Gyakran felmerül mostanában, hogy a mesterséges intelligencia előbb-utóbb kipukkadó buborék, lufi. Irdatlan mennyiségű pénz áramlik bele, a spekulációk és a felhajtás egyre nagyobb mértékben a fenntarthatóság fölé emelik az MI-infrastruktúrába fektetett összegeket, és jönni fog a kijózanodás.
Az MI azonban nem monolitikus tömb, és a különböző területek nem egyforma mértékben pörögnek – árnyal Andrew Ng gépitanulás-szakértő. Három szintet különböztet meg: a gondoltnál is nagyobb potenciálú alkalmazási szinten kevés a befektetés, és az érveléshez/következtetésekhez szükséges MI-infrastruktúrába se megy elég pénz. A modellgyakoroltatással visszafogottan optimista, bár elismeri, hogy az buborék is lehet.

Az MI-infrastruktúrára/technológiára épülő alkalmazásoknak értékesebbnek kell lenniük, mint magának az infrastruktúrának, a következő évtizedekben számos alkalmazást kell még fejleszteni új MI-módszerekkel. Ha nem lennének értékesebbek az alkalmazások, akkor miből fizetnék ki az infrastruktúra- és a technológiaszolgáltatókat?
A kockázati tőkések ezen a szinten a legóvatosabbak, hezitálnak, nem tudják előrejelezni, kik lesznek a befutók, ezzel szemben infrastruktúrába egyszerűbb és bejáratottabb invesztálni. Ezért áramlik kevés pénz ebbe az irányba, ezért fektet Ng AI Fund kockázatitőke-vállalkozása nagy hangsúlyt a területre.
Az MI elterjedése még mindig alacsonynak nevezhető, infrastruktúraszolgáltatók viszont már küzdenek a tokenek generálásához szükséges feldolgozó-teljesítmény biztosításával. Egyelőre a kínálat, és nem a kereslet korlátozott. A területi befektetések ezért indokoltak. Az ágensorientált kódolók gyors fejlődése bíztató jel, az ágensek viszont lassan terjednek, sok fejlesztő pedig még mindig régebbi generációs kódoló eszközöket használ.
Részben az ágenses munkafolyamatok miatt egyértelműen több érvelési/következtetési kapacitás kell, és ez már társadalmi szintű igény. Mindezek ellenére persze lehet veszíteni a szektoron: mert ha túlköltekezünk, akkor a szolgáltatóknak veszteségesen vagy nagyon alacsony hozammal kell értékesíteniük a kapacitásokat – amelyek viszont mindig fel lesznek használva, mert akkora igény van rájuk.
A három szint közül a modellgyakoroltatás a legkockázatosabb. Ha a nyílt forrású/nyílt súlyú modellek piaci részesedése továbbra is növekszik, akkor nem lesz vonzó a vállalatokba milliárdokat öntő befektetők pénzügyi megtérülése.
Mivel egy adott képességszintű modell betanítása évről évre olcsóbb, a csúcsmodellek begyakoroltatása (a ChatGPT és Gemini példája ellenére) nem kecsegtet erős és tartós versenyelőnnyel.
Ng összességében optimista, viszont hozzáfűzi, hogy ha egy területen túlzott a befektetés, és a terület összeomlik, maga ez a tény negatív piaci hangulatot idézhet elő az MI körül, és az összességében erős fundamentumok ellenére beindulhat az irracionális tőkekivonás, csökkenhet az érdeklődés. Bár nem hiszi, hogy ez meg fog történni.










