Η τεχνητή νοημοσύνη εισέρχεται σε μια νέα και πολύ πιο σύνθετη φάση. Μέχρι πρόσφατα, το βασικό ερώτημα ήταν ποια εταιρεία θα δημιουργήσει το πιο ισχυρό μοντέλο. Σήμερα, το επίκεντρο μετακινείται αλλού: ποιος έχει το δικαίωμα να χρησιμοποιεί την απόδοση ενός προηγμένου μοντέλου για να εκπαιδεύσει ένα άλλο.
Η συζήτηση γύρω από το λεγόμενο distillation, δηλαδή τη διαδικασία κατά την οποία ένα μικρότερο ή φθηνότερο μοντέλο εκπαιδεύεται αξιοποιώντας τις απαντήσεις ενός ισχυρότερου μοντέλου, έχει μετατραπεί σε ένα από τα πιο κρίσιμα ζητήματα της παγκόσμιας κούρσας της AI. Η αφορμή ήταν η ταχεία άνοδος του κινεζικού Moonshot AI και του μοντέλου Kimi K3, το οποίο εμφανίστηκε ιδιαίτερα ανταγωνιστικό απέναντι σε κορυφαία αμερικανικά συστήματα.
Το θέμα όμως ξεπερνά κατά πολύ μία κινεζική startup.
Αγγίζει την ίδια τη δομή της αγοράς τεχνητής νοημοσύνης.
Τι πραγματικά σημαίνει το distillation
Η βασική ιδέα είναι σχετικά απλή.
Μια εταιρεία μπορεί να χρησιμοποιήσει τις απαντήσεις ενός πολύ εξελιγμένου μοντέλου για να εκπαιδεύσει ένα άλλο, μικρότερο και φθηνότερο σύστημα. Με τον τρόπο αυτό, το δεύτερο μοντέλο μπορεί να αποκτήσει ένα μέρος των δυνατοτήτων του πρώτου χωρίς να απαιτείται η ίδια τεράστια επένδυση σε υπολογιστική ισχύ, δεδομένα και εκπαίδευση.
Από τεχνολογική σκοπιά, πρόκειται για εξαιρετικά πολύτιμη τεχνική.
Από επιχειρηματική σκοπιά, όμως, δημιουργεί ένα τεράστιο πρόβλημα.
Οι εταιρείες που έχουν επενδύσει δισεκατομμύρια δολάρια για να δημιουργήσουν frontier models κινδυνεύουν να δουν ανταγωνιστές να αξιοποιούν τα αποτελέσματά τους ως «εκπαιδευτικό υλικό» για να δημιουργούν φθηνότερες εναλλακτικές.
Εδώ ξεκινά η σύγκρουση.
Η Κίνα αλλάζει τα οικονομικά της AI
Η άνοδος των κινεζικών open-weight μοντέλων δημιουργεί μια νέα πραγματικότητα.
Σε αντίθεση με τις αμερικανικές εταιρείες που βασίζονται σε κλειστά, ιδιόκτητα συστήματα και εμπορική πρόσβαση μέσω API, πολλά κινεζικά εργαστήρια προσφέρουν μοντέλα που μπορούν να κατέβουν, να τροποποιηθούν και να λειτουργήσουν τοπικά.
Αυτό αλλάζει δραστικά το κόστος.
Για πολλές επιχειρήσεις, το δίλημμα είναι πλέον απλό: γιατί να πληρώνουν συνεχώς για πρόσβαση σε ακριβό αμερικανικό μοντέλο όταν μπορούν να φιλοξενήσουν ένα ανταγωνιστικό open-weight σύστημα στις δικές τους υποδομές;
Η απάντηση εξαρτάται από την ποιότητα, την ασφάλεια, το ρυθμιστικό περιβάλλον και την αξιοπιστία.
Αλλά η πίεση στις τιμές είναι ήδη εμφανής.
Η Ουάσιγκτον βλέπει θέμα εθνικής ασφάλειας
Η αμερικανική κυβέρνηση αντιμετωπίζει το distillation με αυξανόμενη ανησυχία.
Ορισμένοι αξιωματούχοι θεωρούν ότι κινεζικές εταιρείες χρησιμοποιούν την τεχνική για να «κλείσουν» πολύ γρήγορα το τεχνολογικό χάσμα με τις Ηνωμένες Πολιτείες, αξιοποιώντας συστήματα στα οποία αμερικανικές εταιρείες έχουν επενδύσει τεράστια κεφάλαια.
Η Anthropic έχει ήδη υποστηρίξει ότι κινεζικές εταιρείες πραγματοποίησαν distillation των μοντέλων της σε μεγάλη κλίμακα, χρησιμοποιώντας χιλιάδες ψεύτικους λογαριασμούς και εκατομμύρια αλληλεπιδράσεις.
Το επιχείρημα είναι σαφές: εάν μια ξένη εταιρεία μπορεί να αντιγράψει μεγάλο μέρος της λειτουργικής γνώσης ενός αμερικανικού μοντέλου, τότε η επένδυση της αμερικανικής εταιρείας υπονομεύεται.
Αλλά το νομικό και ηθικό ζήτημα είναι πολύ πιο περίπλοκο.
Το παράδοξο της πνευματικής ιδιοκτησίας
Εδώ εμφανίζεται ίσως η μεγαλύτερη αντίφαση της σημερινής βιομηχανίας AI.
Εταιρείες όπως η OpenAI και η Anthropic υποστηρίζουν ότι η μη εξουσιοδοτημένη χρήση των outputs τους για εκπαίδευση άλλων μοντέλων μπορεί να συνιστά μορφή κλοπής πνευματικής ιδιοκτησίας.
Όμως οι ίδιες εταιρείες έχουν κατηγορηθεί επανειλημμένα ότι εκπαίδευσαν τα μοντέλα τους πάνω σε τεράστιες ποσότητες δεδομένων τρίτων χωρίς ρητή άδεια.
Η σύγκρουση είναι προφανής.
Όταν τα δεδομένα προέρχονται από συγγραφείς, δημιουργούς ή ιστοσελίδες, η βιομηχανία AI συχνά υπερασπίζεται την ανάγκη ευρείας πρόσβασης στη γνώση.
Όταν όμως τα outputs των μοντέλων της χρησιμοποιούνται από ανταγωνιστές, τότε η ίδια βιομηχανία ζητά αυστηρότερη προστασία.
Αυτό το νομικό κενό θα γίνει μία από τις μεγαλύτερες μάχες της επόμενης δεκαετίας.
Γιατί οι τεχνολογικοί κολοσσοί αντιδρούν
Η συζήτηση έχει ήδη προκαλέσει αντιδράσεις από Nvidia, Microsoft, Meta, Palantir και άλλες μεγάλες εταιρείες, οι οποίες προειδοποιούν τις κυβερνήσεις να μην επιβάλουν πρόωρους περιορισμούς στα open-weight μοντέλα.
Ο λόγος είναι απλός.
Η υπερβολική ρύθμιση μπορεί να προστατεύσει τις σημερινές ηγετικές εταιρείες, αλλά ταυτόχρονα να περιορίσει τον ανταγωνισμό και την καινοτομία.
Η τεχνολογική ιστορία δείχνει ότι οι ανοιχτές πλατφόρμες συχνά επιταχύνουν την πρόοδο.
Το ίδιο μπορεί να συμβεί και στην τεχνητή νοημοσύνη.
Η πραγματική μάχη είναι οικονομική
Πίσω από τη συζήτηση για την πνευματική ιδιοκτησία βρίσκεται μια ακόμη μεγαλύτερη σύγκρουση: ποιος θα ελέγξει τα οικονομικά της AI.
Η ανάπτυξη frontier models κοστίζει πλέον δισεκατομμύρια.
Η λειτουργία τους απαιτεί τεράστια data centers, GPUs και ενεργειακή κατανάλωση.
Αν όμως το distillation επιτρέπει σε μικρότερες εταιρείες να παράγουν ανταγωνιστικά μοντέλα με πολύ χαμηλότερο κόστος, τότε το επιχειρηματικό πλεονέκτημα των σημερινών πρωταθλητών μπορεί να αποδειχθεί λιγότερο διατηρήσιμο από όσο πιστεύουν οι αγορές.
Και αυτό έχει άμεσες επιπτώσεις στις αποτιμήσεις.
Εάν η AI γίνει commodity ταχύτερα από το αναμενόμενο, τότε η αξία θα μετακινηθεί από τα ίδια τα μοντέλα προς τις εφαρμογές, τις υποδομές, τα δεδομένα και τις υπηρεσίες.
SBC Σχολιο
Η συζήτηση για το distillation είναι πολύ μεγαλύτερη από μια τεχνική αντιπαράθεση μεταξύ ΗΠΑ και Κίνας. Αφορά το θεμελιώδες ερώτημα του ποιος κατέχει τη γνώση που παράγει ένα μοντέλο και ποιος έχει δικαίωμα να τη χρησιμοποιήσει για να δημιουργήσει το επόμενο.
Η αμερικανική στρατηγική αντιμετωπίζει ένα δύσκολο δίλημμα. Εάν προστατεύσει υπερβολικά τα σημερινά frontier models, μπορεί να περιορίσει την καινοτομία. Εάν επιτρέψει ανεξέλεγκτη χρήση των outputs τους, μπορεί να επιταχύνει την άνοδο ανταγωνιστών που δεν επωμίστηκαν το ίδιο αρχικό κόστος.
Η πραγματική απειλή για τις αμερικανικές εταιρείες ίσως δεν είναι ότι η Κίνα θα «κλέψει» ένα μοντέλο. Είναι ότι το κόστος δημιουργίας ισχυρής AI θα πέσει τόσο γρήγορα ώστε το σημερινό επιχειρηματικό τους πλεονέκτημα να εξαφανιστεί.
Και τότε η μεγαλύτερη μάχη της τεχνητής νοημοσύνης δεν θα είναι για το καλύτερο μοντέλο. Θα είναι για το ποιος ελέγχει την πρόσβαση στη γνώση.
