Hvis der i en plausibel fremtid bliver lavet en film om, "hvordan AI-boblen brast," vil Ed Zitron uden tvivl være en central skikkelse. Han passer perfekt til arketypen om den perfekte outsider: den excentriske enspænder, der så det hele komme, og råbte advarsler fra sidelinjen, som ingen lyttede til. Ligesom Christian Bale spillede Michael Burry, investoren der forudsagde finanskrakket i 2008 i **The Big Short**, kan man nemt forestille sig Robert Pattinson og Paul Mescal, for eksempel, kappes om at portrættere Zitron – den livlige, farverigt skarpe, men ihærdigt detaljeorienterede brite, der er blevet en af big techs mest højrøstede kritikere.
Dette er ikke for at sige, at AI-boblen nødvendigvis vil brister, men midt i en flodbølge af AI-optimisme har Zitrons direkte, frække skepsis gjort ham til en slags kultfigur. Hans tech-nyhedsbrev, **Where’s Your Ed At**, har nu over 80.000 abonnenter; hans ugentlige podcast, **Better Offline**, er konsekvent i Top 20 på tech-lister; han er en regelmæssig dissident i medierne; og hans subreddit er blevet et fristed for AI-skeptikere, inklusive dem inde i tech-branchen selv – én bruger beskriver ham som "et fyrtårn i en storm af vanvittigt hyperkapitalistisk vrøvl."
Zitron begyndte først at undersøge generativ AI i 2023, et år efter OpenAIs brancherystende lancering af ChatGPT. "Jo mere jeg kiggede, jo mere forvirret blev jeg," siger han. "Ikke alene var det tydeligt, at store sprogmodeller (LLM'er) ikke kunne gøre det, folk var begejstrede for, men de havde heller ingen vej til at opnå det. Intet jeg fandt, antydede, at dette var en rigtig forretning, endsige noget der angiveligt skulle ændre verden."
Han taler via videopkald fra sit kontor i Las Vegas, iført en rød hættetrøje, omgivet af indrammede popkultur-print og amerikanske sports-souvenirs. Og mand, hvor kan Zitron snakke. Som lyttere af **Better Offline** ved, er den 39-årige en enestående taler – dygtig til lange monologer, der præsenterer hans synspunkter i tilgængeligt, ofte frækt sprog, krydret med fakta, statistik, analogier og et godt mådeband. Hans London-accent understreger kun hans rolle som Silicon Valley-kontrarian – én der dropper sine T'er, når han siger "datacentres."
At forklare Zitrons tese om, hvorfor generativ AI er dømt til at fejle, er ikke simpelt: sidste år udfoldede han den i et essay på 19.000 ord. Men den kan opdeles i to sammenhængende dele: teknologiens faktiske effektivitet og AI-bommens finansielle arkitektur. I Zitrons øjne er begge grundlag vaklende.
For det første er der spørgsmålet om, hvorvidt generativ AI lever op til sine løfter. Over de seneste år har vi set eskalerede profetier om, at teknologien vil vende arbejdslivet på hovedet. For eksempel advarede Dario Amodei, CEO af Anthropic – OpenAIs nærmeste konkurrent – sidste maj om, at AI kunne eliminere halvdelen af alle entry-level kontorjob inden for fem år. "Den nuværende generation af AI-store sprogmodeller kommer ikke til at gøre det," konstaterer Zitron selvsikkert. "Mit bevis er, at de stort set er de samme som for et år siden. De har den samme effektivitet. Og alle forsøg på at lave dem om til noget, der faktisk kan udføre ting autonomt, er fejlet." Han argumenterer for, at LLM'er hallucinerer og giver forkerte svar, giver forskellige svar hver gang og ikke kan lære, skabe eller udføre mange komplekse opgaver i sand forstand. Han stiller endda spørgsmålstegn ved at kalde denne teknologi for "intelligens."
"Den er intelligent på samme måde som et par terninger er intelligente," siger han. "Store sprogmodeller er transformer-baserede arkitekturer, der bruger storskala sandsynlighed til at generere den næste token. De gør dette i stor skala, så man måske tænker, 'Åh, den finder på ting.' Nej, den har et stort datakorpus og så mange parametre..." Generativ AI fungerer ved at trække på eksisterende data for at producere output, ikke mere. Vi ville ikke betragte en Excel-formel som intelligent, så vi bør heller ikke betegne generativ AI som intelligent.
Mange er uenige i dette syn, især med hensyn til AI's indvirkning på job. På tværs af brancher som film, kundeservice, offentlig forvaltning og tech rapporterer fagfolk, at AI-værktøjer gør det muligt for dem at udføre de samme opgaver med færre mennesker. Selv hvis den ikke eliminerer halvdelen af alle job, er AI ved at forvandle arbejdspladsen. En undersøgelse fra sidste juni viste, at entry-level-stillinger i Storbritannien var faldet med næsten en tredjedel siden ChatGPTs lancering.
Zitron modargumenterer, at "korrelation ikke er kausalitet," og citerer rapporter, der stiller spørgsmålstegn ved eller nedtoner maskinlæringens rolle i jobtab. For eksempel fandt en ny MIT-rapport om "tilstanden for AI i erhvervslivet i 2025," at 95% af virksomheder, der forsøgte at integrere AI, så "nul afkast." Rapporten bemærkede, at de fleste generative AI-systemer ikke formår at bevare feedback, tilpasse sig kontekst eller forbedre sig over tid.
Dette fører til den anden del af Zitrons argument: økonomien i AI-boommen hænger ikke sammen. Investeringsniveauet, der strømmer ind i AI, er hidtil uset. De "Magistiske Syv" – Alphabet (Googles moderselskab), Amazon, Apple, Meta, Microsoft (som ejer 27% af OpenAI), Nvidia og Tesla – udgør nu 34% af S&P 500, et indeks der står for omkring halvdelen af det globale marked. Som den førende producent af GPU'er, de kraftige chips der er afgørende for AI, er Nvidia i bund og grund ved at "trykke penge," ifølge Zitron. Imens låner og bruger andre milliarder, de måske aldrig får igen.
Mens Silicon Valley-startups traditionelt har opereret med tab for at vinde markedsandele og profitere senere, er det nuværende gab mellem udbud og efterspørgsel alarmerende stort. At bygge AI kræver massiv investering: et typisk datacenter har brug for titusindvis af GPU'er, som hver koster over $50.000 (£37.000), plus software, netværk, store faciliteter og betydelige mængder elektricitet og vand. Den anslåede pris for 1GW AI-datacenterkapacitet er $35 milliarder (£26 milliarder). Følgelig kan kun dybtlommede "hyperscalere" som Google, Meta, Amazon, Microsoft og Oracle konkurrere på denne skala.
På efterspørgselssiden er udsigterne mindre klare og langt fra sikre. For eksempel planlægger OpenAI at bruge $1,4 billioner (£1 billion) på AI-infrastruktur over de næste fem år, men dens forventede omsætning for 2025 er kun omkring $20 milliarder (£15,8 milliarder). Zitron påpeger, at mange aftaler mellem AI-virksomheder i bund og grund involverer, at de betaler hinanden. Sidste september annoncerede Nvidia en investering på $100 milliarder i OpenAI, som igen vil bruge midlerne til at købe Nvidia-chips. Lignende aftaler er almindelige i branchen. Selv "neocloud"-virksomheder som CoreWeave, Lambda og Nebius, der bygger datacentre og lejer GPU-kapacitet ud, er stærkt afhængige af forretning fra kæmper som Google, Microsoft, Amazon og Nvidia. Zitron hævder, at uden disse hyperscalere ville den samlede AI-beregningsindtægt for 2025 være mindre end en milliard dollars.
Hvad angår rentabilitet, har ChatGPT nu anslået 800 millioner brugere, men de fleste betaler ikke. Selv for betalende abonnenter kan omkostningerne ved at forbinde en bruger til... For en AI-model som GPT kan omkostningerne for hver brugerinteraktion variere dramatisk. En bruger kan stille et simpelt spørgsmål, eller de kan spørge om noget, der får modellen til at generere et komplekst svar. Som Zitron påpeger, er der ingen stordriftsfordele her – hver forespørgsel kræver "compute," eller computerbehandling, på udbyderens regning. "Jo mere nogen er en powerbruger af disse platforme, jo mere vil de koste dig. Dette er næsten det modsatte af, hvordan Silicon Valley normalt fungerer." Og hvis svaret ikke er tilfredsstillende og skal laves om, hvilket sker ofte, "er det mere compute brændt af, uden at tjene dig ekstra penge." Mens AI-modeller konstant bliver billigere og mere avancerede, opnås dette kun ved at bruge endnu mere beregningskraft. "Det er som om benzinen bliver lidt billigere, men du skal køre 250 ekstra miles for at komme et sted hen. Så dette er virkelig problematisk – fordi det betyder, at der ikke er nogen rentabilitetsgrænse."
Et typisk datacenter kræver titusindvis af GPU'er.
Igen, intet af dette garanterer, at et stort AI-krak vil ske, men "hvis jeg tager fejl, ved jeg ikke, hvordan jeg tager fejl," siger han. "Hvert modargument jeg har læst til mit arbejde er mestendels bare ønsketænkning om, at 'AI'en vil blive bedre.'"
Mange har beskyldt Zitron for at have et horn i siden på big tech, men han benægter dette: "Jeg har et problem med dem, der ikke vil tale om virkeligheden." Han undgår bestemt ikke opmærksomhed, men det er ikke derfor, han kom ind i dette, forklarer han. "Jeg kan godt lide at skrive. Jeg kan godt lide at skille ting ad. Jeg kan godt lide at løse gåder. Jeg tror, jeg kan godt lide at være i stand til at forstå ting. Meget af dette er bare mig, der prøver at forklare det for mig selv, snarere end for et publikum." Han har ingen formel uddannelse i økonomi eller datalogi og har aldrig arbejdet i tech. "Jeg har stort set lært alt fra bunden."
Zitron har dog altid været draget af teknologi. Han siger, han har bygget 10 personlige computere i sit liv. Det startede, da hans far købte ham en PC med opkoblet internet, da han var 10. "Så jeg var online fra en ret tidlig alder. Jeg tænkte straks, 'Dette er fremtiden. Jeg tilbeder dette. Jeg elsker, at jeg kan tale med folk og spille med folk.' Jeg var et ret ensomt barn. Jeg havde ikke mange venner, men jeg fik mange venner online."
Vokset op i Hammersmith, vest-London, beskriver Zitron sine forældre som kærlige og støttende. Hans far var managementkonsulent; hans mor opdragede ham og hans tre ældre søskende. Men "ungdomsskolen var meget dårlig for mig, og det er så meget, som jeg vil gå ind på." Han har dyspraksi, en koordinationsforstyrrelse, og blev diagnosticeret med ADHD i 20'erne. "Jeg tror, jeg dumpede i alle sprog og alle naturvidenskaber, og jeg klarede mig ikke fantastisk i matematik," siger han. "Men jeg har altid været besat af detaljerne."
Efter at have studeret medier og kommunikation på Aberystwyth University, begyndte han at skrive for spilmagasiner, men "jeg nåede til et punkt, hvor jeg var ulykkelig i London." Så han flyttede til New York i 2008 og begyndte at arbejde i tech-PR. Han siger, han ikke kan forestille sig at vende tilbage til Storbritannien. Han diskuterer ikke sit privatliv ud over at nævne, at han har en søn, hvilket er grunden til, at han bor i Las Vegas. Han har ikke noget imod det: "Alle er underlige, så ingen er underlige." Det er blevet rapporteret, at han har været gift og skilt to gange.
Zitron fortsætter med at arbejde i tech-PR, hvilket synes at stride mod hans rolle som tech-kritiker – enten som at bide den hånd, der fodrer ham, eller en interessekonflikt. Han ser det ikke sådan. Han siger, han ikke har AI-klienter eller arbejder med big tech, og har kun få klienter nu. Arbejdet har givet ham et netværk af kontakter i branchen og har muligvis hjulpet ham med at markedsføre sig selv. I 2013 udgav han en bog kaldet **This Is How You Pitch: How To Kick Ass in Your First Years of PR**. Han arbejder dog muligvis ikke meget længere i PR. "Medie-delen af tingene udgør mere af min indkomst i disse dage, end jeg nogensinde havde forventet," siger han. Han skriver i øjeblikket på en ny bog, der udkommer næste år, med titlen **Why Everything Stopped Working**. "Det er en slags dyk ned i, hvordan verden blev, som den blev, og hvordan teknologi er alt nu," forklarer han og tilføjer, at kun ét kapitel handler om AI.
Hvis Zitron har en økse at slibe, er det mod neoliberal kapitalisme generelt. "Jeg tror ikke, folk har taget alvorligt nok, hvor slem dereguleringen af finansmarkederne af Thatcher og Reagan var. Jeg tror ikke, folk tager alvorligt nok, hvor slemt det var ikke at sætte folk i fængsel for den store finanskrise... Jeg tror ikke, folk har taget alvorligt truslen fra vækstfokuseret kapitalisme og vækst for enhver pris."
I stedet for at føre os til en utopisk fremtid, ser Zitron AI som den logiske konklusion af neoliberalisme. "Den største ting, vi har lært fra den store sprogmodel-generation, er hvor mange mennesker der er begejstrede for at erstatte mennesker, og hvor mange mennesker der bare ikke forstår arbejdskraft af nogen art," siger han.
Zitron er ikke længere helt så alene med sine synspunkter. Han står på linje med figurer som Cory Doctorow, der har været med i hans podcast, og hvis "enshittification"-tese ligeledes argumenterer for, at tech-virksomheder nu er mere drevet af profit end af at skabe nyttige produkter. Imens bemærker andre AI-skeptikere, som kognitionsforsker Gary Marcus, at de har fremført lignende argumenter som Zitron, men føler sig overset i hans fortælling. Uanset hvad, vokser modstanden mod AI:
