Pekin merkezli yapay zekâ şirketi Zhipu’nun açık kaynaklı Genel Dil Modelini (GLM) yayımlamasının ardından, modelin Anthropic’in Claude’u ve OpenAI’nin ChatGPT’siyle rekabet etmeye başlaması, tanıdık bir soruyu yeniden gündeme getirdi: Yeni türden bir zekâ mı izliyoruz, yoksa çok eski bir hikâye mi? ABD ve Avrupa merkezli teknoloji şirketleri için bu tablo rahatsız edici. Bu firmaların borsa değerlemeleri kıtlık varsayımına dayanıyor; yetkin modellerin nadir, pahalı ve onları geliştiren elinde olması onlara finansal avantaj sağlıyor.
Kısa sürede ucuz ve bol mal haline gelen bu teknolojinin hikâyesi, güneş panelleri ve elektrikli araçlarda da tekrarlandı. Batılı mucitler kendi icatlarını çoğu zaman yeterince kâr elde edemeden kaybettiler. Şimdi aynı senaryonun yapay zekâ alanında yeniden gerçekleşip gerçekleşmeyeceği tartışılıyor.
Kasıtlı zarar: Tanıdık bir manzara
Çin’in stratejisi yabancı değil; benzeri iki kez izlendi. Her iki durumda da bilim Batılıydı, fiyatlandırma ise özel yatırımcının seçmeyeceği bir yöntemle fethedildi: Devlet bankaları bölge parti komitelerinin kurmak istediği fabrikaları finanse etti ve bu fabrikalar maliyetin altında satarak rekabet etti. Finans dünyasında buna negatif mevcut değer stratejisi deniyor; geri dönmeyi beklediğinizden daha fazla para akıtır.
Bunu neden anyone yapar? Çünkü karar verenler her zaman kâr etmeye çalışmaz. Andrei Shleifer ve Robert Vishny, bir şirketi hissedarlar yerine politikacıların yönettiğinde bunun siyasi amaçlara (istihdam, prestij, stratejik üstünlük) hizmet ettiğini gösterdi.
“Özel bir laboratuvar ya getiriyi elde eder ya da yok olur; devlet destekli bir şampiyon ise yalnızca kendisine verilen görevi yerine getirmesi yeterlidir. İkisi karşılaştığında, zararlara kayıtsız olan oyuncu fiyatı belirler.”
[Metin]
Sonuç bolluk oluyor: Rakip benzer modeller biçiminde bol arz, daha esnek kullanım politikaları biçiminde düşük fiyatlar ve yenileyenin kâr marjlarını baskılayan kalıcı bir üstünlük yok. İki büyük AI şirketi (Anthropic ve OpenAI) şu anda negatif olan faaliyet kârlarının yakın gelecekte belirgin şekilde artacağına dayalı bir halka arz (IPO) hazırlığı içinde; bu da ciddi bir meydan okuma.
Ucuzluk, benimsenmeyi belirleyen faktör
Ucuzluk aynı zamanda teknolojinin benimsenipIMSemeniğini de etkileyen bir unsur. ABD laboratuvarları elit endekslerde (GLUE veya MMLU gibi modellerin sıralandığı standart testler) önderliği koruyabilir, ancak bu puanlar hangi sistemin dünyanın yazılımlarına yerleşeceğini belirlemez. Bunu fiyat belirler.
“Yalnızca yeterli derecede iyi ve çok ucuz bir model, diğerlerinin üzerine inşa edildiği varsayılan haline gelir; ve ürünler bunun etrafında şekillenikten sonra bu varsayLAN’ı yerinden etmek zordur.”
Benzer mi, yoksa farklı mı?
Bu benzetme dikkatle incelenmeyi hak ediyor. Güneş panelleri ve elektrikli araçlardaki yenilikler mütevazı bir biçimde gelişiyor; daha iyi hücre kimyasına veya daha yoğun bataryaya sahip yeni ürünler maliyet etkinliği gibi diğer niteliklere göre rekabet ediyor.
Özellikle bu teknolojik icatların evrimi, elektronik mühendisi Gordon Moore’un 1965’teki gözlemini (Moore yasası) takip ediyor: Bir çipteki transistör sayısının yaklaşık iki yılda bir ikiye katlandığı ve böylece hesaplama gücünün birim maliyetler düştükçe arttığı görüşü.
Güneş panelleri veya elektrikli araçlar gibi diğer teknolojiler de benzer eğrileri, farklı hızlarda izliyor; artan yenilik keskin rekabeti ve kaybolan marjları getiriyor. Bu tür bir egrinin üzerinde yol alan her şey metrukat mal haline geliyor: O kadar bol ve birbirinin yerine geçebilir ki, kimse için fazla bir şey talep edemez.
Peki AI aynı eğriyi sürüyor mu?
Yapay zekânın arkasındaki modeller beyinden gevşek biçimde esinleniyor; ağ kullanışlı çıktı üretilene kadar ayarlanan bağlantıların katmanları. Ancak belirleyici bir fark var: Bir AI modeli yalnızca eğitim sırasında, yani bir kez öğrenir ve sonrasında öğrendiklerini uygular. Beyniniz her sohbette kendini yeniden bağlar; bugünün AI’ı böyle yapmaz.
Algoritmik ticaret veya geri dönüşüm destekli üretim (retrieval-augmented-generation) ile buna yaklaşabilir; bir model gelen veriye göre davranışını ayarlar, ancak onu daha zekâ yapmak için yeniden, daha fazla veriyle, daha çok çiple ve daha çok elektrik enerjisiyle eğitmeniz gerekir. Sonuçta daha fazla kaynak gerekli.
Bu nedenle eğitimli bir AI modeli kapalı bir sistemdir; yetenekleri eğitim bittiği an belirlenir. Bildiklerini yeniden birleştirerek bizi şaşırtabilir, ancak mevcut performans düzeyini daha fazla veriyle rebuild edilmeden veya yeniden eğitilmeden aşamaz.
“Kapalı bir sistem kuralların bir kümesidir ve böylece kendisini içeriden kanıtlayamaz. Mevcut teknoloji durumunda bir AI modeli aynı biçimde sınırlıdır; mevcut kaynaklarını kullanarak bilişsel yeteneklerini genişletemez. Bunu yapmak için yeni kaynaklara (eğitim, enerji, hesaplama) ihtiyaç duyar ve dolayısıyla Moore yasasına veya güneş panelleri ve elektrikli araçlardaki eğrilere benzer bir çürüme egrisine tabidir.”
[Metin]
Peki AI bu eğriden sapabilir mi?
Eğer AI modelleri evrimci doğaya sahip olursa (insan beyni gibi yeni bilgiyi işlerken öğrenerek), hikâye değişir: Böyle bir sistem avantajını kaynak için rekabet etmek yerine biriktirir. Sürekli evrim, önem taşılan frontier’dir çünkü AI modellerinin rekabet üstünlüğü daha ucuz olandan değil, daha iyi veya daha hızlı öğrenen olana dayanır.
Neden önemli
Finansal açıdan konuşursak, AI modellerinin evrimi kesikli biçimde kalırsa, rekabet üstünlüğü kaçınılmaz olarak aşınır. Zarar satmaya hazır bir (devlet) şampiyonu, “yeterince iyi” zekânın fiyatını üretim maliyetine yaklaştırabilir ve marjlar güneş hücrelerinde olduğu gibi düşer.
Sorun hem rahatsız edici hem de rahatlatıcı: Kalıcı getiriler başka bir birbirinin yerine geçebilir modeli sahip olmaktan değil, üzerine inşa edilen şeyden gelecek; ürünler, iş akışları ve rakiplerin kopyalayamayacağı dağıtım. Zekâ ucuzladıkça değer, kıta kalmaya devam eden şeye kayar.
Çin burada önderlik ediyor: Otomatik drone teslimatları (Meituan), sürücüsüz takılar (Baidu) veya teslimat robotları (Alibaba) değerin verimli AI kullanımından ve modelin ne kadar “zekâ” olduğundan değil kaynaklandığını gösteriyor.
Bu yarış yeniden çerçeveleniyor
Sektörün içgüdüsü, marjinal kazanımlar için giderek daha fazla enerji yakan giderek daha büyük AI modelleri inşa etmek; ancak saf kapasite, bulluğun ucuzlaştırdığı şeydir. İlginç ödül, çalışırken öğrenen modellere ait çünkü rakip hareket eden bir hedefi indiremez.
Peki AI metrukat mal olabilir mi?
Günümüz mimarisinde, büyük olasılıyla evet – ve GLM anı bu uyarı işaretidir. Bolluğun önünde kalmayı sürdürmenin tek yolu makineyi değiştirmektir: Daha akıllı, statik bir model yerine büyüyen zekâ inşa etmek.
Buna kadar akıllı para güneş panellerinin örneğini izleyebilir: İyi panellerin inşasını finanse etmek yerine, parayı onların kullanımının gerçek ekonomiye nasıl fayda sağlayacağına (enerji bağımsızlığı, emisyon azaltımı) yönlendirmek. Benzer biçimde, ucuzlayabilecek daha akıllı modeller için itmek yerine, kârlar onları kullanan akıllı uygulamalardan ortaya çıkacak; trafiğin kontrolü, tıp taraması, enerji şebekesi yönetimi veya sosyal fayda yaratabilecek her şey gibi.
