Το OpenAI αναδιατυπώνει την υιοθέτηση ως πρόβλημα «capability overhang»

Το «capability overhang» είναι επιχείρημα ζήτησης, όχι δυνατοτήτων

Η ανάρτηση του OpenAI κάνει μια ασυνήθιστη παραδοχή για ένα frontier lab: το μποτλενέκ δεν είναι πλέον αυτό που μπορούν να κάνουν τα μοντέλα. Ορίζει το «capability overhang» ως «το χάσμα ανάμεσα σε αυτό που μπορούν να κάνουν σήμερα τα συστήματα ΤΝ και στην αξία που οι περισσότεροι άνθρωποι, επιχειρήσεις και χώρες αντλούν πραγματικά από αυτά σε μεγάλη κλίμακα».

Αυτή η διατύπωση μετακινεί το βάρος αλλού. Αντί να υπόσχεται ένα πιο έξυπνο μοντέλο, η εταιρεία υποστηρίζει ότι τα σημερινά συστήματά της — τα οποία, όπως αναφέρει, μπορούν να «σκέφτονται και να δρουν σε όλο και πιο σύνθετες εργασίες, από την ανάπτυξη λογισμικού έως τη διεξαγωγή μαθηματικής έρευνας» — έχουν ήδη ξεπεράσει την υιοθέτησή τους. Το πρόβλημα που περιγράφει είναι ζήτημα χρήσης, ροής εργασίας και φαντασίας, όχι ωμής ικανότητας.

Για τις ομάδες που χτίζουν πάνω σε αυτά τα εργαλεία, αυτή είναι μια πιο ειλικρινής περιγραφή της πραγματικής κατάστασης απ' όσα προσφέρουν οι περισσότερες ανακοινώσεις λανσαρίσματος. Η απόσταση ανάμεσα σε ένα ικανό μοντέλο και σε ένα πραγματικό αποτέλεσμα είναι ακριβώς εκεί όπου κινείται η εφαρμοσμένη μηχανική.

Το ποσοστό 7x των power users συνδέει την ενδυνάμωση με τη δαπάνη σε υπολογιστική ισχύ

Ο ένας συγκεκριμένος αριθμός στην ανάρτηση λέει πολλά. Το OpenAI αναφέρει ότι «ο τυπικός power user χρησιμοποιεί 7 φορές περισσότερη νοητική ισχύ (και άρα 7 φορές περισσότερη υπολογιστική ισχύ) από τον τυπικό χρήστη», και ότι αυτοί οι χρήστες «εφαρμόζουν τις πιο προηγμένες δυνατότητες σε ένα ευρύτερο φάσμα εργασιών».

Η παρένθεση εδώ έχει σημασία: η νοητική ισχύς εξισώνεται άμεσα με την υπολογιστική ισχύ. Η ενδυνάμωση, σύμφωνα με αυτή την αφήγηση, συσχετίζεται με την κατανάλωση. Η ανάρτηση αναφέρει στη συνέχεια ξεκάθαρα ότι «η χρησιμότητα της ΤΝ θα κλιμακωθεί άμεσα ανάλογα με την υπολογιστική ισχύ, και επομένως κάθε άτομο, επιχείρηση και χώρα χρειάζεται τρόπους πρόσβασης στο δικό του κομμάτι υπολογιστικής ισχύος».

Άρα, το να κλείσει το «capability overhang», σύμφωνα με την ίδια τη λογική του OpenAI, σημαίνει ότι οι άνθρωποι πρέπει να τρέχουν περισσότερο inference. Η αφήγηση περί αυτοενδυνάμωσης και η αφήγηση περί εσόδων είναι στην ουσία η ίδια αφήγηση — η πιο ολοκληρωμένη χρήση της ΤΝ είναι ταυτόχρονα ο τρόπος για να παράγετε «πιο οικονομικά αξιόλογη εργασία» και ο τρόπος για να γίνετε πιο «βαρύς» πελάτης.

Δωρεάν πρόσβαση με διαφημίσεις και τα δικά του benchmarks του OpenAI ως αποδείξεις

Δύο συγκεκριμένοι μηχανισμοί εμφανίζονται στην αρχή «Πρόσβαση». Πρώτον, η ανάρτηση επιβεβαιώνει «ένα δωρεάν επίπεδο του ChatGPT, που υποστηρίζεται από διαφημίσεις», το οποίο πλαισιώνεται ως υπηρέτηση της αποστολής να διασφαλιστεί ότι το AGI ωφελεί όλη την ανθρωπότητα. Η διαφήμιση ως μοντέλο χρηματοδότησης για μαζική πρόσβαση είναι μια αξιοσημείωτη διαρθρωτική επιλογή που εδώ διατυπώνεται σαν αυτονόητη.

Δεύτερον, στην αρχή «Πρώτοι στην αλήθεια», το OpenAI αναφέρει ότι δημοσιεύει «βασικές οικονομικές αναλύσεις δεδομένων, συμπεριλαμβανομένης μιας μέτρησης του πώς τα εργαλεία ΤΝ συγκρίνονται σε επιδόσεις με τους ανθρώπους σε ένα φάσμα εργασιών». Η εταιρεία τοποθετεί τον εαυτό της ως τον μετρητή της ίδιας της μετάβασης αυτοματισμού που η ίδια προκαλεί.

Αυτός ο διπλός ρόλος αξίζει προσεκτική εξέταση. Τα δεδομένα σχετικά με «ποιοι ρόλοι αναπτύσσονται ή συρρικνώνονται» και πού «αναδεικνύονται κέρδη παραγωγικότητας» είναι πράγματι χρήσιμα για τον σχεδιασμό, όμως ένας προμηθευτής που συγκρίνει τα δικά του προϊόντα με την ανθρώπινη εργασία δεν αποτελεί ουδέτερη πηγή. Ο ισχυρισμός ότι «η ακριβής πληροφόρηση δημιουργεί αυτονομία» είναι λογικά ορθός· το ερώτημα είναι ποιος ελέγχει την ακρίβεια αυτή.

Τι ζητά αυτή η αναδιατύπωση από τις ομάδες που εφαρμόζουν αυτοματισμό

Η συγκεκριμένη συνέπεια της αντιμετώπισης της υιοθέτησης ως «capability overhang» είναι ότι η αξία της ΤΝ εξαρτάται πλέον από την οργανωτική προσπάθεια και όχι από την επόμενη έκδοση μοντέλου. Αν οι power users αντλούν περισσότερη αξία επειδή «εφαρμόζουν τις πιο προηγμένες δυνατότητες σε ένα ευρύτερο φάσμα εργασιών», το στοιχείο διαφοροποίησης είναι η κάλυψη εργασιών και ο σχεδιασμός ροών εργασίας, όχι η πρόσβαση στο μοντέλο — την οποία πλέον μοιράζονται οι περισσότεροι ανταγωνιστές.

Οι μακρο-ισχυρισμοί — «διψήφια ανάπτυξη ΑΕΠ, προσιτή και αποτελεσματική υγειονομική περίθαλψη, και ταχεία επιστημονική πρόοδος» — διατυπώνονται χωρίς να εξηγείται ο μηχανισμός, και πρέπει να διαβάζονται ως προσδοκία και όχι ως πρόβλεψη. Το πρακτικό συμπέρασμα είναι πιο περιορισμένο και πιο χρήσιμο: τα οφέλη από αυτά τα εργαλεία καταλήγουν σε όποιον κάνει την ανιδιοτελή, μη γοητευτική δουλειά της αντιστοίχισης τους με πραγματικές εργασίες. Το OpenAI λέει ουσιαστικά στην αγορά ότι το μοντέλο δεν είναι πλέον το δύσκολο κομμάτι.