AI raste prebrzo, ali možda je granica već prijeđena?

Razvoj umjetne inteligencije danas počiva samo hipotezi skaliranja. To je temeljni koncept rasta AI tvrtki. Ideja je jednostavna: što više podataka, procesorske snage i parametara uključimo u model koji razvijamo, to će on biti sposobniji i inteligentniji. I ne radi se to napamet, takav je pristup do sada pokazao impresivne rezultate. Svaka nova generacija velikih jezičnih modela, od GPT-3 do GPT-5, demonstrirala je vidljivo poboljšanje u razumijevanju jezika, kodiranju, prevođenju i logičkom zaključivanju. Na toj logici 'više znači bolje' izgrađena je i poslovna strategija vodećih AI kompanija, od OpenAI-ja i Anthropic-a do Google DeepMinda. One su u protekle tri godine uložile milijarde dolara u razvoj računalne infrastrukture, stvarajući potražnju koja je tvrtke poput Nvidije pretvorila u najvrednije tehnološke kompanije svijeta.

Neodrživo treniranje

Treniranje jednog naprednog modela već sada stoji između 50 i 100 milijuna eura, a računa se da modeli koji dolaze mogu prijeći granicu od 500 milijuna eura po ciklusu treniranja. Energetska potrošnja također eksplodira: prema podacima International Energy Agency, centri za umjetnu inteligenciju već danas troše više struje od cijele Belgije, a do 2026. mogli bi premašiti potrošnju električne energije u Nizozemskoj. Skeptici upozoravaju da hipoteza skaliranja ima svoj fizički i ekonomski kraj: jer nema beskonačne količine struje, ni silicija, a ni novca koji bi mogao podržati treniranje sve većih modela. Osim toga, količina dostupnih i kvalitetnih podataka postaje ograničavajući faktor. Internet je u osnovi već 'iskorišten“, a novi izvori podataka često su niže kvalitete ili zatvoreni pravima intelektualnog vlasništva.

Pitanje je i koliko dugo još hipoteza skaliranja može dizati vrijednosti na burzi. Procjene tržišta umjetne inteligencije trenutačno se kreću između 1,3 i dva bilijuna dolara, a samo bi izgradnja infrastrukture, čipova, podatkovnih centara i energetske mreže, trebala do 2030. premašiti tržište nafte po kapitalizaciji. Analitičari Goldman Sachsa procjenjuju da će ulaganja u AI infrastrukturu do 2027. dosegnuti 200 milijardi dolara godišnje, a čak 70 posto tog iznosa odnosi se na računalne kapacitete potrebne za treniranje sve većih modela. A ako se pokaže da povećanje računalne snage više ne donosi proporcionalan napredak u rezultatima, profitne margine vodećih AI kompanija počet će se smanjivati. Investitori zasad ne žele vjerovati u taj scenarij, no signali da se to već događa postoje. Naime, tržište čipova već pokazuje znakove zasićenja: cijene Nvidijinih GPU-ova stabilizirale su se prvi put nakon dvije godine rasta, a konkurenti poput AMD-a i Intela ubrzano spuštaju cijene kako bi uhvatili dio tržišta.

Unatoč tome, optimizam ne jenjava. U drugom tromjesečju ove godine AI sektor generirao je više od 80 posto prinosa S&P 500 indeksa, a tržišna kapitalizacija sedam najvećih tehnoloških tvrtki porasla je za više od tri bilijuna dolara. To je gotovo jednako BDP-u Francuske. No, taj rast u potpunosti ovisi o vjeri da će hipoteza skaliranja i dalje funkcionirati i da će veći modeli i dalje donositi bolje rezultate, brže prihode i veći tržišni udio.

Vrijedi li ta jednadžba?

Ako se pokaže da ta jednadžba više ne vrijedi, posljedice neće biti ograničene samo na tehnološki sektor. U opasnosti bi se mogli naći i energetski projekti koji su ovisni o rastu potražnje podatkovnih centara, kao i fondovi koji su se kladili na neprekinut rast vrijednosti tehnoloških dionica. U tom bi slučaju korekcija bila dublja i šira od one iz dot-com razdoblja, jer bi pogodila infrastrukturu u koju je već uloženo više od 1.000 milijardi dolara.

Zato je pravo pitanje ne hoće li umjetna inteligencija promijeniti gospodarstvo, jer to se već događa, već tko će imati dovoljno kapitala, energije i podataka da u tom procesu preživi. Ako hipoteza skaliranja počne pucati pod vlastitom težinom, neće stradati samo tehnološki entuzijasti, nego i čitav niz investicijskih strategija koje su burzu posljednje dvije godine držale u zelenom. U jednom će trenutku, smatraju skeptici, napredak umjetne inteligencije zahtijevati novu arhitekturu, a ne samo veće brojke. To bi mogao biti trenutak kada AI industrija napravi prijelaz s kvantitativnog na kvalitativni rast odnosno od masovnog procesiranja podataka prema stvarnom razumijevanju i modeliranju svijeta. Do tada će sukob između 'scalera' i 'skeptika' biti razlog za duboke rasprave tehnološkog i investicijskog sektora jer nije pitanje tko je u pravu, nego tko će si prvi moći priuštiti pogrešku.