3. Kufizimet teknologjike dhe mungesa e të dhënave cilësore
Modelet e mëdha të gjuhës (LLM) po përballen me pengesa të shumta për shkak të kufizimeve teknologjike dhe mungesës së të dhënave cilësore. Trajnimi i këtyre modeleve mbështetet kryesisht te burime si artikuj lajmesh, raporte shkencore, postime në mediat sociale dhe studime akademike.
Megjithatë, burimet e informacionit cilësor janë të kufizuara, dhe krijimi i të dhënave sintetike është një proces gjithnjë e më i kushtueshëm. Si pasojë, modelet shpesh gjenerojnë përgjigje të pasakta ose të fabrikuara (“halucinacione”). Për më tepër, kompanitë e AI-së përballen me sfida në gjetjen e të dhënave të reja dhe të freskëta për rafinim.
Nga ana tjetër, fuqia kompjuterike po arrin kufijtë e saj fizikë. Për shembull, IBM prezantoi në vitin 2021 një çip dy-nanometër që rriti performancën me 45% krahasuar me versionin e mëparshëm. Por ky përparim ka ngritur pyetje nëse industria po i afrohet pikës së kthimeve të pakësuara për gjysmëpërçuesit.
Shenjat e ngadalësimit tashmë janë evidente. Sipas Preqin, fondet e kapitalit sipërmarrës mblodhën vetëm 85 miliardë dollarë në tre tremujorët e parë të vitit 2024, një rënie e ndjeshme nga 136 miliardë dollarët e vitit 2023.
Një dritë shprese
Nëse gjigantët aktualë të AI-së fillojnë të humbasin terren, konkurrentët më të vegjël mund të përfitojnë nga kjo situatë. Një treg më konkurrues mund të parandalojë përqendrimin ekstrem dhe krijimin e një monopoli teknologjik si ai i “Shtatëshes së Mrekullueshme” – Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia dhe Tesla – të cilat dominojnë industrinë teknologjike të SHBA-së.