „tõelise” tehisintellektini, kui seda üldse kunagi ette võtta saab, on ikka veel väga-väga pikk.

Tehisintellekti ajastul navigeerimine

Tehisintellekti praegune maastik maalib pildi enneolematust dünaamilisusest ja keerukusest. Ühelt poolt on tegemist hingematvate tehnoloogiliste edusammudega ja hiiglaslike majandusinvesteeringutega, mis muudavad terveid tööstusharusid ja lubavad lahendada mõned inimkonna kõige pakilisemad probleemid. Teiselt poolt on olemas sügavad eetilised dilemmad, geopoliitilised pinged, mis juhatavad sisse uue tehnoloogilise natsionalismi ajastu, ning reaalne oht töökohtade kadumise ja ühiskondliku destabiliseerumise tekkeks.

Tehisintellekt on kahe teraga mõõk. Selle areng ei ole peatamatu, puhtalt tehnoloogiline protsess, vaid seda kujundavad oluliselt inimotsused – ettevõtete investeeringud, valitsuse õigusaktid, arendajate eetilised juhised ja kasutajate kriitiline hinnang. Suurim väljakutse seisneb selles, kuidas leida viis, kuidas rakendada tehisintellekti tohutut potentsiaali, juhtides samal ajal vastutustundlikult selle riske. See nõuab globaalset dialoogi, interdistsiplinaarset koostööd ja informeeritud avalikkust, kes on võimeline mõistma ja kujundama selle murrangulise tehnoloogia võimalusi ja ohte. Tulevik ei ole ette määratud; see sõltub kursist, mille me täna seame.

XPaper AIS-i rakendusvõimalused äriarenduses, turunduses, avalike suhetes ja meie tööstuskeskuses (sisu) - Pilt: Xpert.Digital

See artikkel on käsitsi kirjutatud. Kasutasin omaenda loodud teadus- ja arendustegevuse tööriista XPaperit, mida kasutan peamiselt globaalse äriarenduse jaoks kokku 23 keeles. Teksti selgemaks ja sujuvamaks muutmiseks tehti stiililisi ja grammatilisi parandusi. Teemavaliku, koostamise ning allikate ja materjalide kogumise eest hoolitseb toimetusmeeskond.

XPaper News põhineb tehisintellekti otsingul ) ja erineb põhimõtteliselt SEO-tehnoloogiast. Mõlemal lähenemisviisil on aga ühine eesmärk muuta asjakohane teave kasutajatele kättesaadavaks – AIS otsingutehnoloogia ja SEO sisu poolelt.

Igal õhtul sõelub XPaper läbi värskeimad uudised üle kogu maailma pidevate ööpäevaringsete uuenduste abil. Selle asemel, et investeerida tuhandeid eurosid kuus tülikatesse ja üldistesse tööriistadesse, olen loonud oma tööriista, et olla kursis oma äriarenduse (BD) tööga. XPaperi süsteem sarnaneb finantssektoris kasutatavate tööriistadega, mis koguvad ja analüüsivad kümneid miljoneid andmepunkte iga tund. Samal ajal ei ole XPaper mõeldud ainult äriarenduseks; seda kasutatakse ka turunduses ja suhtekorralduses – olgu see siis inspiratsiooniallikana sisutehasele või artiklite uurimiseks. Tööriist võimaldab teil hinnata ja analüüsida kõiki allikaid kogu maailmas. Olenemata sellest, mis keeles andmeallikas räägib, pole see tehisintellektile probleem. Selleks on saadaval erinevad tehisintellekti mudelid XPaper pakub seda 18 keeles . XPaper võimaldab analüüsida sõltumatuid teemavaldkondi – üldistest kuni spetsiifiliste nišiteemadeni, kus andmeid saab muu hulgas võrrelda ja analüüsida varasemate perioodidega.

☑️ Meie ärikeel on inglise või sakslane

☑️ Uus: kirjavahetus teie riigikeeles!

Konrad Wolfenstein

Mul on hea meel, et olete teile ja minu meeskonnale isikliku konsultandina kättesaadav.

Võite minuga ühendust võtta, täites siin kontaktvormi või helistage mulle lihtsalt telefonil +49 89 674 804 (München) . Minu e -posti aadress on: Wolfenstein ∂ xpert.digital

Ootan meie ühist projekti.

☑️ VKE tugi strateegia, nõuannete, planeerimise ja rakendamise alal

☑️ AI strateegia loomine või ümberpaigutamine

☑️ teerajaja ettevõtluse arendamine