Meta Platforms Inc

Ֆոքս Բիզնես Րանցայի բացառիկ հարցազրույցի ընթացքում Գրեյդի Տրիմբլը հարցրեց նախկին նախագահ Դոնալդ Թրամփին AI-ի կողմից ստեղծված պատկերների մասին՝ Թեյլոր Սվիֆթի աջակցություն ցուցադրելու վերաբերյալ։ Տրիմբլը հարցրեց, թե արդյոք Թրամփը մտահոգված է Սվիֆթի կողմից հնարավոր դատական գործով։ Թրամփը պատասխանեց, որ ինքը չի ստեղծել պատկերները և ուրիշ մարդիկ են դրանք ստեղծել։ Նա նշեց, որ AI տեխնոլոգիան կարող է խնդիրներ ստեղծել և հիշատակեց իր սեփական փորձը AI-ի կողմից ստեղծված բովանդակության հետ, որը ընդգրկում է տարբեր ապրանքներ։ Հարցազրույցը հեռարձակում էր Ֆոքս Բիզնես Րանցայի The Evening Edit հաղորդաշարում։

Վերջին KFF առողջապահական ապատեղեկատվության հետևումների հարցումը բացահայտում է, որ թեև շատ մեծահասակներ կատարել են փոխազդեցություն արհեստական խելք (ԱԽ) հետ, կա անորոշություն դրա դերի վերաբերյալ ճշգրիտ առողջապահական տեղեկատվություն տրամադրելու գործում։ Որպեսզի ԱԽ կարող է օգտակար լինել ապատեղեկատվության դեմ պայքարում, այն նաև կարող է նպաստել կեղծ պնդումների տարածմանը։ Մեծահասակների մեծ մասը վստահ չէ ԱԽ չատբոտների տրամադրած իրական և կեղծ տեղեկատվությունը տարբերակելու կարողության մեջ։ Բացի այդ, չատբոտների կողմից տրամադրվող առողջապահական տեղեկատվության ճշգրտության նկատմամբ վստահությունը ցածր է համեմատած այլ գործնական խնդիրների։ Առցանց առողջապահական տեղեկատվություն որոնողների վրա ԱԽ ազդեցությունը շարունակում է մնալ անորոշ։ ԱԽ չատբոտների բարելավել ճշգրտության հարցերը լուծելուն նպատակ է նորարարությունները, որոնք հատուկ տրվում են տվյալներ շփոթությունները պարզելու և տեղեկատվությունը համատեղելով։ Այնուամենայնիվ, մարտահրավերներ գոյություն ունեն աղբյուրների ներկայացման և հանրային առողջապահական տեղեկատուների օգտագործման վերաբերյալ։ Ընդհանուր առմամբ, ԱԽ չատբոտները կարող են լինել առողջապահական տեղեկատվության համար հարմարավետ մեկնարկային կետ, սակայն դրանք անվրեպ չեն, և խորհուրդ է տրվում ստուգել տեղեկատվությունը մի քանի աղբյուրներից և տեղյակ լինել համակարգի փոփոխությունների մասին։

Արհեստական բանականությամբ (AI) ստեղծված քաղաքական բովանդակության պատմությունները, ինչպես թմրադեղերով հարբածների պայթյուն առաջացնելը, հաճախ ավարտվում են աղետով: WIRED-ը մշտադիտում է AI-ի օգտագործումը քաղաքական քարոզարշավում գլոբալ մակարդակով, որը արդեն հանգեցրել է նմանատիպ դեպքերների, ինչպիսիք են պոռնոգրաֆիկական դիփֆեյքները և ապատեղեկատվություն տարածող չատբոտները: ԱՄՆ Դաշնային Հաղորդակցությունների Հանձնաժողովը առաջարկել է պարտադիր բացահայտումներ հեռուստատեսային և ռադիո գովազդներում AI-ի օգտագործումը լուծելու համար: Այնուամենայնիվ, մտահոգությունների հետ մեկտեղ, որոշ ԱՄՆ քաղաքական քարոզարշավներ ընդունում են AI գործիքներ: Նման մի գործիք է BattlegroundAI-ը, ստարտափ, որը օգտագործում է գեներալացված AI արագ թվային գովազդային տեքստի ստեղծման համար առաջադիմական քարոզարշավների համար: Ընկերությունը իրեն ներկայացնում է որպես լրացուցիչ թիմի անդամ, որը օգնում է կառուցվածքային գովազդ ստեղծելու հարցում, օգտագործելով Facebook-ի և Google-ի պլատֆորմները: BattlegroundAI-ի ինտերֆեյսը թույլ է տալիս օգտվողներին ընտրել մի քանի լեզվական մոդելներից և հարմարեցնել տոնը և ստեղծագործության մակարդակը: Այն նաև ուղղորդում է օգտվողներին կոնկրետ լսարաններին թիրախավորելու և տարբեր խնդիրների համար հաղորդագրություններ կազմելու հարցում: Մինչև տարածումը գովազդային օրինակները չեն եղել տարածված, ընկերությունը շեշտում է, որ իր բովանդակությունը պահանջում է մարդու վերանայում և թույլտվություն: BattlegroundAI-ը պահպանվում է AI քաղաքական գովազդներում վերաբերվող կարգավորումները և բաց է օգտագործելու միայն հանրային կամ լիցենզավորված տվյալներ իր լեզվական մոդելների ուսուցման համար: Այդ ծառայությունը փորձում է օգնել ռեսուրսախեղդ քարոզարշավներին և նվազեցնել կրկնվող խնդիրները, թեև որոշ մարդիկ մտահոգված են էթիկայով և հանրային վստահության վրա ազդեցությամբ: Սակայն, այս խնդիրների հետ մեկտեղ, BattlegroundAI-ը մնում է կենտրոնացված իր օգտվողներին անմիջական օգնություն տրամադրելու վրա:

RBC Capital Markets-ի վերլուծաբանները այս շաբաթ ներկայացրել են վաղ գնահատական, որը առանձնապես դրական չէ։ Ուսումնասիրությունների հիշատակարանում նշված է, որ «GenAI-ի պատճառով, երկարաժամկետ ծրագրային ապահովման համախառն շահույթը կառուցվածքային մոնտաժ կլինի»։ RBC-ի համաձայն, փոփոխությունը տեղական ծրագրային ապահովումից, որտեղ ընկերությունները այն իրենց համակարգչի վրա էին վարում, դեպի ամպային տեխնոլոգիա, որերիս հետևանքով համախառն շահույթի մարժաներ իջան 90%-ից 75%։ Վերլուծաբանները ակնկալում են, որ ամպային հաշվարկից մինչև գեներատիվ արհեստական բնութագրիչի անցման դեպքում, ծրագրային ապահովման մարժաները կիջնեն մինչև 60%: Համախառն մարժան շահութաբերության պարզ չափիչ է, որը հաշվարկում է եկամուտը և անազատում գնումների արժեքը։ Ավանդաբար, ծրագրային ապահովման ոլորտում համախառն մարժաները hovered շուրջ 90%։ Հայվում է, որ այս բարձր շեմը է, թե ինչու այս ոլորտը հանճարային է ներդրողների համար և ինչու ծրագրային ապահովման ընկերությունները այսքան բարձր արժեքավորում են: Նոր ծրագրային ապահովման մշակումը պահանջում է մեծ նախնական ներդրումներ։ Այնուամենայնիվ, դրա ստեղծումից հետո նոր տարբերակների արտադրության և հաճախորդների համար դրանց տարածման արժեքը գրեթե զրոյական է։ Հետևաբար, ամեն անգամ, երբ վաճառվում է ծրագրային ապահովումը, շահույթն զգալիորեն բարձրանում է, և հենց դա է, ինչու տեխնոլոգիաների ներդրողները հղում են անում «մասշտաբում»: Ուրեմն, ինչու կարող է ծրագրային ապահովման բիզնեսը ավելի քիչ շահութաբեր դառնալ AI դարաշրջանում? RBC վերլուծաբանների համաձայն, GenAI-ով գրանցել նույն արդյունավետության մակարդակները շահույթի և կորուստների հաշվետվություններում կարող է դառնալ դժվար։ Գեներատիվ արհեստական բնութագրիչը թանկ է, և մշակում, և գործողություններով առաքման համար։ AI մոդելի ուսուցումը պահանջում է ձեռք բերել թանկ GPUs Nvidia-ից։ Այս AI չիպերը տեղադրվում են սերվերներում, որոնք պահանջում են հավելյալ սառեցում և ցանցային միացում մեծ տվյալների կենտրոններում։ Այս օբյեկտները օգտագործում են մեծ չափով էլեկտրաէներգիա, ինչը բերում է բարձր արժեքների և թանկթվ գործողությունների: Նաև, ամպատասված գների համար անհրաժեշտ տվյալների ձեռքբերման արժեքը չեն կարող անտեսվել։ Չնայած մեծ տեխնոլոգիական ընկերությունները և սկզբնաղեկները փորձում են նվազեցնել այդ ծախսերը, տվյալների հավաքատեսումը և մաքրումը շարունակում են մնալ էական ծախսեր։ Երբ AI մոդելները ուսանվում են, պետք է ներդրվեն։ Այս զրույցը, երբ մոդելները մշակում են նոր տվյալներ կամ հարցումներ, նույնպես պահանջում է տարեցվացում և նույնպես ունի ընթացիկ ծախսեր։ Հակադրվելով տեղական ծրագրային ապահովման բիզնեսին, որտեղ ամեն վաճառքից մոտ 100% շահույթ էր դուրս բերվում, GenAI-ով, ամեն անգամ AI հաճախորդն օգտագործում է ծառայությունը, մատակարարը հաշիվ է վերցնում բազմաթիվ ծախսեր։ Օրինակ, OpenAI հաջորդաբար $700,000 ծախսում է ChatGPT-ի գործողությունների համար, ինչպես հաշվարկել է ոլորտի վերլուծաբան Դեյլան Փաթելը նախորդ տարի։ Չնայած այս մարտահրավերներին, RBC վերլուծաբանները բոլորովին չէի պեսիմիստական։ Նրանք ակնկալում են, որ GenAI-ը նպատակակրամաստորեն կմեքենա շուկան այնքան, որ հաճախորդները զգալիորեն կհասցնեն իրենց ծախսերը նոր AI-ով հագեցած ծրագրային ապահովումների վրա, հնարավոր է կրկնապատկելով կամ նույնիսկ եռապատկելով անցիկ վերաբիզին։ Հաշվարկվող ծրագրային ապահովման շուկայի հետ հաշիվ ունենալով, հնարավոր է նաև ավելի շատ« շահույթ դոլարներ» հասանելի լինեն, նույնիսկ ավելի ցածր շահույթի մարժաներով։« Շահույթ դոլարներ» հղում են կատարում ընկերության արտադրած համապարփակ շահույթին և կարող են ծառայել որպես ֆինանսական հաջողության չափիչ։ Հաջորդաբար, հաշիվ նայենք հիպոթետիկ ընկերությանը, որի եկամուտն է եղել $100 միլիոն և 10% շահույթի մարժաներ, բերելով $10 միլիոն ընդհանուր շահույթ։ Եթե այս ընկերությունը բերում է՝քան $300 միլիոն եկամուտների ավելացում, սակայն տեսնում է մարժան կնվազել մինչև 8%, այդ եկամուտը դեռ $24 միլիոն կլինի՝ ավելի շատ շահույթ քան նախկին։ հետևաբար, RBC վերլուծաբանները ամփոփում են, որ իսկ GenAI- ը ակնկալվում է դիպչել մարժաներին, երկարաժամկետ համախառն շահույթի դոլարները կդառնան ավելի բարձր առաջադրական GenAI աշխարհում:

Ամբողջ աշխարհում տեխնոլոգիական ընկերությունները իրականացնում են աշխատատեղերի կրճատումներ՝ ավելի շատ ռեսուրսներ հատկացնելով արհեստական բանականության (ԱԲ) նախաձեռնություններին: 2022 թվականին հայտարարվել է ավելի քան 165,000 աշխատատեղերի կրճատման մասին, 2023 թվականին՝ 264,000, իսկ 2024 թվականին արդեն 410 տեխնոլոգիական ընկերությունների կողմից կրճատվել է ավելի քան 132,900 աշխատակից: Շատ ընկերությունները այս կրճատումները կապում են ԱԲ և մեքենայական ուսուցման ինտեգրման հետ իրենց բիզնեսի շրջանակներում: Cisco, Dell, Meta, Amazon և Intuit այն ընկերությունների շարքում են, որոնք կրճատում են աշխատատեղերը՝ ԱԲ-ում ներդրումներ կատարելու համար: ԱԲ-ի անցումը ազդեցություն է ունենում նաև խոշոր ընկերությունների վրա, ինչպիսիք են Google-ը և Microsoft-ը, թեև դա հստակ նշված չէ: Աշխատատեղերի կրճատումների պատճառները ներառում են համավարակի ընթացքում ավելորդ աշխատանքի ընդունում, տոկոսադրույքների բարձրացում և ԱԲ-ի ու ավտոմատացման աճող կիրառումը: Չնայած աշխատատեղերի կրճատումներին, կա ավելի լայն ուշադրություն աշխատանքի բարելավման վրա, որտեղ աշխատակիցներին ձեռնարկվում են ԱԲ գործիքներ՝ արտադրողականությունը բարձրացնելու նպատակով: Վերջինաբանի, ԱԲ-ից սպասվում է նոր աշխատանքի հնարավորությունների ստեղծում:

Ֆլորիդայի միջազգային համալսարանում (FIU) ուսանողներ Ռաֆայել Մորոնը և Լեքսի Մոդրոնոն գտան, որ արհեստական բանականության (ԱԲ) օգտագործման շուրջ քննարկումները և քաղաքականությունները սահմանափակ կամ բացակայող էին: Այնուամենայնիվ, նրանք հաճելիորեն զարմացան, երբ հնարավորություն ստացան ստեղծել իրենց սեփական ԱԲ-ի ուղեցույցները Ռետորիկական տեսության և կիրառման դասի համար: Նստված Մարտորանա, FIU-ի ասոցացված պրոֆեսոր, հավատում էր, որ խստորեն ԱԲ-ի օգտագործման քաղաքականություններ սահմանելու ջանքերը հակափետասական կլինեին և որոշեց ներգրավել իր ուսանողներին քաղաքականության մշակմանը: Ուսանողները փոքր խմբերում աշխատել և զարգացնել լավագույն պրակտիկաները և կիսել իրենց գաղափարները դասարանի հետ հետագա վերամշակման համար: Համաձայնություն կար, որ ԱԲ-ն չպետք է օգտագործվի գրագողության համար, բայց տարբեր կարծիքներ կային ԱԲ-ի դերի մասին մտածմունքների և կազմակերպման մեջ: Մշակված քաղաքականությունները կենտրոնանում էին ԱԲ-ի օգտագործման վրա դասերի ընթացքում և ակադեմիական աշխատանքներում դրա օգտագործման մեջբերումների վրա: Մարտորանան դա տեսավ որպես միջոց ուսանողներին պատրաստելու համար ապագա, որտեղ ԱԲ-ն դառնում է անբաժանելի մաս գրագրման և հաղորդակցության: Հանրային կրթության վերամշակման կենտրոնից Բրիաննա Դյուսեոլտը բարձր գնահատել է պրոֆեսորի մոտեցումը և նշել, որ ուսանողների մասնակցության ներգրավումն օգնում է սեփականության զգացումին և առաջխաղացնում ԱԲ-ի գրագիտությունը: Մարտորանան պլանավորում է շարունակել ուսանողներին ներգրավել ԱԲ-ի քաղաքականությունների մշակմանը ապագա դասերի ընթացքում՝ ճանաչելով ԱԲ-ի օգտագործման նկատմամբ դրական և արդյունավետ մոտեցում ձևավորելու կարևորությունը ակադեմիական շրջանակներում: