הבטחות גדולות, הפסדים גדולים יותר: האם ה-AI היא בועה שעומדת להתפוצץ?

האם נישאר בגימיקים כמו צ'טבוטים, קטעי קוד וסיכום תוכן. תמונה: dreamstime

מאת: דניאל זלדיס

בנובמבר 2022 לאחר השקת -3.5-ChatGPT, תעשיית הבינה המלאכותית פצחה במסע השקעות בהיקפים היסטוריים, מסע שטרם הסתיים. חברות הטכנולוגיה הגדולות שפכו מיליארדים על מודלים גדולים של שפה (LLMs) מתוך אמונה שזו הדרך היחידה קדימה. אך כעת, שלוש שנים אחר כך, מתגלים קרעים ראשונים בבגדי המלך החדשים.

כל עדכוני ה-IT, תשתית וטכנולוגיה בערוץ הטלגרם של ITtime

נראה כי למרות ההשקעות האדירות, ה-LLMs לא הצליחו לייצר יישום חיוני ורווחי באמת. במקום זאת, השימושים המרכזיים נותרו גימיקים כמו צ'טבוטים, קטעי קוד וסיכום תוכן – יישומים שאינם מצדיקים את העלויות העצומות של הפיתוח והתפעול שלהם. המקרים שבהם המודלים מציגים ערך אמיתי הם תמיד בהקשרים ממוקדים ומוגבלים, בתחומי ידע ספציפיים ולא בתפקיד הישות יודעת-כל שהבטיחו לנו.

החברות שורפות מזומנים, אבל עבור מה?

למרות אינספור הדגמות וקמפיינים תקשורתיים, תעשיית ה-AI עדיין לא הצליחה לספק את היישום המנצח שיצדיק את ההשקעה העצומה בפיתוח שלה. המודלים אמנם מסוגלים לנהל שיחות מרשימות, לכתוב מיילים ומסמכים, להפיק קטעי קוד ולבצע אופטימיזציה של תהליכים – אך טרם הוכיחו שהם מסוגלים לייצר ערך שיכול לתמוך במודל עסקי בר-קיימא.

ארגונים שאימצו את הטכנולוגיה מציגים תמונה מעורבת. בעוד שחלק מהחברות מצאו שימושים ספציפיים בעוזרי AI לתחומי שירות לקוחות, יצירת תוכן ויישומים בתחום הסייבר, רבות מהן גילו שהמודלים דורשים הנדסת פקודות מסיבית, פיקוח אנושי והתאמות שוטפות – מה שלעיתים מבטל את החיסכון הפוטנציאלי בעלויות.

גם המספרים מעידים על האתגר. חברות ה-AI המובילות שורפות מזומנים בקצב חסר תקדים. האימון וההפעלה של המודלים הללו מגיעים לעלויות אסטרונומיות ודורשות תשתיות מחשוב יקרות במיוחד.  האימון של גרסאות ה-LLM האחרונות כבר עולה יותר מ-100 מיליון דולר, והגרסאות העתידיות צפויות להיות יקרות אף יותר (ועוד לא דיברנו על כמות הנתונים הדרושה לאימון ועל כך שלא בטוח שהיא בכלל קיימת). זה יוצר בעיה עסקית בסיסית: החברות יהיו חייבות לגבות מחירים גבוהים שרוב המשתמשים לא מוכנים לשלם או לפעול בהפסד.

פריצת הדרך הסינית

ואז הגיע DeepSeek – שחקן קטן יחסית שקרא תיגר על תפיסת ה"גדול יותר הוא טוב יותר". הפריצה שלו לא נבעה מהגדלת כוח המחשוב, אלא משיפורים ארכיטקטוניים חדשניים ומתודולוגיות אימון יעילות יותר. החברה הסינית הוכיחה שמודל קטן ומתוכנן היטב יכול להשתוות, ואף לעלות על ביצועי מתחריו הגדולים – בעלות נמוכה בהרבה. בצורה פרדוקסלית, מי שהובילה לעלייתה של החברה הסינית היא ארה"ב – בהגבלותיה על ייצוא מעבדים לסין היא הכריחה אותם למצוא דרכים לעשות יותר עם פחות.

עבור ענקיות ה-AI מדובר במצב חמור מכך – DeepSeek חשפה שה"חפיר" שאמור היה להגן עליהן מתחרות אולי לא עמוק כפי שהן קיוו. להתפתחות הזו יש השלכות מרחיקות לכת לתעשייה, נתיב חלופי להתקדמות: גישות חכמות וממוקדות יותר לפיתוח מודלים, במקום ריצות אימון ענקיות ותשתיות יקרות יותר ויותר.

תמונה: pexels

העתיד המעשי של תעשיית ה-AI

העתיד הקרוב של LLMs כנראה לא נמצא בחזון הגרנדיוזי של אינטליגנציה כללית מלאכותית (AGI) ששלט בדיונים הראשונים, אלא ביישומים ממוקדים יותר בתחומים ספציפיים. בעתיד הקרוב סביר שנראה:

• מעבר למודלים קטנים ויעילים יותר. מודלים ממוקדים המותאמים למשימות ספציפיות יהפכו לנפוצים יותר, וזו מגמה שכבר מתרחשת בהצלחה.
• במקום התמקדות בביצועים גולמיים בלבד, הדגש יהיה על הבנה טובה יותר של החלטות המודל והבטחת אמינותו.
• שילוב של LLMs כרכיבים בתוך מערכות רחבות יותר. במקום פתרונות עצמאיים, המודלים ישמשו כרכיבים בתוך מערכות מורכבות, תהליך שכבר מתחיל לקרום עור וגידים.
• מודלי תמחור ריאליים יותר המבוססים על הערך בפועל שהם מספקים – מה שייאלץ ספקים שמסתמכים עליהם לבצע הערכת כדאיות כלכלית מחודשת.
• מנקודת מבט של אבטחת סייבר, הדור הנוכחי של LLMs מביא סיכונים משמעותיים שיש לטפל בהם לפני אימוץ מסיבי בארגונים. סוגיות כמו פרטיות נתונים, מתקפות הזרקת פקודות והאפשרות ליצירת מידע שגוי עדיין מהווים מקור לדאגה. פריצת מודלים (Jailbreaking) הפכה לספורט פופולרי (ומוצלח מדי) ועדיין אין לנו מתודולוגיה הגנתית אפקטיבית, על אף המאמצים הרבים בתחום.

ככל שהתעשייה מתקדמת מעבר למחזור ההייפ הראשוני, אנו נכנסים לתקופה של התכנסות והכרה במציאות. החברות שישרדו יהיו אלו שימצאו מודלים עסקיים ברי-קיימא שמבוססים על פתרון בעיות אמיתיות, ולא אלו שימשיכו לרדוף אחרי חלום האינטליגנציה הכללית המלאכותית בכל מחיר.

הלקח ברור: הדרך קדימה היא לעבוד חכם יותר, לא קשה יותר. עידן המימון הבלתי מוגבל והצריכה הבלתי מבוקרת של משאבים מגיע לקצו , וזה בהחלט הזמן לכך.

הכותב הוא מנהל שירותי סייבר, CyberproAI