Jonathan Ross, założyciel i dyrektor generalny firmy zajmującej się chipami AI Groq, przedstawia kontrowersyjną opinię: AI nie zniszczy miejsc pracy, stworzy niedobór siły roboczej. Wskazuje na trzy rzeczy, które wydarzą się z powodu AI: Po pierwsze, ogromna presja deflacyjna. "Ta filiżanka kawy będzie kosztować mniej. Twoje mieszkanie będzie kosztować mniej. Wszystko będzie kosztować mniej." Wyjaśnia, że stanie się to dzięki robotom, które będą wydajniej uprawiać kawę oraz lepszemu zarządzaniu łańcuchem dostaw, co oznacza, że ludzie będą potrzebować mniej pieniędzy. Po drugie, ludzie zrezygnują z gospodarki. "Będą pracować mniej godzin. Będą pracować mniej dni w tygodniu i będą pracować mniej lat. Będą przechodzić na emeryturę wcześniej, ponieważ będą mogli utrzymać swój styl życia pracując mniej." Po trzecie, pojawią się całkowicie nowe miejsca pracy i branże. Jonathan wskazuje na historię jako dowód: "Pomyśl o 100 latach temu. 98% siły roboczej w Stanach Zjednoczonych pracowało w rolnictwie. Kiedy udało nam się to zredukować do 2%, znaleźliśmy zajęcia dla tych pozostałych 98% populacji." Kontynuuje: "Miejsca pracy, które będą istnieć za 100 lat, nawet nie potrafimy sobie wyobrazić." Programiści nie istnieli sto lat temu. Za sto lat też nie będą istnieć, "ponieważ wszyscy będą kodować wibracje." To samo dotyczy influencerów, kariery, która byłaby nie do pomyślenia 100 lat temu, ale teraz przynosi ludziom miliony. Jego wniosek: presja deflacyjna, rezygnacje z pracy i nowe branże, których jeszcze nie potrafimy sobie wyobrazić, połączą się, aby stworzyć jeden wynik... "Nie będziemy mieli wystarczającej liczby ludzi."

Dyrektor generalny NVIDIA, Jensen Huang, ostrzega, że przewaga Ameryki w dziedzinie AI jest daleka od pewności. Rozkłada rywalizację USA-Chiny w dziedzinie AI na to, co nazywa "ciastem piętrowym." I podczas gdy USA dominują w niektórych warstwach, Jensen dostrzega krytyczne słabości w innych... 1) Energia: Chiny mają dwa razy więcej niż USA, mimo mniejszej gospodarki. Co "nie ma sensu" dla Jensena. 2) Chipy: USA są "generacje do przodu," ale Jensen ostrzega przed samozadowoleniem. "Każdy, kto myśli, że Chiny nie potrafią produkować, nie dostrzega wielkiego pomysłu." 3) Infrastruktura: Postawienie centrum danych w USA zajmuje około trzech lat. A w Chinach? "Mogą zbudować szpital w weekend." 4) Modele: Modele graniczne USA są "niewątpliwie światowej klasy," ale "Chiny są znacznie do przodu, znacznie do przodu w zakresie open source." 5) Aplikacje: Nastroje społeczne różnią się znacznie. Zapytaj obie populacje, czy AI przyniesie więcej korzyści niż szkód, a "w ich przypadku 80% powie, że AI przyniesie więcej korzyści niż szkód. W naszym przypadku byłoby odwrotnie." Ostrzeżenie Jensena jest jasne. Przewodzenie w chipach i modelach granicznych to za mało, gdy jesteś w tyle w zakresie energii, szybkości infrastruktury, open source i zaufania publicznego. Wygranie wyścigu AI wymaga siły w całym stosie, a w tej chwili USA mają nad czym pracować.

W 1956 roku ludzkość osiągnęła punkt zwrotny, o którym nikt nie mówi. 10 naukowców zebrało się w akademikach, aby gonić pomysł, który świat nazywał "science fiction." To był moment Wielkiego Wybuchu AI: Późne lato 1955 roku... John McCarthy (profesor matematyki na Dartmouth College) zebrał zespół gwiazd: • Marvin Minsky - intelektualista z Harvardu • Nathaniel Rochester - praktyczny inżynier z IBM • Claude Shannon - geniusz teorii informacji • Plus 6 innych badaczy Razem opracowali propozycję badawczą na dwumiesięczny warsztat letni na Dartmouth College. Ich śmiałym celem? Udowodnić, że maszyny mogą symulować każdy aspekt ludzkiej inteligencji — uczenie się, rozumowanie, język, rozwiązywanie problemów. McCarthy ukuł tę radykalną nową dziedzinę badań: "Sztuczna inteligencja." To był moment narodzin AI. Ale znalezienie kogoś, kto sfinansuje te badania, okazało się brutalne ↓ McCarthy poprosił o 13 500 dolarów (około 159 000 dolarów dzisiaj) od potencjalnych fundatorów. Odpowiedź? Odrzucenie za odrzuceniem. Organizacje nie mogły zrozumieć implikacji. Pomysł, że maszyny "myślą", był zbyt radykalny, zbyt filozoficzny, zbyt niepewny. Ta dziedzina nawet nie istniała - jak można było uzasadnić inwestowanie w nią? W końcu, po miesiącach uporu, Rockefeller zgodził się sfinansować projekt. Ale był haczyk: Zainwestowali tylko 7 500 dolarów (88 000 dolarów dzisiaj). Ledwie wystarczająco, aby pokryć koszty. Czerwiec 1956, badania się rozpoczęły ↓ 11 naukowców zebrało się w akademikach i wynajętych pensjonatach na 6-8 tygodni. "W tamtym czasie wierzyłem, że jeśli tylko uda nam się zebrać wszystkich, aby poświęcili czas na to, moglibyśmy zrobić prawdziwy postęp," wspominał McCarthy. Technologia, którą mieli, była niezwykle prymitywna, co czyniło niemal niemożliwym testowanie teoretycznych pomysłów. Ale wyzwanie sięgało jeszcze głębiej niż sprzęt ↓ Nikt nie mógł się zgodzić, co właściwie oznacza "inteligencja." Czy to rozwiązywanie problemów? Rozumowanie? Język? Uczenie się? Grupa zmagała się z fundamentalnymi pytaniami, które nie miały odpowiedzi. • Minsky później przyznał, że "zdali sobie sprawę, że inteligencja nie była schludną zagadką, ale rozległą dziką przyrodą." • Jeden z uczestników opisał to jako "programowanie maszyn do uczenia się było jak wychowywanie dziecka z zepsutym zestawem narzędzi." Kiedy lato zakończyło się w 1956 roku, zakończyła się także ich praca. Odeszli z: Brakiem prototypu Brakiem konsensusu Brakiem przełomu Ale wydarzyło się coś znacznie ważniejszego ↓ Stworzyli fundament dla całej dziedziny badań naukowych. Każdy system AI dzisiaj — od ChatGPT po autonomiczne samochody — wywodzi swoje korzenie z tych 6 tygodni w Nowej Anglii. Lato 1956 nie wyprodukowało działającej "myślącej maszyny." Ale nadało AI nazwę, wizję i społeczność renegackich myślicieli gotowych zaryzykować wszystko dla niemożliwego marzenia. To lato było wielkim wybuchem AI. A fale uderzeniowe wciąż się rozszerzają dzisiaj. — Dziękuję za przeczytanie! Podobał Ci się ten post? Obserwuj @RealBigBrainAI, aby uzyskać więcej treści jak ta.