Ausztrália az AI-versenyben a szakértő emberekre építene

Bizonytalan tempó, nehéz politikai döntések

Az ASPI Strategist augusztus 19-én megjelent elemzése szerint az AI fejlődésének sebessége nehezen kiszámítható. Az iparág vezetői között sincs egyetértés arról, hogy a technológia mikor válhat képessé saját fejlesztésére emberi segítség nélkül. Abban is eltérnek a várakozások, hogy az AI mikor érheti el szinte bármely emberi készség szintjét: egyesek 2028-ra, mások csak 2035-re várják ezt.

A bizonytalanság a munkaerőpiaci hatásokról szóló vitát is meghatározza. A cikk szerint a vezető közgazdászok nem értenek egyet abban, hogy az AI tömegesen szüntet-e meg munkahelyeket, korábban nem látott új keresletet teremt-e, vagy a két hatás egyszerre érvényesül.

Charlton egy ausztrál nemzeti egyetemi beszédben és a Joe Walker Podcast kétórás adásában ismertette eddigi legrészletesebb útitervét. A politikus megfogalmazása szerint a kormányzat „a nagy bizonytalanság környezetében” alkot szabályokat.

Az adatközpont önmagában kevés

Az elemzés három alapvető tényezőt különít el az AI fejlesztésében: a kutatókból és mérnökökből álló tehetséget, a modellek betanításához használt adatokat, valamint az ezek feldolgozásához szükséges számítási kapacitást.

Charlton egyértelművé tette, hogy Ausztráliának adatközpontokat kell építenie. Az országnak emellett jó minőségű adatai is vannak, többek között az egészségügy és a nyersanyagipar területén. A miniszterhelyettes érvelése szerint azonban az infrastruktúra csak kiindulópont. A számítási kapacitásból olyan szellemi tulajdonhoz kell eljutni, mint az AI-modellek és az ezekre épülő alkalmazások.

A hangsúly ezért a készségeken van. A GPT, Claude és Gemini típusú, nagyméretű modellek mellett egyre fontosabbá válhatnak a konkrét feladatokra optimalizált, kisebb modellek. Ezek fejlesztéséhez nincs szükség a legnagyobb modellek teljes számítási kapacitására.

Kisebb modellek és nyitott súlyok

Az ausztrál AI-szakértők hónapok óta vitatják, érdemes-e az országnak saját modelleket fejlesztenie. Charlton szerint a finomhangolás, az utólagos betanítás és a desztilláció fejlődése erősíti ezt az irányt. Ezekkel egy meglévő modell viszonylag egyszerűen és olcsón alakítható át egy adott feladatra.

Az elképzelés jelentős része úgynevezett nyílt súlyú modellekre épül. Ezeket a felhasználók letölthetik és saját céljaikhoz igazíthatják, így használatuk olcsóbb a zárt, tulajdonosi modellekénél. Az ASPI szerint a legjobb nyílt súlyú modellek jelenleg kínaiak, ami biztonsági és stratégiai kockázatokat vet fel. Ausztrál bankok, távközlési cégek és energiaszolgáltatók ezért nem támaszkodhatnak automatikusan kínai modellekre.

A korlátozások kérdése egyelőre megválaszolatlan. A cikk szerint ugyanakkor az Egyesült Államokban is erősödik a nyílt súlyú modellek támogatása, és Franciaországban a Mistral képvisel jelentős alternatívát a két szuperhatalom modellfejlesztői mellett.

A szakértelem stratégiai erőforrássá válhat

Az elemzés szerzője, David Wroe szerint a modellépítési tudás többféle formában lesz fontos: az alapoktól való fejlesztésben, a meglévő modellek javításában, valamint az új rendszerek erősségeinek, gyengeségeinek és kockázatainak értékelésében.

Az AI-laborok és nagy technológiai cégek adatközponti beruházásai kutatási klasztereket hozhatnak létre, ha az infrastruktúrát új modellek betanítására is használják. Ez segítheti a képzett munkaerő növekedését és megtartását. Az elemzés szerint a kormánynak ezt kutatási kiválósági központok és egyetemekhez kapcsolódó, iparági együttműködésben működő elitképzések finanszírozásával is támogatnia kellene.

Az ausztrál kormány a külföldi számítástechnikai infrastruktúra-beruházásokhoz feltételeket kapcsolna, köztük azt, hogy a kapacitás egy részét ausztrál vállalatok és kutatók számára tartsák fenn. Charlton célként azt jelölte meg, hogy a fizikai beruházásból nemzeti AI-képesség jöjjön létre.

Wroe értékelése szerint az ország számára a saját szakértelem jelentheti a nagyobb önállóságot egy olyan környezetben, ahol Kína biztonsági kockázatokat, az Egyesült Államok pedig kiszámíthatatlanságot jelenthet. Az AI-modellek így az elemzés szerint már stratégiai erőforrásnak számítanak.