Možete uložiti samo određenu količinu novca u problem. Ovo osećanje odražava se u nedavnoj anketi među istraživačima veštačke inteligencije (AI). Kada su upitani da li bi "proširenje" postojećih AI metoda moglo dovesti do razvoja veštačke opšte inteligencije (AGI)—tipa AI koji bi mogao da dostigne ili premaši ljudske kognitivne sposobnosti—neverovatnih 76 procenata ispitanika smatralo je da je to "malo verovatno" ili "vrlo malo verovatno". Anketa, koja je obuhvatila odgovore 475 istraživača AI i koju su sproveli naučnici iz Asocijacije za unapređenje veštačke inteligencije, objavljena je u novom izveštaju. Nalazi snažno dovode u pitanje omiljenu strategiju tehnološke industrije da postigne napredak u AI kroz povećanje hardvera za generativne modele i data centre koji ih podržavaju. S obzirom na to da je AGI proglašena krajnjim ciljem za developere AI, prevladavajuće mišljenje je da se proširenje smatra uglavnom neefikasnim pristupom. Stuart Russell, računarski naučnik sa UC Berkeley koji je bio uključen u organizaciju izveštaja, primetio je za NewScientist: “Ogromna ulaganja u proširenje, bez paralelnih napora da se razumeju osnovni mehanizmi, uvek su mi delovala promašeno. Pre otprilike godinu dana, svima je postalo jasno da su prednosti konvencionalnog proširenja dostigle plateau. ” Veliki finansijski resursi cirkulišu u trci za AI, pri čemu je ulaganje u generativnu AI premašilo 56 milijardi dolara u rizičnom kapitalu samo u 2024. godini, prema TechCrunch-u. Značajan deo ovih sredstava je namenjen izgradnji i održavanju velikih data centara neophodnih za generativne modele.

Značajno, Microsoft je obećao 80 milijardi dolara za infrastrukturu AI do 2025. godine. Ovaj porast troškova dolazi sa jednakim, zapanjujućim energetskim zahtevima. Microsoft je nedavno potpisao ugovor za aktiviranje celog nuklearnog električnog postrojenja kako bi obezbedio energiju za svoje data centre, dok su konkurenti poput Google-a i Amazon-a takođe uspostavili značajne partnerstva u oblasti nuklearne energije. Pretpostavka da bi proširenje moglo beskonačno poboljšati AI uvek je bila rizična. Nedavna izazov od kineskog startupa DeepSeek, koji je razvio AI model koji bi mogao parirati vodećim multimilionskim chatbotovima sa Zapada uz znatno niže troškove i potrošnju energije, to naznačava. Upozorenja na nadolazeća ograničenja su se ranije pojavila. U novembru su izveštaji ukazali da je OpenAI otkrio da najnovija verzija svog GPT modela velikog jezika pokazuje znatno manje poboljšanje, ili u nekim slučajevima, nikakvo poboljšanje u poređenju sa svojim prethodnicima. U decembru, izvršni direktor Google-a Sundar Pichai javno je izjavio da su laki napredi u AI "gotovi", ali je naglasio da nema razloga da se "samo nastavi sa proširivanjem". U svetlu toga, sada se istražuju efikasnije i isplativije strategije. OpenAI je usvojio metodu poznatu kao test-time compute sa svojim najnovijim modelima, koja omogućava AI da provede dodatno vreme "misleći" pre nego što odabere najbolje rešenje, što rezultira poboljšanjem koje bi inače zahtevalo opsežno proširivanje, prema rečima istraživača. Međutim, Arvind Narayanan, računar umnog naučnika sa Princeton univerziteta, upozorio je NewScientist da je ova metoda "neprikladna kao srebrna kugla". S druge strane, DeepSeek je inovirao pristup nazvan "mešavina stručnjaka", koristeći više specijalizovanih neuralnih mreža—svaka "stručnjak" u svom polju—da izvuče rešenja, umesto da se oslanja na jedan "generalista" model. Ipak, s obzirom na Microsoftovu kontinuiranu posvećenost da ulaže milijarde u data centre, čini se da će prisilno proširivanje ostati omiljena metoda za industrijske gigante, dok će agilan startupi tražiti inovativne načine da postignu veću efikasnost sa manje resursa. Više o AI: Kina najavljuje da sav AI-generisani materijal mora biti označen na mreži.