Dirbtinio intelekto revoliucija išsikvepia vos tik prasidėjusi

Nors pastaruosius trejus metus apibūdino uždusę pažadai apie utopiją po darbo eros, kurioje algoritmai išsprendžia visus žmonių nepatogumus, šią infrastruktūrą iš tikrųjų kuriantys architektai pradeda rodyti į daug sudėtingesnę ir labiau apribotą realybę. Mes išleidome trilijonus dolerių vaikydamiesi svajonės apie nepavargstantį praktikantą, kuris gali mąstyti, programuoti ir kurti per kelias sekundes. Tačiau 2026 m. viduryje žmonės, laikantys brėžinius – didžiųjų laboratorijų vadovai ir inžinieriai, esantys silicio tiekimo grandinės širdyje – skelbia kolektyvinį pavojų.

Žvelgiant į bendrą vaizdą, begalinio, eksponentinio augimo naratyvas atsitrenkia į labai fizišką sieną. Paaiškėjo, kad pasaulinio intelekto sluoksnio kūrimas nėra tik sumani matematika; tai brutalus išteklių valdymo žaidimas, apimantis elektros tinklus, duomenų trūkumą ir šaltą, kietą pelno maržų logiką. Kitaip tariant, skaitmeninė žalia nafta, kurią naudojome pradiniam bumui skatinti, baigiasi, o pati mašinerija tampa per brangi išlaikyti vidutiniam vartotojui.

Energijos siena ir elektros tinklų krizė

Metų metus mes vertinome debesiją kaip nematomą, eterinę erdvę. Tikrovėje tai yra virtinė masyvių, dūzgiančių sandėlių, kuriems vis labiau reikia elektros energijos. Istoriškai technologijų įmonės galėjo plėsti savo paslaugas nesirūpindamos vietiniu elektros tinklu. Ta era baigėsi. Kaip neseniai pažymėjo vienas DI ekonomikos architektų, mus riboja nebe tai, kaip greitai galime rašyti kodą, o tai, kiek megavatų galime paimti iš tinklo nesukeldami regioninio elektros energijos tiekimo nutraukimo.

Žvelgiant giliau, naujos kartos modelio mokymui dabar reikia tiek energijos, kiek jos per metus suvartoja nedidelis Europos miestas. Vidutiniam vartotojui tai pasireiškia labai apčiuopiamai: jūsų mėgstami DI įrankiai tampa lėtesni arba labiau ribojami „piko valandomis“. Matome posūkį, kai technologijų milžinai yra priversti statyti savo nuosavus branduolinius reaktorius arba masyvius baterijų ūkius vien tam, kad palaikytų veiklą. Tai ne tik aplinkosaugos problema; tai sisteminė kliūtis, dėl kurios DI ekonomika tampa neįtikėtinai nepastovi. Kai galia tampa pagrindiniu apribojimu, kiekvieno mygtuko „generuoti“ paspaudimo kaina kyla.

Duomenų sausra ir skaitmeninis kraujomaiša

Yra antra, galbūt labiau egzistencinė problema: mums pritrūko aukštos kokybės žmonių kalbos, kuria galėtume maitinti mašinas. Pradinė generatyvinio DI sėkmė buvo pagrįsta dešimtmečius kauptų žmonių minčių rinkimu iš atviro interneto. Tačiau mes pasiekėme to šulinio dugną. Iš esmės DI perskaitė viską, ką mes kada nors parašėme, ir dabar jis yra priverstas skaityti savo paties produkciją.

Tai sukuria reiškinį, kurį tyrėjai vadina „modelio žlugimu“ arba, šnekamojoje kalboje, skaitmenine kraujomaiša. Kai DI mokosi iš kito DI sukurto turinio, žmogaus logikos niuansai pradeda nykti. Rezultatai tampa pasikartojantys, blankūs ir vis labiau linkę į klaidas. Vartotojo požiūriu, galbūt pastebėjote, kad DI sugeneruotos santraukos ar vaizdai pradeda atrodyti šiek tiek „vienodi“. Be šviežių, aukštos kokybės žmonių duomenų, spartus tobulėjimas, kurį matėme 2023 m. ir 2024 m., lėtėja iki plynaukštės. Mes pereiname iš perversmų eros į laipsnišką, ir dažnai brangų, šliaužimą.

Pelningumo paradoksas

Rinkos pusėje rizikos kapitalo pinigai, kurie subsidijavo mūsų pigias DI prenumeratas, pradeda džiūti. Investuotojai tolsta nuo principo „augimas bet kokia kaina“ ir reikalauja matyti faktines pajamas. Problema ta, kad šių modelių valdymas iš esmės skiriasi nuo tradicinio programinės įrangos verslo.

Senajame programinės įrangos pasaulyje, kai parašydavote programą, jos pardavimas milijoniniam klientui beveik nieko nekainavo. Su DI kiekviena sąveika reikalauja didelės skaičiavimo galios. Tai yra pramonės „Ir kas iš to?“ filtras: jei atsakyti į vartotojo klausimą kainuoja penkiasdešimt centų elektros ir techninės įrangos nusidėvėjimo sąnaudomis, o vartotojas moka tik dvidešimt dolerių per mėnesį už neribotus klausimus, matematika galiausiai sugriūva.

Kodėl „paskutinė mylia“ yra sunkiausia

Už žargono apie „atsirandančias savybes“ ir „neuroninių tinklų mastelio dėsnius“ slypi varginanti tiesa: DI vis dar stebėtinai prastai susidoroja su paskutiniais 5 % bet kurios užduoties. Jis gali parašyti padorų teisinio dokumento projektą, bet juo negalima pasitikėti jį pateikiant. Jis gali pasiūlyti medicininę diagnozę, bet negali atsižvelgti į fizinius paciento, sėdinčio kabinete, niuansus.

Tai žinoma kaip „paskutinės mylios“ problema. Mes sukūrėme nepavargstantį praktikantą, kuris puikiai generuoja idėjas, bet yra vidutiniškas jas įgyvendindamas. Kasdieniam vartotojui tai reiškia, kad svajonė apie visiškai autonominį asmeninį asistentą vis dar yra už metų, jei ne už dešimtmečių. Praktiškai matome atsitraukimą nuo „bendrojo intelekto“ link specializuotų, siaurų įrankių. Vietoj vieno DI, kuris daro viską, tikriausiai turėsite dvylika skirtingų DI prenumeratų – vieną mokesčiams, vieną šaldytuvui ir vieną automobiliui – ir nė viena iš jų nesusikalbės tarpusavyje. Šis decentralizuotas požiūris yra tvirtesnis ir labiau plečiamas, tačiau vartotojui jis yra daug labiau apkrautas.

Besikeičiantis techninės įrangos kraštovaizdis

Žvelgiant plačiau, techninė įranga, reikalinga šioms sistemoms valdyti, tampa geopolitiniu karštuoju tašku. Mikroschemos yra mūsų amžiaus skaitmeninė žalia nafta, o tiekimo grandinė yra neįtikėtinai trapi. Nors tokios įmonės kaip NVIDIA ir AMD padarė inžinerinius stebuklus, silicio fizinės ribos artėja. Mes kovojame dėl kiekvieno nanometro, o gamykloms, reikalingoms šioms mikroschemoms gaminti, pastatyti reikia metų ir šimtų milijardų dolerių.

Ši tarpusavio priklausomybė reiškia, kad vienas sutrikimas specializuotoje gamykloje kitoje pasaulio pusėje gali akimirksniu pabranginti jūsų skaitmeninį gyvenimą. Mes nebegyvename pasaulyje, kuriame technologijos kasmet pinga. Pirmą kartą per dešimtmečius aukščiausios klasės skaičiavimo kaina iš tikrųjų kyla. Štai kodėl galite pastebėti, kad jūsų kitas išmanusis telefonas ar nešiojamasis kompiuteris turi gerokai didesnę kainą be atitinkamo „standartinio“ našumo šuolio; jūs mokate „DI mokestį“ už viduje paslėptas specializuotas mikroschemas.

Ką tai reiškia jūsų kasdieniam gyvenimui

Taigi, kur mes einame toliau? DI ekonomikos architektai nesako, kad technologija yra nesėkmė; jie sako, kad ji bręsta. „Viskas, visur ir iškart“ laukinių vakarų erą keičia skaidresnis, nors ir brangesnis, pramoninis etapas.

Galiausiai vidutiniam vartotojui tai reiškia, kad laikas keisti požiūrį. Nustokite laukti, kol DI perims visą jūsų darbą, ir pradėkite į jį žiūrėti kaip į specializuotą įrankį konkrečioms, didelės trinties užduotims. Turėtumėte tikėtis pamatyti daugiau „naudojimu pagrįstos“ kainodaros – galvokite apie tai kaip apie vandens ar elektros sąskaitą jūsų smegenims. Mokėsite už tai, ką naudojate, o ne fiksuotą mėnesinį mokestį.

Keista, bet šis sulėtėjimas iš tikrųjų gali būti geras dalykas. Tai suteikia mūsų teisinėms sistemoms, mokykloms ir socialinėms struktūroms laiko pasivyti 2020-ųjų pradžios technologinį cunamį. Ratai nenukrenta dėl to, kad automobilis sugedęs; jie nukrenta, nes bandėme vairuoti „Formulės-1“ bolidą priemiesčio rajone 200 mylių per valandą greičiu. Atėjo laikas sulėtinti greitį, stabilizuoti variklį ir sugalvoti, kaip nutiesti kelią, kuris iš tikrųjų galėtų atlaikyti ateities svorį.

Šaltiniai:

• TechCrunch: Five Architects of the AI Economy Analysis (May 2026)
• International Energy Agency: Global Data Center Power Demand Report
• Semiconductor Industry Association: 2026 Capacity and Supply Chain Outlook
• Bureau of Labor Statistics: Impact of Automated Systems on Service Sector Pricing