Билл Гейтс о скорости AI: барьеров больше нет, ограничивающий фактор — экономика
Билл Гейтс опубликовал эссе объемом около 6000 слов о переходе к эпохе AI. Наиболее содержательная его часть посвящена не возможностям моделей, а скорости их распространения. И объяснение этой скорости лежит в области инфраструктуры, а не архитектуры нейросетей.
Почему аналогии с прошлым вводят в заблуждение
Гейтс отдельно разбирает, почему аналогии с прошлыми технологическими сдвигами вводят в заблуждение. Персональный компьютер менял характер работы около двадцати лет, и причины задержки были материальными:
➡ требовалось написать прикладной софт;
➡ дождаться снижения цены железа;
➡ переучить людей;
➡ встроить новые инструменты в существующие процессы.
Каждый этап представлял собой отдельный барьер с собственным сроком.
Ни одного барьера не осталось
Сегодня ни одного из этих барьеров нет:
✅ модели работают на устройствах, которые уже куплены и стоят на столах;
✅ интерфейсом служит естественный язык — этап переобучения пользователя схлопывается почти до нуля.
Гейтс формулирует это точно: адаптируется не человек к технологии, а технология к человеку.
Более того, система способна учиться на тех же материалах, по которым вводят в должность нового сотрудника, и на данных, которые компания и так накопила.
Ограничивающий фактор — экономика
Отсюда следует практический вывод. Ограничивающим фактором внедрения перестает быть технология и становится экономика.
Гейтс описывает соответствующий контур:
▪️ первая компания в отрасли внедряет автоматизацию;
▪️ направляет экономию в снижение цены;
▪️ конкуренты оказываются под давлением и вынуждены повторить
если действующие игроки медлят, это делают новые.
Петля усиливающая, и тормозящих элементов внутри нее нет.
Что изменилось по сравнению с переходом от сельского хозяйства
Второй сдвиг касается предыдущего перехода из сельского хозяйства в офисную занятость. Он занял несколько поколений и создавал рабочие места, где требовалось человеческое мышление.
Текущая технология замещает само мышление, поэтому затрагивает не отдельный сектор, а сразу юриспруденцию, поддержку клиентов, медицину, разработку и производство. Горизонт, по оценке Гейтса, составляет десятилетие, а не поколения.
Первые количественные признаки
Гейтс ссылается на исследование Stanford Digital Economy Lab:
➡ После массового распространения генеративных моделей занятость заметно снизилась среди молодых работников на позициях, наиболее подверженных замещению.
➡ При этом среди их старших коллег изменений не зафиксировано.
Удар приходится на входные и средние роли, а новые позиции требуют навыков, на приобретение которых уходят годы.
Последний барьер — надежность, но он тоже исчезнет
Пока модель ошибается, в контуре обязателен человек, который проверяет результат, и это ограничивает выигрыш в стоимости.
Гейтс считает, что проблема решается быстро за счет систем, проверяющих собственную работу. В момент, когда качество станет практически безошибочным, проверяющее звено исчезнет не по технической причине, а по экономической: у компаний не останется оснований его оплачивать.
Робототехника: физические ограничения сохраняются
Отдельно стоит отметить оценку по робототехнике. Здесь физические ограничения пока сохраняются, но кривая стоимости идет вниз, а основная часть передовых разработок сосредоточена за пределами США, преимущественно в Китае.
Конкуренция роботов с людьми на отдельных физических задачах в строительстве и гостиничном секторе ожидается к концу десятилетия.
Общий вывод
Окно для подготовки измеряется не темпом выхода новых моделей, а темпом их проникновения в процессы, а он определяется отсутствием барьеров. Гейтс прямо констатирует, что плана входа в эту эпоху не существует ни у государств, ни у отраслей.
Вопрос, который стоит задать применительно к любой организации: сколько времени займет внедрение, если инфраструктурных препятствий действительно нет, и что в этом случае остается единственным реальным ограничением.
#радар_трендов
Билл Гейтс опубликовал эссе объемом около 6000 слов о переходе к эпохе AI. Наиболее содержательная его часть посвящена не возможностям моделей, а скорости их распространения. И объяснение этой скорости лежит в области инфраструктуры, а не архитектуры нейросетей.
Почему аналогии с прошлым вводят в заблуждение
Гейтс отдельно разбирает, почему аналогии с прошлыми технологическими сдвигами вводят в заблуждение. Персональный компьютер менял характер работы около двадцати лет, и причины задержки были материальными:
➡ требовалось написать прикладной софт;
➡ дождаться снижения цены железа;
➡ переучить людей;
➡ встроить новые инструменты в существующие процессы.
Каждый этап представлял собой отдельный барьер с собственным сроком.
Ни одного барьера не осталось
Сегодня ни одного из этих барьеров нет:
✅ модели работают на устройствах, которые уже куплены и стоят на столах;
✅ интерфейсом служит естественный язык — этап переобучения пользователя схлопывается почти до нуля.
Гейтс формулирует это точно: адаптируется не человек к технологии, а технология к человеку.
Более того, система способна учиться на тех же материалах, по которым вводят в должность нового сотрудника, и на данных, которые компания и так накопила.
Ограничивающий фактор — экономика
Отсюда следует практический вывод. Ограничивающим фактором внедрения перестает быть технология и становится экономика.
Гейтс описывает соответствующий контур:
▪️ первая компания в отрасли внедряет автоматизацию;
▪️ направляет экономию в снижение цены;
▪️ конкуренты оказываются под давлением и вынуждены повторить
если действующие игроки медлят, это делают новые.
Петля усиливающая, и тормозящих элементов внутри нее нет.
Что изменилось по сравнению с переходом от сельского хозяйства
Второй сдвиг касается предыдущего перехода из сельского хозяйства в офисную занятость. Он занял несколько поколений и создавал рабочие места, где требовалось человеческое мышление.
Текущая технология замещает само мышление, поэтому затрагивает не отдельный сектор, а сразу юриспруденцию, поддержку клиентов, медицину, разработку и производство. Горизонт, по оценке Гейтса, составляет десятилетие, а не поколения.
Первые количественные признаки
Гейтс ссылается на исследование Stanford Digital Economy Lab:
➡ После массового распространения генеративных моделей занятость заметно снизилась среди молодых работников на позициях, наиболее подверженных замещению.
➡ При этом среди их старших коллег изменений не зафиксировано.
Удар приходится на входные и средние роли, а новые позиции требуют навыков, на приобретение которых уходят годы.
Последний барьер — надежность, но он тоже исчезнет
Пока модель ошибается, в контуре обязателен человек, который проверяет результат, и это ограничивает выигрыш в стоимости.
Гейтс считает, что проблема решается быстро за счет систем, проверяющих собственную работу. В момент, когда качество станет практически безошибочным, проверяющее звено исчезнет не по технической причине, а по экономической: у компаний не останется оснований его оплачивать.
Робототехника: физические ограничения сохраняются
Отдельно стоит отметить оценку по робототехнике. Здесь физические ограничения пока сохраняются, но кривая стоимости идет вниз, а основная часть передовых разработок сосредоточена за пределами США, преимущественно в Китае.
Конкуренция роботов с людьми на отдельных физических задачах в строительстве и гостиничном секторе ожидается к концу десятилетия.
Общий вывод
Окно для подготовки измеряется не темпом выхода новых моделей, а темпом их проникновения в процессы, а он определяется отсутствием барьеров. Гейтс прямо констатирует, что плана входа в эту эпоху не существует ни у государств, ни у отраслей.
Вопрос, который стоит задать применительно к любой организации: сколько времени займет внедрение, если инфраструктурных препятствий действительно нет, и что в этом случае остается единственным реальным ограничением.
#радар_трендов