Εάν, σε ένα πιθανό μέλλον, γυριστεί μια ταινία για το «πώς έσκασε η φούσκα της Τεχνητής Νοημοσύνης», ο Ed Zitron θα είναι αναμφίβολα ένας κεντρικός χαρακτήρας. Ταιριάζει απόλυτα στο αρχέτυπο του τέλειου ξένου: ο εκκεντρικός μοναχικός που τα είδε όλα να έρχονται, φωνάζοντας προειδοποιήσεις από το περιθώριο που κανείς δεν άκουγε. Όπως ο Christian Bale ενσάρκωσε τον Michael Burry, τον επενδυτή που προέβλεψε τη χρηματοπιστωτική κρίση του 2008 στο **The Big Short**, μπορείς εύκολα να φανταστείς, για παράδειγμα, τον Robert Pattinson και τον Paul Mescal να ανταγωνίζονται για να υποδυθούν τον Zitron — τον ζωηρό, πολύχρωμα απότομο, αλλά επίμονα προσηλωμένο στις λεπτομέρειες Βρετανό που έχει γίνει ένας από τους πιο δυναμικούς επικριτές της μεγάλης τεχνολογίας.
Αυτό δεν σημαίνει ότι η φούσκα της ΤΝ θα σκάσει αναγκαστικά, αλλά μέσα σε ένα παλιρροϊκό κύμα ενθουσιασμού για την ΤΝ, ο ωμός, θρασύς σκεπτικισμός του Zitron τον έχει μετατρέψει σε κάτι σαν λατρευτική φιγούρα. Το ενημερωτικό δελτίο τεχνολογίας του, **Where’s Your Ed At**, περηφανεύεται πλέον πάνω από 80.000 συνδρομητές· το εβδομαδιαίο podcast του, **Better Offline**, βρίσκεται σταθερά στην κορυφή 20 στα τσαρτ τεχνολογίας· είναι μια τακτική αντίθετη φωνή στα μέσα ενημέρωσης· και το subreddit του έχει γίνει ένα ασφαλές καταφύγιο για τους σκεπτικιστές της ΤΝ, συμπεριλαμβανομένων και αυτών μέσα στην ίδια τη βιομηχανία τεχνολογίας — ένας χρήστης τον περιγράφει ως «ένα φάρο σε μια καταιγίδα τρελών υπερκαπιταλιστικών ανοησιών».
Ο Zitron άρχισε να εξετάζει τη δημιουργική ΤΝ το 2023, ένα χρόνο μετά την εκτόξευση της συγκλονιστικής για τη βιομηχανία ChatGPT της OpenAI. «Όσο περισσότερο κοίταζα, τόσο πιο μπερδεμένος γινόμουν», λέει. «Όχι μόνο τα μεγάλα γλωσσικά μοντέλα (LLMs) απέτυχαν ξεκάθαρα να κάνουν αυτό για το οποίο οι άνθρωποι ενθουσιάζονταν, αλλά επίσης δεν είχαν κανένα μονοπάτι για να το επιτύχουν. Τίποτα από όσα βρήκα δεν υποδείκνυε ότι αυτό ήταν μια πραγματική επιχείρηση, πόσο μάλλον κάτι που υποτίθεται ότι θα άλλαζε τον κόσμο».
Μιλάει μέσω τηλεδιάσκεψης από το γραφείο του στο Λας Βέγκας, φορώντας μια κόκκινη μπλούζα με κουκούλα, περιτριγυρισμένος από κορνιζαρισμένες εκτυπώσεις ποπ κουλτούρας και αμερικανικά αθλητικά αναμνηστικά. Και, φίλε μου, μπορεί ο Zitron να μιλάει. Όπως γνωρίζουν οι ακροατές του **Better Offline**, ο 39χρονος είναι ένας εκπληκτικός ομιλητής — ικανός σε εκτεταμένες μονολόγους, παρουσιάζοντας την άποψή του σε προσιτή, συχνά θρασύ γλώσσα, καρυκευμένη με γεγονότα, στατιστικά, αναλογίες και ένα καλό μερίδιο βωμολοχιών. Η λονδρέζικη προφορά του τονίζει ακόμη περισσότερο το ρόλο του ως αντισυμβατικού της Σίλικον Βάλεϊ — κάποιου που «τρώει» τα Τ του όταν λέει «datacentres».
Το να εξηγήσεις τη θέση του Zitron για το γιατί η δημιουργική ΤΝ είναι καταδικασμένη να αποτύχει δεν είναι απλό: πέρυσι, την παρουσίασε σε ένα δοκίμιο 19.000 λέξεων. Αλλά μπορεί να αναλυθεί σε δύο αλληλένδετα μέρη: την πραγματική αποτελεσματικότητα της τεχνολογίας και το χρηματοοικονομικό οικοδόμημα της έκρηξης της ΤΝ. Κατά την άποψη του Zitron, και οι δύο βάσεις είναι ευάλωτες.
Πρώτον, υπάρχει το ζήτημα του αν η δημιουργική ΤΝ εκπληρώνει τις υποσχέσεις της. Τα τελευταία χρόνια, έχουμε δει κλιμακούμενες προφητείες ότι η τεχνολογία αυτή θα ανατρέψει την εργασία όπως την ξέρουμε. Για παράδειγμα, ο Dario Amodei, CEO της Anthropic — του κοντινότερου ανταγωνιστή της OpenAI — προειδοποίησε τον περασμένο Μάιο ότι η ΤΝ θα μπορούσε να εξαλείψει τα μισά από όλες τις θέσεις εισόδου για λευχοκολάτους σε πέντε χρόνια. «Η τρέχουσα γενιά των μεγάλων γλωσσικών μοντέλων ΤΝ δεν θα το κάνει αυτό», δηλώνει με σιγουριά ο Zitron. «Τα στοιχεία μου είναι ότι είναι βασικά ίδια με πριν από ένα χρόνο. Έχουν την ίδια αποτελεσματικότητα. Και κάθε προσπάθεια να μετατραπούν σε κάτι που μπορεί πραγματικά να κάνει πράγματα αυτόνομα έχει αποτύχει». Υποστηρίζει ότι τα LLM παραισθάνονται και δίνουν λάθος απαντήσεις, δίνουν διαφορετικές απαντήσεις κάθε φορά, και δεν μπορούν πραγματικά να μάθουν, να δημιουργήσουν ή να εκτελέσουν πολλές πολύπλοκες εργασίες. Αμφισβητεί ακόμη και την ονομασία αυτής της τεχνολογίας ως «νοημοσύνη».
«Είναι έξυπνη με τον ίδιο τρόπο που είναι έξυπνα ένα ζευγάρι ζάρια», λέει. «Τα μεγάλα γλωσσικά μοντέλα είναι αρχιτεκτονικές βασισμένες σε μετασχηματιστές που χρησιμοποιούν μεγάλης κλίμακας πιθανότητες για να παράγουν το επόμενο κουπόνι. Το κάνουν αυτό σε μεγάλη κλίμακα, οπότε μπορεί να σκεφτείς, "Ω, βγάζει πράγματα". Όχι, έχει ένα μεγάλο σώμα δεδομένων και τόσες πολλές παραμέτρους...» Η δημιουργική ΤΝ λειτουργεί αντλώντας από υπάρχοντα δεδομένα για να παράγει αποτελέσματα, τίποτα περισσότερο. Δεν θα θεωρούσαμε έναν τύπο Excel έξυπνο, οπότε δεν θα πρέπει να χαρακτηρίζουμε και τη δημιουργική ΤΝ ως έξυπνη.
Πολλοί διαφωνούν με αυτή την άποψη, ιδιαίτερα όσον αφορά την επίδραση της ΤΝ στις θέσεις εργασίας. Σε βιομηχανίες όπως ο κινηματογράφος, η εξυπηρέτηση πελατών, η κυβέρνηση και η τεχνολογία, επαγγελματίες αναφέρουν ότι τα εργαλεία ΤΝ τους επιτρέπουν να ολοκληρώνουν τις ίδιες εργασίες με λιγότερους ανθρώπους. Ακόμα κι αν δεν εξαλείψει τα μισά από όλες τις θέσεις εργασίας, η ΤΝ είναι έτοιμη να μεταμορφώσει τον χώρο εργασίας. Μια έρευνα τον περασμένο Ιούνιο υποδείκνυε ότι οι θέσεις εισόδου στο Ηνωμένο Βασίλειο είχαν μειωθεί σχεδόν κατά το ένα τρίτο από την εκτόξευση του ChatGPT.
Ο Zitron αντιτείνει ότι «η συσχέτιση δεν ισούται με αιτιότητα», αναφέροντας αναφορές που αμφισβητούν ή υποβαθμίζουν το ρόλο της μηχανικής μάθησης στις απώλειες θέσεων εργασίας. Για παράδειγμα, μια πρόσφατη έκθεση του MIT για την «κατάσταση της ΤΝ στις επιχειρήσεις το 2025» διαπίστωσε ότι το 95% των εταιρειών που προσπάθησαν να ενσωματώσουν ΤΝ είδαν «μηδενική απόδοση». Η έκθεση σημείωνε ότι τα περισσότερα συστήματα δημιουργικής ΤΝ αποτυγχάνουν να διατηρήσουν ανατροφοδότηση, να προσαρμοστούν στο πλαίσιο ή να βελτιωθούν με το χρόνο.
Αυτό οδηγεί στο δεύτερο μέρος του επιχειρήματος του Zitron: τα οικονομικά της έκρηξης της ΤΝ δεν βγάζουν νόημα. Το επίπεδο επένδυσης που χύνεται στην ΤΝ είναι πρωτοφανές. Οι «Επτά Μεγαλοπρεπείς» — Alphabet (μητρική της Google), Amazon, Apple, Meta, Microsoft (που κατέχει το 27% της OpenAI), Nvidia και Tesla — αντιπροσωπεύουν πλέον το 34% του S&P 500, ενός δείκτη που αντιπροσωπεύει περίπου το μισό της παγκόσμιας αγοράς. Ως κορυφαίος παραγωγός GPUs, τα ισχυρά τσιπ απαραίτητα για την ΤΝ, η Nvidia ουσιαστικά «τυπώνει χρήματα», σύμφωνα με τον Zitron. Εν τω μεταξύ, άλλοι δανείζονται και ξοδεύουν δισεκατομμύρια που μπορεί να μην ανακτήσουν ποτέ.
Ενώ οι νεοφυείς επιχειρήσεις της Σίλικον Βάλεϊ παραδοσιακά λειτουργούσαν με ζημία για να κερδίσουν μερίδιο αγοράς και να βγάλουν κέρδη αργότερα, το τρέχον χάσμα μεταξύ προσφοράς και ζήτησης είναι ανησυχητικά μεγάλο. Η δημιουργία ΤΝ απαιτεί τεράστια επένδυση: ένα τυπικό κέντρο δεδομένων χρειάζεται δεκάδες χιλιάδες GPUs, καθένα κοστίζει πάνω από $50.000 (£37.000), συν λογισμικό, δίκτυα, μεγάλες εγκαταστάσεις και σημαντικές ποσότητες ηλεκτρικής ενέργειας και νερού. Το εκτιμώμενο κόστος για ικανότητα κέντρου δεδομένων ΤΝ 1GW είναι $35 δισεκατομμύρια (£26 δισεκατομμύρια). Κατά συνέπεια, μόνο οι «υπερ-κλιμακωτές» με βαθιές τσέπες όπως η Google, Meta, Amazon, Microsoft και Oracle μπορούν να ανταγωνιστούν σε αυτή την κλίμακα.
Από την πλευρά της ζήτησης, οι προοπτικές είναι λιγότερο ξεκάθαρες και σίγουρα όχι βέβαιες. Για παράδειγμα, η OpenAI σχεδιάζει να ξοδέψει $1,4 τρισεκατομμύρια (£1 τρισεκατομμύριο) σε υποδομή ΤΝ τα επόμενα πέντε χρόνια, ωστόσο τα προβλεπόμενα έσοδά της για το 2025 είναι μόνο περίπου $20 δισεκατομμύρια (£15,8 δισεκατομμύρια). Ο Zitron επισημαίνει ότι πολλές συμφωνίες μεταξύ εταιρειών ΤΝ περιλαμβάνουν ουσιαστικά πληρωμές μεταξύ τους. Τον περασμένο Σεπτέμβριο, η Nvidia ανακοίνωσε μια επένδυση $100 δισεκατομμυρίων στην OpenAI, η οποία με τη σειρά της θα χρησιμοποιήσει τα κεφάλαια για να αγοράσει τσιπ Nvidia. Παρόμοιες ρυθμίσεις είναι κοινές στη βιομηχανία. Ακόμα και εταιρείες «νεο-σύννεφου» όπως η CoreWeave, Lambda και Nebius, που χτίζουν κέντρα δεδομένων και νοικιάζουν χωρητικότητα GPU, βασίζονται σε μεγάλο βαθμό σε επιχειρήσεις από γίγαντες όπως η Google, Microsoft, Amazon και Nvidia. Ο Zitron ισχυρίζεται ότι χωρίς αυτούς τους υπερ-κλιμακωτές, τα συνολικά έσοδα υπολογιστικής ισχύος ΤΝ για το 2025 θα ήταν λιγότερα από ένα δισεκατομμύριο δολάρια.
Όσον αφορά την κερδοφορία, το ChatGPT έχει πλέον εκτιμώμενους 800 εκατομμύρια χρήστες, αλλά οι περισσότεροι δεν πληρώνουν. Ακόμα και για τους συνδρομητές που πληρώνουν, το κόστος σύνδεσης ενός χρήστη... Για ένα μοντέλο ΤΝ όπως το GPT, το κόστος κάθε αλληλεπίδρασης χρήστη μπορεί να ποικίλλει δραματικά. Ένας χρήστης μπορεί να κάνει μια απλή ερώτηση, ή μπορεί να ζητήσει κάτι που προτρέπει το μοντέλο να δημιουργήσει μια πολύπλοκη απάντηση. Όπως επισημαίνει ο Zitron, δεν υπάρχουν οικονομίες κλίμακας εδώ — κάθε ερώτηση απαιτεί «υπολογιστική ισχύ», ή επεξεργασία υπολογιστή, με δαπάνη του παρόχου. «Όσο περισσότερο κάποιος είναι ενεργός χρήστης αυτών των πλατφορμών, τόσο περισσότερο θα σου κοστίζει. Αυτό είναι σχεδόν το αντίθετο από το πώς λειτουργεί συνήθως η Σίλικον Βάλεϊ». Και αν η απάντηση δεν είναι ικανοποιητική και χρειάζεται επανεπεξεργασία,
