For bare to år siden sto industrien overfor betydelige utfordringer knyttet til prosessorkraft og brikketilgjengelighet. NVIDIA befant seg i søkelyset da deres spillindustri-GPU-er ble essensielle for å skalere store språkmodeller. Pundits spådde at begrensninger i Moores lov og bekymringer om rimelighet ville bremse fremdriften, noe som antydet at det ikke var noen måte å møte etterspørselen på eller bygge nok rimelige brikker til å drive KI-fremtiden.

Et drøyt år senere har NVIDIAs markedsverdi skutt i været; men en prislapp på 42 billioner kroner nærmer selskapet seg Apple – og er vente å passere i løpet av et året. Denne eksepsjonelle veksten er drevet av betydelige investeringer i KI, utvikling av neste generasjons brikker og samarbeid med kvanteteknologifirmaer for å få frem nye forretningsmodeller. 

Denne transformasjonen fremhever et nøkkelpoeng; teknologiske og vitenskapelige gjennombrudd overgår ofte våre forventninger, og fører til løsninger som gjør banebrytende teknologier mer tilgjengelige og rimelige. Akkurat som NVIDIA overvant tidligere begrensninger, er KI-industrien klar til å utvikle modeller og systemer som vil være økonomisk levedyktige for bedrifter i alle størrelser.

Men på kort sikt, etter hvert som priser på avanserte KI-modeller øker, er det voksende momentum mot åpne kildekode-alternativer. Åpne kildekode-modeller kan tilby kostnadseffektive løsninger, slik at virksomheter kan implementere og tilpasse KI uten å pådra seg betydelige utgifter. Ved å utfordre inntektsmodellene til store KI-selskaper, kan åpen kildekode-tilnærming fremme et mer robust, allsidig økosystem for kunstig intelligens.

Forbedringer drevet av subkulturer kan føre til modeller som er kostnadseffektive, effektive og tilpasningsdyktige på tvers av ulike bransjer. Risikoen ved åpen kildekode KI er imidlertid tydelig: Når kraftige KI-verktøy er fritt tilgjengelig, kan de utnyttes på utilsiktede måter. Som demonstrert ved utgivelsen av Metas åpne kildekode-modell Llama, påvirker dette allerede den globale utviklingen – selv på sensitive områder som militærteknologi.

En annen lovende vei fremover er progresjon. Med inspirasjon fra effektiviteten til den menneskelige hjernen, utvikler KI-forskere modeller med spesialiserte områder for forskjellige oppgaver – arkitekturer som tillater raske, energieffektive reaksjoner i noen områder, med andre områder dedikert til komplekse problemer, omtrent slik som hjernen fungerer.

Hjernene våre er bemerkelsesverdig energieffektive, og utfører komplekse beregninger med minimalt energiforbruk. Den teknologiske kopien krever derimot omfattende ressurser. Likevel driver fremskritt innen vitenskap, og en økende forståelse av biologi, KI-modeller mot høyere ytelse uten å kreve så mye mer beregningskraft. I løpet av de siste 80 årene har fremgangen vært eksponentiell.

Ledende selskaper som Microsoft med sin Co-Pilot og OpenKIs kontinuerlige fremskritt, indikerer at "industriell KI" vil være klart for distribusjon i løpet av 2025. Dette er spesialiserte KI-agenter med domenespesifikk kunnskap. De er mer strømlinjeformet enn grunnleggende modeller, men likevel i stand til å utkonkurrere dem på sine respektive felt. Dette markerer den mest grunnleggende endringen i menneskelig arbeidshistorie, ettersom automatiserings- og KI-agenter tilbyr 24/7-funksjoner, og utfordrer tradisjonelle arbeidsstyrkestrukturer. Mindre bedrifter vil snart få tilgang til KI-løsninger skreddersydd til deres behov uten den høye prislappen, takket være disse spesialiserte modellene designet for å redusere beregningsbelastninger og tilhørende kostnader.

Mens de økende kostnadene ved høyytelsesmodeller byr på utfordringer, tilbyr nye trender innen spesialisering, åpne kildekode-alternativer og innovative forretningsmodeller levedyktige løsninger. Hjerneinspirerte arkitekturer gjør KI-modeller mer effektive og mindre ressurskrevende. Denne konvergensen av KI-innovasjon og energieffektivitet peker mot en fremtid der KI ikke bare er domenet til store selskaper, men et verktøy som blir tilgjengelig for alle og driver vekst og innovasjon på tvers av bransjer.

Så kanskje den største bekymringen i dag ikke burde være om små og mellomstore bedrifter har råd til kunstig intelligens, men om – i et stadig mer vinneren-tar-alt-marked dominert av teknologigiganter – det vil være noen små og mellomstore bedrifter igjen å bekymre seg for.

Anders Indset har to tiår med erfaring fra å jobbe med multinasjonale selskaper og er eier av Njordis Group, Global Institute of Leadership & Technology (GILT), samt initiativtaker til Quantum Economy Alliance. For mer informasjon, se https://www.andersindset.com