AI phi tập trung: Sức mạnh của trí thông minh không cần phép

Tại hội thảo có tiêu đề "AI phi tập trung: Sức mạnh của trí thông minh không cần cấp phép" vàoNgày 18 tháng 9 năm 2023 tại TOKEN2049 Singapore, hội thảo gồm Santiago R Santos, Đối tác quản lý của SRS, người điều phối; Emad Mostaque, Nhà sáng lập Schelling AI; Sean Ren, Đồng sáng lập kiêm Tổng giám đốc điều hành của Sahara AI; Tarun Chitra, Nhà sáng lập kiêm Tổng giám đốc điều hành của Gauntlet; và Alex Skidanov, Đồng sáng lập của NEAR AI; đi sâu vào việc áp dụng tiền điện tử lành mạnh và triển vọng của tiền điện tử trong ba năm tới.

Chúng ta có cần AI phi tập trung không? Mối quan tâm về quyền riêng tư, quyền sở hữu và dữ liệu của người dùng

Santosbắt đầu bảng điều khiển bằng cách chỉ ra rằng với bất kỳ công nghệ nào được tạo ra trong thập kỷ qua, tất cả chúng hiện nay đều được kiểm soát bởi các tập đoàn lớn.

Và trong mọi trường hợp, những tập đoàn đó sẽ thu thập toàn bộ dữ liệu, kiếm tiền từ dữ liệu đó rồi bán chúng.

Người dùng thực chất không phải là khách hàng, họ là sản phẩm.

Và trí tuệ nhân tạo (AI) cũng đang chuyển động theo hướng tương tự.

Điểm khác biệt lớn nhất là thứ chúng ta gọi là AI do người dùng sở hữu: người dùng có thể kiểm soát dữ liệu và có thể kiểm soát cách họ sử dụng các ứng dụng hỗ trợ AI.

Theo Ren, trong hệ sinh thái AI hiện tại, có những nhóm người dùng riêng biệt cần được chú ý, chẳng hạn như nhà phát triển AI hoặc người tạo mô hình, người dùng AI, v.v.

Việc tạo ra một ý tưởng mô hình hiện nay vừa tốn kém vừa mất thời gian.

Các nhà phát triển phải thu thập dữ liệu, tìm nhà cung cấp máy tính và huy động vốn, thường là từ các nhà đầu tư mạo hiểm (VC).

Quá trình này có thể mất từ ​​ba đến sáu tháng trước khi bắt đầu thử nghiệm ý tưởng.

Các nhà phát triển phải đối mặt với những thách thức đáng kể trong việc tiếp cận các nguồn lực và vốn cần thiết, tạo ra cơ hội rõ ràng cho các nền tảng được hỗ trợ bởi blockchain và thị trường tài chính phi tập trung (DeFi) để hợp lý hóa quy trình này và đẩy nhanh quá trình đổi mới.

Ngoài ra, người dùng AI thường vô tình chia sẻ nhiều thông tin cá nhân và riêng tư như sở thích, dữ liệu cá nhân, thông tin tài chính để đổi lấy các dịch vụ miễn phí, như dịch vụ do ChatGPT cung cấp.

Theo thời gian, các công ty như OpenAI tích lũy được lượng lớn dữ liệu người dùng này, cải thiện mô hình của họ bằng cách tận dụng kiến ​​thức tập thể này.

Mặc dù điều này thúc đẩy sự đổi mới, nhưng nó cũng làm dấy lên những lo ngại nghiêm trọng về quyền riêng tư, quyền sở hữu và cách dữ liệu người dùng được sử dụng, thậm chí có khả năng tự động hóa hoặc thay thế công việc của họ.

Nhậm bày tỏ:

“Và sau đó theo thời gian, họ sẽ tạo ra một phiên bản tốt hơn, tập hợp tất cả các chuyên gia trong lĩnh vực riêng lẻ này, những người có thể tự động hóa một phần công việc của bạn và thậm chí đưa công việc của bạn vào cơ hội kiếm tiền. Và đó là nơi chúng ta quay lại với toàn bộ vấn đề về bảo vệ quyền riêng tư và quyền sở hữu của người dùng đối với những gì họ đã trao cho nhà cung cấp tập trung. Và tôi nghĩ đây là hai vấn đề lớn mà chúng ta phải giải quyết.”

Để giải quyết những thách thức này đòi hỏi phải chuyển sang bảo vệ quyền riêng tư chặt chẽ hơn và trao quyền sở hữu dữ liệu cho người dùng.

Hệ sinh thái blockchain và tiền điện tử đưa ra giải pháp đầy hứa hẹn để giải quyết những vấn đề này bằng cách cung cấp các giải pháp thay thế phi tập trung và trao quyền cho cả nhà phát triển và người dùng.

Liệu AI phi tập trung có thể cạnh tranh với các giải pháp tập trung không?

Nhu cầu của ngành công nghiệp AI là rất lớn và trong khi tính phi tập trung và quyền riêng tư của người dùng thường được ca ngợi thì thực tế là hầu hết người dùng ưu tiên hiệu quả và chi phí hơn những lý tưởng này.

Điều này đặt ra một câu hỏi quan trọng: Có thểAI phi tập trung có thực sự cạnh tranh được với các giải pháp tập trung về mặt tính năng và giá cả không?

Khi Stability AI được phát triển, Mostaque tuyên bố rằng nó cần sức mạnh của 10.000 NVIDIA A100, loại máy tính đã tạo ra siêu máy tính nhanh thứ 10 trên toàn cầu vào thời điểm đó—gấp tám lần sức mạnh tính toán của NASA.

Thiết bị này, cần thiết để xây dựng các mô hình tiên tiến về hình ảnh, video và âm thanh, có giá lên tới 400 triệu đô la.

Bằng cách so sánh,Elon Musk Siêu máy tính mới nhất của Hoa Kỳ, được thiết kế để đào tạo các mô hình tiên tiến nhất, sử dụng 300.000 máy A100 và có giá 3 tỷ đô la.

Những con số đáng kinh ngạc này phản ánh mức độ rủi ro về tài chính khi đào tạo các mô hình AI tiên tiến.

Điều thú vị là những tiến bộ gần đây, chẳng hạn như mô hình o1 của OpenAI, đạt được điểm IQ là 120, cho thấy nhu cầu điện toán đang phát triển.

Điện toán song song phi tập trung đang trở nên khả thi hơn, với các ví dụ như kết xuất đường viền tận dụng một triệu GPU.

Tuy nhiên, bất chấp những phát triển này, AI phi tập trung vẫn phải đối mặt với những thách thức đáng kể, đặc biệt là khi phải cạnh tranh ở quy mô lớn với các giải pháp tập trung.

Ví dụ, Bitcoin tiêu thụ 160 terawatt giờ năng lượng mỗi năm khi sử dụng cơ sở hạ tầng chuyên dụng—gần một nửa mức tiêu thụ năng lượng của tất cả các trung tâm dữ liệu toàn cầu cộng lại.

Điều này minh họa rằng trong khi phân quyền có thể hiệu quả ở một số lĩnh vực thì việc đạt được mức hiệu suất tương tự trong AI vẫn phức tạp và tốn kém.

Ông đặt câu hỏi:

“Vì vậy, tôi nghĩ rằng có một số yếu tố mà chúng ta có thể cạnh tranh, nhưng hiện tại rất khó khăn vì bạn cần hàng tỷ đô la đầu tư để xây dựng các mô hình tiên tiến. Và câu hỏi đặt ra là, liệu điều đó có thay đổi để chúng ta có thể sử dụng hàng tỷ đô la phân tán hay không? Hay chúng ta có thể tạo ra các cơ chế để tạo ra các cụm này và sau đó có một giải pháp thay thế mở cho các giải pháp tập trung hoàn toàn này, thường chỉ phản ánh một quan điểm? Vì vậy, giống như việc tạo hình ảnh của Google, khi bạn nhập đô vật sumo và bạn sẽ nhận được đô vật sumo nữ Ấn Độ.”

Chitra đã chỉ ra một số điểm quan trọng cần xem xét.

Đầu tiên, các ứng dụng biên - những ứng dụng có thể không mang lại lợi nhuận tài chính ngay lập tức, chẳng hạn như trong nghiên cứu khoa học - thường gặp phải những rào cản đáng kể do chi phí đào tạo mô hình cao so với kết quả tiềm năng.

Hãy lấy AlphaFold làm ví dụ.

Khi mới ra mắt, đã có cuộc tranh luận nội bộ tại DeepMind về việc liệu có đáng để phân bổ ngay cả một phần nhỏ nguồn lực cần thiết hay không.

Phải mất thời gian mọi người mới nhận ra giá trị của việc phát triển các mô hình AI cho các lĩnh vực ngoài văn bản, video hoặc các ứng dụng thương mại thông thường.

Kết quả là, các dự án tiên tiến này thường bị gạt sang một bên trong các cuộc thảo luận tập trung vào hiệu quả chi phí, nơi sự chú ý được hướng đến các mô hình rõ ràng hơn về mặt thương mại.

Thứ hai, đang có sự thay đổi trong kiến ​​trúc AI.

Thay vì xây dựng một mô hình lớn dựa trên tập dữ liệu ban đầu lớn, người ta ngày càng quan tâm đến các mô hình sử dụng học tăng cường và lý thuyết trò chơi, có thể dẫn đến sự đánh đổi khác nhau giữa độ trễ và băng thông.

Theo cách tiếp cận này, một mô hình có thể chịu được thời gian suy luận dài hơn nếu nó làm giảm độ phức tạp.

Sự thay đổi này có thể sẽ thay đổi cách phát triển các cụm và tác động đến cách xử lý suy luận theo thời gian.

Cuộc tranh luận về những thay đổi về kiến ​​trúc này vẫn chưa kết thúc và sẽ tiếp tục diễn ra.

Ông nói:

“Vì vậy, với AlphaFold, tôi là một trong những tác giả của OpenFold, nơi chúng tôi đã thực hiện sao chép mã nguồn mở của AlphaFold và chúng tôi cũng cung cấp tất cả các tính toán cho việc đó. Có rất nhiều lỗi trong đó, mà chúng tôi không hiểu vì đó là một hộp đen. Vì vậy, tôi nghĩ mã nguồn mở rất thú vị và phi tập trung vì bạn có nhiều người hơn để tìm kiếm và bạn có thể tìm ra lỗi trong các mô hình này, những lỗi sẽ ngày càng chiếm một phần trong cuộc sống của chúng ta và cũng sẽ là một phần ngày càng tăng trong cuộc sống của chúng ta.”

Ứng dụng thực tế của AI

Về các ứng dụng thực tế củatrí tuệ nhân tạo đã có những tiến bộ đáng kể trong thị trường điện toán và kiếm tiền từ các mô hình.

Điều này đặt ra một câu hỏi quan trọng: những trường hợp sử dụng nào sẽ được mở rộng và áp dụng rộng rãi trong tương lai gần?

Khi nhìn lại những tiến bộ trong vài năm qua, chúng ta có thể thấy phần lớn thành công trong phát triển mô hình AI bắt nguồn từ việc tập trung hóa - tập hợp các GPU, đưa máy móc vào các trung tâm dữ liệu và tập hợp các nhóm nghiên cứu AI hàng đầu.

Các nguồn lực tập trung đóng vai trò quan trọng trong việc thúc đẩy đổi mới và phát triển AI.

Điều này đưa đến một điểm quan trọng: không phải mọi khía cạnh của quá trình phát triển AI đều nên được phân cấp ngay lập tức.

Việc phá vỡ phương pháp đã được chứng minh này quá sớm có thể làm suy yếu những tiến bộ đã đạt được.

Tuy nhiên, thị trường GPU có thể là giải pháp hữu ích, cho phép phân phối tốt hơn các nguồn tài nguyên GPU toàn cầu mà không nhất thiết phải tích hợp blockchain ở giai đoạn này.

Sự phân quyền trở nên hấp dẫn hơn ở quyền sở hữu và quản lý các tài sản AI, chẳng hạn như tập dữ liệu và mô hình.

Nếu nhiều bên cùng đóng góp nguồn lực để xây dựng mô hình, tại sao lại không phân bổ quyền sở hữu cho phù hợp?

Ví dụ, nếu ai đó cung cấp 100 giờ sử dụng GPU A100 vì dự án không đủ tiền để mua đứt, họ có thể nhận được một phần trăm giá trị của mô hình đó.

Nguyên tắc tương tự cũng áp dụng cho các nhà cung cấp dữ liệu, những đóng góp của họ có thể nâng cao đáng kể tính độc đáo của mô hình.

Cách tiếp cận này đòi hỏi khuôn khổ quản trị và kinh tế mới để cho phép huy động nguồn lực từ cộng đồng cho các mô hình AI, với quyền sở hữu được phân bổ cho những người đóng góp.

Khi mô hình bắt đầu tạo ra doanh thu, nó phải thực hiện theo cách minh bạch, không cần tin cậy và không cần xin phép, đảm bảo rằng tất cả các bên liên quan đều được đền bù công bằng.

Đây chính xác là nơi công nghệ blockchain có thể đóng vai trò quan trọng, tạo điều kiện cho một hệ thống phân quyền và tin cậy phi tập trung.

Skidanov lưu ý rằng một trong những trường hợp sử dụng AI hấp dẫn nhất hiện nay là suy luận phi tập trung, đã được triển khai thực tế tại một số công ty.

Ví dụ, về mặt nội bộ, họ hợp tác với Hyperbolic, một công ty cạnh tranh với Fireworks về cả giá cả và tốc độ.

Điểm khác biệt của Hyperbolic là cơ sở hạ tầng của nó được xây dựng trên một mạng lưới GPU phi tập trung lớn có nguồn gốc từ nhiều bên tham gia khác nhau.

Suy luận, theo truyền thống là dịch vụ có nhu cầu cao trong không gian Web2, tiếp tục là một trong những lĩnh vực khả thi nhất về mặt thương mại trong AI và cách tiếp cận phi tập trung này đang chứng tỏ tính cạnh tranh cao.

Một sự phát triển hấp dẫn khác là công việc liên tục của họ nhằm tạo ra cái mà chúng tôi gọi là "nhà phát triển AI", nhắm vào việc phát triển toàn diện các hợp đồng thông minh hoặc ứng dụng.

Sáng kiến ​​này bắt đầu vào năm 2021 và chủ yếu dựa vào chú thích dữ liệu trên quy mô lớn.

Chúng tôi có một mạng lưới các nhà phát triển và người chú thích đóng góp vào nỗ lực này, nhiều người trong số họ làm việc ở những khu vực mà các phương thức thanh toán truyền thống còn nhiều thách thức.

Ở đây, blockchain đóng vai trò then chốt.

Bằng cách tận dụng blockchain, người lao động có thể nhận được khoản bồi thường ngay lập tức cho những nỗ lực của mình, giúp quá trình diễn ra liền mạch và hiệu quả.

Ông giải thích:

“Nếu không có blockchain thì việc xây dựng theo cách tương tự sẽ gần như không thể thực hiện được.”

Điều này minh họa cách công nghệ phi tập trung không chỉ định hình lại cơ sở hạ tầng AI mà còn giải quyết các vấn đề thực tế trong việc thu hút lực lượng lao động toàn cầu.

Theo Chitra, khi xem xét các trường hợp sử dụng thực tế, tác động của công nghệ đối với sản xuất phương tiện truyền thông đặc biệt đáng chú ý.

Những tiến bộ trong AI có thể cho phép tạo ra những bộ phim Hollywood dài tập vào năm tới, được sản xuất không đồng bộ.

Do phim bao gồm các cảnh quay có độ dài trung bình là hai giây rưỡi nên việc tạo phim theo thời gian thực sẽ không thực tế vì phải mất nhiều thời gian chờ để xem lại tiến trình.

Chuyển đổi phương tiện là một trong những ứng dụng quan trọng nhất của điện toán suy luận, nhưng vẫn còn những thách thức về việc xác định quyền sở hữu trí tuệ (IP) và việc trộn lại luồng kiến ​​thức.

Hơn nữa, trong lĩnh vực chăm sóc sức khỏe,tiềm năng của AI là vô cùng to lớn.

Các mô hình tập trung vào các tình trạng như ung thư có thể tích hợp kiến ​​thức y khoa mới nhất và thể hiện mức độ đồng cảm cao hơn bác sĩ, đảm bảo rằng bệnh nhân cảm thấy được hỗ trợ trong suốt hành trình của họ.

Việc ứng dụng công nghệ sổ cái phân tán sẽ tăng thêm một lớp bảo vệ cho dữ liệu chăm sóc sức khỏe, cho phép phân tích AI an toàn ngay tại biên.

Ví dụ, AI trên thiết bị của Apple có thể phân tích thông tin sức khỏe cá nhân đồng thời tích hợp nhiều tính năng kiến ​​thức khác nhau.

Khi cơ sở hạ tầng tiếp tục phát triển, đặc biệt là với các sáng kiến ​​từ những nhà đổi mới trong lĩnh vực này, chúng ta đang đứng trước bờ vực đột phá trong chăm sóc sức khỏe toàn diện và giáo dục cá nhân hóa.

Sự ra mắt gần đây của Google Notebook LM, có thể tạo ra cuộc thảo luận podcast dựa trên sách trắng Bitcoin trong chốc lát, là một ví dụ điển hình cho những tiến bộ này.

Tuy nhiên, để tối đa hóa hiệu quả của các tác nhân AI này, điều quan trọng là phải thiết lập các hệ thống có khả năng theo dõi, xác minh và phối hợp khi chúng giải quyết các thách thức phức tạp.

Liệu AI phi tập trung có hủy diệt loài người hay không?

Khái niệm đổi mới không cần xin phép trong AI mang lại cả những khả năng thú vị và rủi ro đáng kể.

Trong khi một số cá nhân bày tỏ lo ngại rằng AI có thể đe dọa nhân loại, những người khác lại có quan điểm lạc quan hơn.

Câu hỏi đặt ra là: bản chất không cần xin phép củatrí tuệ nhân tạo sự phát triển có tác động tiềm tàng đến khả năng gây hại của nó không?

AI nguồn mở thể hiện sự đổi mới không cần cấp phép, cho phép người dùng truy cập và sửa đổi các tập dữ liệu lớn một cách tự do.

Tuy nhiên, mối quan tâm thực sự có thể nằm ở vấn đề quản trị và tiêu chuẩn hóa.

Ví dụ, một kịch bản giả định có thể liên quan đến việc triển khai robot trên diện rộng và gây ra thảm họa do bản cập nhật chương trình cơ sở bị lỗi - một vấn đề bắt nguồn từ việc kiểm soát tập trung.

Hơn nữa, nghiên cứu từ Anthropic về "Sleeper Agents" nêu bật cách các sửa đổi độc hại có thể làm hỏng các mô hình ngôn ngữ lớn, khiến chúng không thể kiểm soát được.

Mặc dù mô hình không cần cấp phép có thể tạo ra lỗ hổng mới nhưng nó cũng có thể thúc đẩy khả năng phục hồi.

Lịch sử của các hệ thống tập trung cho thấy nhiều điểm tấn công và lỗi, cho thấy cơ sở hạ tầng mở có thể mang lại tính mạnh mẽ hơn.

Do đó, cuộc đối thoại xung quanh quản trị AI nên tập trung vào việc tăng cường tính an toàn và độ tin cậy của các hệ thống phi tập trung, thay vì chỉ giải quyết các rủi ro vốn có trong cách tiếp cận không cần cấp phép.

Santos chỉ ra rằng Skidanov từng là thành viên của OpenAI.

Skidanov cho biết ông đã làm việc tại OpenAI vào năm 2016, thời điểm mà tổ chức này thậm chí còn chưa thiết lập logo.

Sau một thời gian ngắn làm việc ở đó, ông rời đi để đồng sáng lập Near.

Vào năm 2022, sau khi Near ra mắt, ông quay trở lại OpenAI, cảm thấy tò mò trước sự im lặng của công ty trong ba năm trước đó, nghi ngờ rằng có thể đã có những tiến bộ đáng kể.

Ông tuyên bố:

“Tôi đã ở lại OpenAI một thời gian ngắn chủ yếu là vì đến năm 2022, họ đã im lặng trong 3 năm và tôi nghi ngờ rằng họ có thể đã đạt đến điểm kỳ dị và tôi chỉ muốn trở thành một phần của nó và đó là trường hợp. Và vâng, một trong những điều tôi đã làm là tôi đi dọc hành lang của công ty và tôi nhìn vào mắt mọi người và tôi cố gắng đánh giá xem họ có xấu xa hay không và điều đó rất khó để làm, ngoài ra, những người xấu xa thường giỏi không thể hiện rằng họ xấu xa. Vì vậy, vào cuối ngày, tôi không thể tự thuyết phục mình rằng nhóm người này có 100% chắc chắn rằng nhóm người đó sẽ cứu chúng ta khỏi sự hủy diệt nếu AI bắt đầu quay lưng lại.”

Ông lập luận rằng xã hội sẽ được hưởng lợi đáng kể khi nghiên cứu hàng đầu được sở hữu chung thay vì bị độc quyền bởi một nhóm nhỏ các tổ chức.

Ông bày tỏ lo ngại về những nỗ lực hiện tại của Hoa Kỳ trong việc đưa ra các quy định có thể hạn chế nghiêm trọng khả năng đào tạo các mô hình lớn của những nước khác.

AI không cần cấp phép vẫn chưa sẵn sàng cho các ứng dụng có rủi ro cao

Ren bày tỏ một cách chủ quan rằng khi được hỏi liệu họ có thoải mái triển khai hay khôngtrí tuệ nhân tạo Nếu không được phép, hầu hết các nhà nghiên cứu AI tại các hội nghị có thể sẽ bày tỏ sự do dự.

Sự miễn cưỡng này xuất phát từ hai mối quan ngại chính.

Đầu tiên, chúng ta thiếu hiểu biết cơ bản về cách thức các mô hình này hoạt động và đưa ra quyết định.

Không giống như các chương trình truyền thống tuân theo các hướng dẫn rõ ràng, các mô hình AI hoạt động như các hệ thống xác suất, tạo ra các dự đoán ngẫu nhiên dựa trên dữ liệu đào tạo và bối cảnh cụ thể mà chúng được triển khai.

Kết quả là, chúng có thể tạo ra những lỗi không mong muốn, đôi khi chỉ đơn giản là do những thay đổi nhỏ trong dữ liệu đầu vào nằm ngoài các tham số đào tạo của chúng.

Thứ hai, nhiều giá trị quan trọng của con người và những ràng buộc thông thường vẫn chưa được tích hợp đầy đủ vào các mô hình này.

Khoảng cách này đặc biệt trở thành vấn đề trong các ứng dụng có rủi ro cao, chẳng hạn như lọc sơ yếu lý lịch xin việc hoặc đánh giá đơn xin tín dụng.

Mặc dù đã được thảo luận trong nhiều thập kỷ trong tài liệu về AI, những thách thức này vẫn khó có thể giải quyết hiệu quả trong các tình huống thực tế.

Ông khuyên rằng:

“Trước khi vấn đề đó được hiểu theo cách toàn diện hơn nhiều, tôi không nghĩ chúng ta nên sẵn sàng triển khai AI theo cách không cần xin phép ở các ứng dụng có rủi ro cao, nhưng đối với các ứng dụng có rủi ro thấp, tôi nghĩ rằng tốt nhất là nên chấp nhận một số rủi ro và thực hiện.”

Trí thông minh sẽ là đồng tiền dự trữ trong tương lai

Xét về các danh mục sản phẩm khác nhau trong mối liên hệ giữa tiền mã hóa và AI, một danh mục bao gồm các ứng dụng tiền mã hóa được tăng cường các tính năng AI, chẳng hạn như bot giao dịch hoặc các giải pháp giảm thiểu rủi ro.

Một cách khác liên quan đến các hệ thống AI sử dụng các thuộc tính tiền điện tử, có thể là các tác nhân AI hoạt động thông qua stablecoin.

Tuy nhiên, hạng mục hấp dẫn nhất là sự kết hợp giữa tiền điện tử và AI, nơi khả năng kết hợp của chúng tạo ra những cơ hội độc đáo.

Tầm nhìn ban đầu về tiền điện tử, tiêu biểu là Bitcoin, là tạo ra một hệ thống tiền tệ phân tán, không cần xin phép.

Trọng tâm hiện nay chuyển sang hình dung một khuôn khổ kinh tế hậu lao động.

Tiền thông minh, được hỗ trợ bởi AI và các nhà tạo lập thị trường thông minh, có thể định nghĩa lại cách thức hoạt động của nền kinh tế.

Việc xây dựng các hệ thống mở trong chăm sóc sức khỏe, giáo dục, quản trị và tài chính sẽ đóng vai trò quan trọng trong quá trình tiến hóa này.

Hơn nữa, trong khi tiền điện tử đóng vai trò là lớp điều phối hiệu quả thì câu hỏi đặt ra là: trí thông minh sẽ đóng vai trò gì trong các hệ thống tiền tệ trong tương lai?

Mô hình lao động truyền thống của con người có thể sớm bị phá vỡ; khi nguồn lực tính toán tăng lên, khả năng của các tác nhân AI cũng tăng theo, cho phép chúng vượt trội hơn con người.

Mostaque kết luận rằng:

“Một lần nữa, hãy mở mắt ra những điều đầu tiên mà bạn bị giới hạn bởi lượng tính toán mà bạn phải làm và bạn có thể cạnh tranh với mọi người nếu bạn có nhiều tính toán hơn để chạy các tác nhân này khi chúng trưởng thành. Vì vậy, chúng tôi nghĩ rằng đó sẽ là nền tảng của một hệ thống kinh tế mới, một lần nữa, tại sao bạn lại thuê bất kỳ lập trình viên mới tốt nghiệp nào hoặc hầu hết các nhà viết nội dung khi AI đang đưa ra nhiều hơn thế? Bạn phải có sự sắp xếp lại cấu trúc xã hội. Và điều đó đang diễn ra cực kỳ nhanh chóng.”