Η τεχνητή νοημοσύνη (ΑΙ) έχει μετατρέψει την υπολογιστική ισχύ στο πιο πολύτιμο αγαθό της τεχνολογικής βιομηχανίας και πλέον ακόμη και οι ίδιοι οι ερευνητές της Google δυσκολεύονται να αποκτήσουν πρόσβαση στους πόρους που χρειάζονται για να αναπτύξουν νέα μοντέλα AI.
Παρότι η Google θεωρείται μία από τις ισχυρότερες εταιρείες παγκοσμίως στον τομέα της AI, με δικά της εξειδικευμένα chips, τεράστια data centers και προηγμένες cloud υποδομές, η αυξανόμενη ζήτηση για ανάπτυξη μοντέλων τεχνητής νοημοσύνης έχει δημιουργήσει έναν πρωτοφανή εσωτερικό ανταγωνισμό για πρόσβαση στους διαθέσιμους υπολογιστικούς πόρους.
Σύμφωνα με αποκαλύψεις νυν και πρώην εργαζομένων, οι ερευνητές της Google DeepMind συχνά δυσκολεύονται να εξασφαλίσουν την απαραίτητη υπολογιστική ισχύ για νέα projects, καθώς η εταιρεία δίνει προτεραιότητα σε στρατηγικά προϊόντα όπως το Gemini, αλλά και σε εμπορικούς πελάτες του Google Cloud που αποφέρουν σημαντικά έσοδα.
Έντονος εσωτερικός ανταγωνισμός
Παρά το γεγονός ότι η Alphabet διαθέτει μία από τις ισχυρότερες υποδομές τεχνητής νοημοσύνης στον κόσμο, με δικά της chips, τεράστια cloud δίκτυα και συνεργασίες με εταιρείες όπως η Anthropic και η Meta, το πρόβλημα παραμένει και μεγαλώνει.
Χαρακτηριστική είναι η περίπτωση του Άντριου Ντάι, πρώην ερευνητή της Google DeepMind. Ο Ντάι ανακάλυψε ένα σημαντικό κενό στις δυνατότητες του Gemini όταν προσπάθησε να χρησιμοποιήσει το μοντέλο για να αναλύσει μια φωτογραφία από επιτραπέζιο παιχνίδι και να εντοπίσει ποιος κερδίζει. Το σύστημα απέτυχε, γεγονός που τον οδήγησε στην ιδέα ανάπτυξης μοντέλων AI με ισχυρότερη οπτική κατανόηση.
Ωστόσο, όπως ανέφερε ο ίδιος, συνειδητοποίησε γρήγορα ότι μέσα στη Google δεν θα μπορούσε να εξασφαλίσει την απαραίτητη υπολογιστική ισχύ για να προχωρήσει το project. Έτσι αποφάσισε να αποχωρήσει από την εταιρεία και να ιδρύσει τη δική του startup, την Elorian, η οποία ειδικεύεται στη λεγόμενη «οπτική συλλογιστική» της τεχνητής νοημοσύνης.
Το πρόβλημα δεν αφορά μόνο μεμονωμένους ερευνητές. Μέσα στη Google, διαφορετικά τμήματα ανταγωνίζονται μεταξύ τους για πρόσβαση στα TPU chips, τους ειδικούς επεξεργαστές που έχει αναπτύξει η εταιρεία για εφαρμογές AI. Το cloud division, η μηχανή αναζήτησης και η DeepMind διεκδικούν συνεχώς μεγαλύτερο μερίδιο υπολογιστικών πόρων.
Ο καθηγητής και βετεράνος της AI έρευνας Όρεν Ετζιόνι περιέγραψε την κατάσταση λέγοντας πως «κάθε TPU μέσα στη Google έχει τρεις διαφορετικούς διεκδικητές». Όπως εξήγησε, όταν ένα ερευνητικό project χωρίς άμεσο οικονομικό όφελος ανταγωνίζεται πελάτες που φέρνουν έσοδα στην εταιρεία, οι πιθανότητες να εγκριθεί η απαιτούμενη υπολογιστική ισχύς μειώνονται δραματικά.
Έχει εκτοξευτεί η ζήτηση για υπολογιστική ισχύ
Η ίδια η Google παραδέχεται ότι η ζήτηση για υπολογιστική ισχύ έχει εκτοξευθεί. Ο διευθύνων σύμβουλος της Alphabet, Σούνταρ Πιτσάι, δήλωσε πρόσφατα ότι η εταιρεία αντιμετωπίζει «περιορισμούς σε υπολογιστικούς πόρους βραχυπρόθεσμα», ενώ τόνισε ότι γίνονται τεράστιες επενδύσεις για επέκταση των υποδομών.
Η πίεση αυξήθηκε κατακόρυφα μετά την επιτυχία του ChatGPT το 2022, όταν η Google μπήκε δυναμικά στην κούρσα των μεγάλων γλωσσικών μοντέλων. Πλέον, η στρατηγική των κορυφαίων εταιρειών AI επικεντρώνεται στη δημιουργία ολοένα ισχυρότερων μοντέλων που μπορούν να γράφουν κώδικα, να αναλύουν δεδομένα και να ανταγωνίζονται τις ανθρώπινες δυνατότητες.
Αυτό όμως έχει αλλάξει και τη φιλοσοφία εργασίας μέσα στη Google. Παλιότερα, πολλοί ερευνητές θεωρούσαν την εταιρεία ένα περιβάλλον παρόμοιο με ακαδημαϊκό ίδρυμα, όπου μπορούσαν να ακολουθούν ελεύθερα τα ερευνητικά τους ενδιαφέροντα.
Σήμερα, όπως αναφέρουν πρώην στελέχη, οι περισσότεροι αναγκάζονται να προσαρμόζουν τα projects τους στις άμεσες προτεραιότητες της εταιρείας ώστε να εξασφαλίσουν πρόσβαση σε υπολογιστική ισχύ.
Κορυφαίοι ερευνητές αποχωρούν
Η κατάσταση αυτή έχει οδηγήσει αρκετούς κορυφαίους ερευνητές στην αποχώρηση και στη δημιουργία startups τεχνητής νοημοσύνης. Ο Ιωάννης Αντωνόγλου, πρώην ερευνητής της DeepMind που συμμετείχε στην ανάπτυξη του AlphaGo και αργότερα του Gemini, εγκατέλειψε τη Google για να ιδρύσει τη ReflectionAI. Όπως δήλωσε, πίστευε ότι η Google δεν επένδυε αρκετούς πόρους σε νέες τεχνικές reinforcement learning, που θεωρεί ότι αποτελούν το επόμενο μεγάλο βήμα στην AI.
Αντίστοιχα, η πρώην ερευνήτρια της DeepMind Άννα Γκόλντι αποκάλυψε ότι η Google προσπάθησε να την κρατήσει προσφέροντάς της περισσότερη υπολογιστική ισχύ, όταν ενημέρωσε την εταιρεία ότι σχεδίαζε να αποχωρήσει για να ιδρύσει τη Ricursive Intelligence. Παρ’ όλα αυτά, τελικά έφυγε, τονίζοντας πως ως ιδρύτρια startup έχει πλέον μεγαλύτερη ελευθερία λήψης αποφάσεων χωρίς να χρειάζεται εγκρίσεις από πολλαπλά επίπεδα διοίκησης.
Η εσωτερική «μάχη» για τα chips και τους servers αποκαλύπτει το πόσο κρίσιμη έχει γίνει η υπολογιστική ισχύς στη νέα εποχή της τεχνητής νοημοσύνης.
Όπως σημειώνουν αρκετοί ειδικοί, ο ανταγωνισμός στην AI δεν εξαρτάται πλέον μόνο από το ποιος διαθέτει τα καλύτερα μυαλά ή τους πιο έξυπνους αλγόριθμους, αλλά κυρίως από το ποιος μπορεί να εξασφαλίσει και να αξιοποιήσει αποτελεσματικότερα την τεράστια υπολογιστική δύναμη που απαιτούν τα σύγχρονα μοντέλα.
