Dyrektor Google DeepMind: kapitałowe wydatki AI rzędu setek miliardów to największy naukowy zakład w historii ludzkości, główny zakład na „rekurencyjne samodoskonalenie”
Twarde AI
Autor | Bao Yilong
Redakcja | Twarde AI
Kiedy giganci technologiczni spalają pieniądze na niespotykaną dotąd skalę, budując infrastrukturę AI, logika ich hazardu staje się coraz bardziej przejrzysta — chodzi o zakład na osiągnięcie przez AI "rekursywnej samodoskonalenia".
3 sierpnia główny strateg DeepMind w Google, Jasjeet Sekhon, na szczycie Agentic AI na Uniwersytecie Kalifornijskim w Berkeley, publicznie stwierdził,rekursywna samodoskonalenie (Recursive Self-Improvement, RSI) jest "główną logiką inwestycyjną" stojącą za wydatkami branży.
Rekursywna samodoskonalenie oznacza, że AI może automatycznie tworzyć coraz lepsze wersje siebie, co jest postrzegane w branży jako kolejny ważny kamień milowy po Artificial General Intelligence (AGI).
Sekhon jednocześnie przyznaje,przychody z AI obecnie "nie są wystarczające, aby utrzymać" skalę wydatków kapitałowych, co grozi wpadnięciem branży w okres próżni rynkowej.
Google w tym roku wydało na centra danych AI i powiązane urządzenia około 200 miliardów dolarów i planuje w przyszłym roku jeszcze zwiększyć wydatki.
Jednocześnie badacz DeepMind, Oriol Vinyals, i współzałożyciel OpenAI, Wojiech Zaremba, powiedzieli podczas tego samego panelu,rekursywna samodoskonalenie może zostać osiągnięta w latach 2027–2028.
01
Logika ogromnych zakładów: rekursywna samodoskonalenie zamiast AGI
W narracji branży AI rekursywna samodoskonalenie szybko zastępuje AGI jako najgorętszy koncept.
AGI to skrót od Artificial General Intelligence, po polsku „sztuczna inteligencja ogólna”. Jest to jeden z ostatecznych celów badań nad AI, czyli system AI, który może osiągnąć lub przewyższyć poziom człowieka w większości zadań mających wartość ekonomiczną.
Sekhon określił obecne wydatki kapitałowe branży AI jako "największy naukowy zakład w historii cywilizacji", pod względem skali przewyższający program Apollo, projekt Manhattan oraz inwestycje w rozwój internetu dokonywane przez rząd USA.
Prawdziwa rekursywna samodoskonalenie oznacza, że model AI może samodzielnie przeprojektować swoją całą architekturę i stworzyć zupełnie nowe modele, ustanawiając cykl ciągłego samodoskonalenia.
Sekhon przyznał, że "obecna technologia jest daleko od tego etapu", lecz podkreślił,firmy AI już teraz mogą wykorzystywać modele do projektowania komponentów innych modeli, co można uznać za "zapowiedź" rekursywnej samodoskonalenia.Porównał to do historycznego wykorzystywania maszyn parowych w budowie kolejnej generacji maszyn parowych.
Mimo to Sekhon stwierdził:
Zakładanie, że rekursywna samodoskonalenie nigdy nie nastąpi, wydaje się nierozsądne.
Sekhon przewiduje, że rekursywna samodoskonalenie pojawi się "z dużym prawdopodobieństwem w ciągu najbliższych kilku lat".
Badacz DeepMind Oriol Vinyals i współzałożyciel OpenAI Wojiech Zaremba podczas panelu na tym samym szczycie podali nawet dokładniejsze terminy: rok 2027 lub 2028.
02
Rzeczywistość niedoboru przychodów: obawy akcjonariuszy Google
Mimo szerokiej narracji strategicznej, Sekhon bardzo bezpośrednio opisał aktualną sytuację finansową.
Wyraźnie zaznaczył, że przychody generowane przez AI "nie są obecnie wystarczające na pokrycie naszych wydatków kapitałowych", co oznaczaryzyko popadnięcia w "pustkę powietrzną AI" — wydatki są ogromne, a przychody opóźnione.
To stanowisko dobrze wpisuje się w obecne obawy akcjonariuszy Google. Mimo że kluczowe firmy inwestujące w AI (w tym Google) obserwują przyspieszenie sprzedaży oprogramowania i usług w chmurze, akcjonariusze nie kryją swojego niepokoju wobec stale rosnącego spalania gotówki przez firmę.
Dla porównania, Amazon AWS odnotował w tym kwartale wzrost przychodów o 37%, osiągając 42,2 miliardów dolarów, a marża operacyjna wzrosła z 37% do 39%, co pokazuje, że zapotrzebowanie na usługi AI w chmurze zaczyna się spełniać.
To w pewnym stopniu potwierdza komercyjną logikę ogromnych wydatków branży, ale także podkreśla strukturalny rozdźwięk między przychodami a wydatkami, na który zwraca uwagę Google.
03
Mapa ryzyka: od ataków sieciowych po zagrożenia biologiczne
Podczas szczytu Sekhon wraz z profesor Dawn Song z Uniwersytetu Kalifornijskiego w Berkeley, która niedawno dołączyła do działu "superinteligencji" w Meta, przez długi czas omawiali ryzyka bezpieczeństwa związane z AI, zwłaszcza potencjał AI jako narzędzia do ataków sieciowych i biologicznych.
Song wskazała, że AI w najbliższym czasie "bardziej pomoże atakującym", ponieważ istnieje naturalna asymetria między obroną a atakiem:
Atakujący potrzebuje tylko jednego skutecznego ataku, podczas gdy obrońca musi odeprzeć wszystkie.
Sekhon zgodził się z tą opinią i ostrzegł, że wraz z tym, jak atakujący będą zanieczyszczać repozytoria kodu open source i wykorzystywać niskiej jakości kod tworzony przez ludzi, "najbliższy czas będzie bardzo trudny", szczególnie dla słabych systemów jak amerykańska sieć energetyczna czy szpitale.
Jednak,Sekhon uważa, że jeszcze poważniejsze zagrożenie dotyczy biologicznego bezpieczeństwa. Według niego:
Jesteśmy bardzo blisko świata, w którym wystarczy rozmawiać z modelem w języku naturalnym, by zaprojektować wirus lub białko. To skrajnie niebezpieczny świat, który na długą metę będzie sprzyjał atakującym.
Zaznaczył, że przeciwdziałanie ryzyku biologicznemu powinno obejmować rygorystyczne licencjonowanie, monitorowanie i śledzenie "materiałów biologicznych", a Google rozwija technologię znakowania zawartości generowanej przez AI, SynthID, dla biologii, pomagając firmom syntezującym DNA wykrywać biosekwencje generowane przez AI stanowiące potencjalne zagrożenia.
Twarde AI
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
"Najmniej seksowna strategia inwestycyjna" na czasie! Obligacje się załamują, giełda szaleje – inwestorzy mają świetną okazję do ponownego zrównoważenia portfela.
Doradcy finansowi wskazują, że w obliczu wyprzedaży globalnych obligacji, giełd pozostających w pobliżu historycznych szczytów oraz inwestorów zmagających się z niepewnością geopolityczną, obecnie może być szczególnie dobry moment na rozważenie zrównoważenia portfela inwestycyjnego.
Podbił jena, ale nie obronił amerykańskich obligacji! Czy Besent jest "słabym ogniwem" amerykańskiej giełdy?
W tym tygodniu Bank Japonii wyraźnie zapowiedział, że zamierza powstrzymać spekulantów przeciwko jenowi, jednocześnie rozszerzając limit operacji repo na amerykańskie obligacje skarbowe do 6 miliardów dolarów. W rezultacie jen umocnił się, ale amerykańskie obligacje osłabły — rentowność 10-letnich obligacji osiągnęła najwyższy poziom od października 2023 roku, a 30-letnie zbliżyły się do dwudziestoletniego szczytu. Analizy wskazują, że połączenie umocnienia jena i wzrostu rentowności amerykańskich obligacji jednocześnie uderza w transakcje arbitrażowe oraz wyceny akcji, stanowiąc podwójne zagrożenie dla hossy na amerykańskim rynku akcji. To jest „największe ryzyko dla rynku byka”.
Akcje SK Hynix na rynku amerykańskim gwałtownie wzrosły do nowych maksymalnych wartości, cały sektor pamięci jest na fali wzrostowej! Goldman Sachs ogłasza: najgorsze dni już minęły
Raport badawczy Goldman Sachs rozpalił sektor pamięci masowej – SK Hynix na giełdzie amerykańskiej wzrósł w jeden dzień o 7%, osiągając historyczny rekord; Micron i SanDisk również poszły w górę, przewyższając główny indeks. Goldman Sachs podkreśla, że przełamanie techniczne w sektorze pamięci, w połączeniu z niską ekspozycją funduszy hedgingowych, sprawiło, że kierunek "bolesnych transakcji" przesunął się w górę. Jednak tego samego dnia CEO Kioxia ostudził nastroje, stwierdzając wprost, że ceny NAND "wzrosły wystarczająco". W obliczu tej rywalizacji byków i niedźwiedzi raport finansowy Micron z 30 września stanie się kluczowym rozjemcą.
Ceny krypto
Więcej
