Τα δισεκατομμύρια που ξοδεύονται για μη κερδοφόρες εταιρείες
Κατά τη διάρκεια της φούσκας του dot-com, οι εταιρείες έδειχναν ότι ήταν «παίκτες» όχι με τα κέρδη τους, αλλά με τα έξοδά τους — κυρίως τα χρήματα άλλων.
Όσο περισσότερο ξοδεύεις, τόσο πιο σημαντικός θεωρείσαι.
Σήμερα, βρισκόμαστε στη φούσκα της AI, όπου εταιρείες που χάνουν χρήματα αποτιμώνται σε δεκάδες ή εκατοντάδες δισεκατομμύρια δολάρια.
Όπως και στο dot-com, οι εταιρείες AI δείχνουν την αξία τους μέσω των εξόδων τους και όχι των κερδών τους.
Ένα χαρακτηριστικό παράδειγμα είναι η σπατάλη σε μισθούς για AI engineers (μηχανικούς) και researchers, κυρίως από τη Meta Platforms.
Ένας 24χρονος AI researcher
Ο CEO της Meta, Mark Zuckerberg, υπέγραψε πρόσφατα έναν 24χρονο AI researcher για 250 εκατομμύρια δολάρια σε τέσσερα χρόνια — 35 εκατομμύρια δολάρια περισσότερα από το τετραετές συμβόλαιο του NBA megastar Stephen Curry.
Το Meta Superintelligence Labs (MSL) είναι το μεγάλο στοίχημα του Zuckerberg για να ξεπεράσει την OpenAI, την Alphabet’s Google, την Anthropic, τη Microsoft και άλλους στον αγώνα για την κυριαρχία της artificial general intelligence (AGI).
Φημολογείται ότι ο Zuckerberg προσφέρει 100 εκατομμύρια δολάρια bonus για να προσελκύσει ταλέντο από ανταγωνιστές, αν και ο Dario Amodei, CEO της Anthropic, δήλωσε πρόσφατα ότι η ομάδα του αρνήθηκε συστηματικά τις προσφορές και ότι κάποιο προσωπικό δεν μίλησε καν με τον Zuckerberg.
Μετά την εκτεταμένη αυτή «σπατάλη», η Meta φέρεται να έχει εφαρμόσει freeze στις προσλήψεις, αλλά δεν είναι μόνη σε αυτόν τον «πνευματικό αγώνα εξοπλισμών».
Η Microsoft προσέλαβε δεκάδες από την Google, ενώ δεκάδες researchers άλλαξαν εταιρείες AI σαν σε παιχνίδι μουσικών καρεκλών.
Η Wall Street Journal ανέφερε ότι ο μέσος ετήσιος μισθός για engineers ανέβηκε στα 280.000 από 220.000 δολάρια μεταξύ Αυγούστου 2022 και αρχών 2024, ενώ κάποιες νέες προσλήψεις στη Meta αποχώρησαν γρήγορα.
Τεράστιοι οι μισθοί
Ακόμη και συγκριτικά με διάσημους ερευνητές του παρελθόντος, οι μισθοί είναι τεράστιοι: ο άνθρωπος των 250 εκατομμυρίων δολαρίων της Meta αμείβεται 327 φορές περισσότερο από τον Robert Oppenheimer κατά την ανάπτυξη της ατομικής βόμβας, πέντε φορές περισσότερο από τον Thomas Watson ως CEO της IBM το 1941, και πολλαπλάσια από όσα έλαβε ο Claude Shannon το 1948 για τη δημιουργία της information theory στα Bell Labs.
Γιατί ξοδεύονται τόσα χρήματα; Οι σημερινοί tech bros πιστεύουν ότι η AGI είναι κοντά και θέλουν να είναι οι πρώτοι που θα την εμπορευματοποιήσουν.
Αυτό βασίζεται σε τρεις αμφιλεγόμενες υποθέσεις: ότι η AGI είναι άμεσα εφικτή, ότι η εμπορική αξία των large language models (LLMs) θα ξεπεράσει κατά πολύ τα κόστη, και ότι μόνο οι καλύτεροι researchers μπορούν να φτάσουν εκεί που θέλουμε.
Ωστόσο, μοντέλα όπως το ChatGPT και άλλα LLMs δεν κατανοούν πραγματικά πώς τα κείμενα που εισάγουν ή παράγουν σχετίζονται με τον πραγματικό κόσμο. Yann LeCun, VP και chief AI scientist στη Meta, χαρακτήρισε την AI «dumber than a cat», προειδοποιώντας ότι θα περάσουν χρόνια πριν επιτευχθεί AGI.
Ακόμη και η εκπαίδευση σε μεγαλύτερες βάσεις δεδομένων δεν οδηγεί σε AGI και μπορεί να δημιουργεί έναν «κύκλο απορριμμάτων» λόγω της ποιότητας των δεδομένων.
Οι εταιρείες LLM χρησιμοποιούν χιλιάδες «trainers» για να διορθώνουν λάθη, ενσωματώνοντας ακόμα και συνδέσμους σε calculators για μαθηματικούς υπολογισμούς. Όμως τίποτα από αυτά δεν προσδίδει ουσιαστική νοημοσύνη.
Επιπλέον, η εμπορική αξία παραμένει αμφισβητήσιμη: για παράδειγμα, η χρήση του ChatGPT για ιατρικές συμβουλές οδήγησε σε σχεδόν θανατηφόρο λάθος σε έναν άνδρα που ακολούθησε τις οδηγίες του.
Η τρίτη υπόθεση — ότι μόνο οι καλύτεροι μπορούν να φτάσουν εκεί που θέλουμε — υποδηλώνει πόσο μακριά είμαστε από την AGI.
Η ιστορία των Bell Labs δείχνει ότι φτωχοί, μεσαίου επιπέδου εργαζόμενοι δημιούργησαν τεχνολογικά θαύματα, όπως transistors, integrated circuits, lasers, LEDs και το internet, με ταπεινούς μισθούς και τεράστια αργότερα αναγνώριση.
Γιατί λοιπόν η AI θα ήταν διαφορετική; Όταν γραφτεί η ιστορία της φούσκας της AI, οι μελλοντικές γενιές σίγουρα θα γελάσουν.
www.bankingnews.gr
Όσο περισσότερο ξοδεύεις, τόσο πιο σημαντικός θεωρείσαι.
Σήμερα, βρισκόμαστε στη φούσκα της AI, όπου εταιρείες που χάνουν χρήματα αποτιμώνται σε δεκάδες ή εκατοντάδες δισεκατομμύρια δολάρια.
Όπως και στο dot-com, οι εταιρείες AI δείχνουν την αξία τους μέσω των εξόδων τους και όχι των κερδών τους.
Ένα χαρακτηριστικό παράδειγμα είναι η σπατάλη σε μισθούς για AI engineers (μηχανικούς) και researchers, κυρίως από τη Meta Platforms.
Ένας 24χρονος AI researcher
Ο CEO της Meta, Mark Zuckerberg, υπέγραψε πρόσφατα έναν 24χρονο AI researcher για 250 εκατομμύρια δολάρια σε τέσσερα χρόνια — 35 εκατομμύρια δολάρια περισσότερα από το τετραετές συμβόλαιο του NBA megastar Stephen Curry.
Το Meta Superintelligence Labs (MSL) είναι το μεγάλο στοίχημα του Zuckerberg για να ξεπεράσει την OpenAI, την Alphabet’s Google, την Anthropic, τη Microsoft και άλλους στον αγώνα για την κυριαρχία της artificial general intelligence (AGI).
Φημολογείται ότι ο Zuckerberg προσφέρει 100 εκατομμύρια δολάρια bonus για να προσελκύσει ταλέντο από ανταγωνιστές, αν και ο Dario Amodei, CEO της Anthropic, δήλωσε πρόσφατα ότι η ομάδα του αρνήθηκε συστηματικά τις προσφορές και ότι κάποιο προσωπικό δεν μίλησε καν με τον Zuckerberg.
Μετά την εκτεταμένη αυτή «σπατάλη», η Meta φέρεται να έχει εφαρμόσει freeze στις προσλήψεις, αλλά δεν είναι μόνη σε αυτόν τον «πνευματικό αγώνα εξοπλισμών».
Η Microsoft προσέλαβε δεκάδες από την Google, ενώ δεκάδες researchers άλλαξαν εταιρείες AI σαν σε παιχνίδι μουσικών καρεκλών.
Η Wall Street Journal ανέφερε ότι ο μέσος ετήσιος μισθός για engineers ανέβηκε στα 280.000 από 220.000 δολάρια μεταξύ Αυγούστου 2022 και αρχών 2024, ενώ κάποιες νέες προσλήψεις στη Meta αποχώρησαν γρήγορα.
Τεράστιοι οι μισθοί
Ακόμη και συγκριτικά με διάσημους ερευνητές του παρελθόντος, οι μισθοί είναι τεράστιοι: ο άνθρωπος των 250 εκατομμυρίων δολαρίων της Meta αμείβεται 327 φορές περισσότερο από τον Robert Oppenheimer κατά την ανάπτυξη της ατομικής βόμβας, πέντε φορές περισσότερο από τον Thomas Watson ως CEO της IBM το 1941, και πολλαπλάσια από όσα έλαβε ο Claude Shannon το 1948 για τη δημιουργία της information theory στα Bell Labs.
Γιατί ξοδεύονται τόσα χρήματα; Οι σημερινοί tech bros πιστεύουν ότι η AGI είναι κοντά και θέλουν να είναι οι πρώτοι που θα την εμπορευματοποιήσουν.
Αυτό βασίζεται σε τρεις αμφιλεγόμενες υποθέσεις: ότι η AGI είναι άμεσα εφικτή, ότι η εμπορική αξία των large language models (LLMs) θα ξεπεράσει κατά πολύ τα κόστη, και ότι μόνο οι καλύτεροι researchers μπορούν να φτάσουν εκεί που θέλουμε.
Ωστόσο, μοντέλα όπως το ChatGPT και άλλα LLMs δεν κατανοούν πραγματικά πώς τα κείμενα που εισάγουν ή παράγουν σχετίζονται με τον πραγματικό κόσμο. Yann LeCun, VP και chief AI scientist στη Meta, χαρακτήρισε την AI «dumber than a cat», προειδοποιώντας ότι θα περάσουν χρόνια πριν επιτευχθεί AGI.
Ακόμη και η εκπαίδευση σε μεγαλύτερες βάσεις δεδομένων δεν οδηγεί σε AGI και μπορεί να δημιουργεί έναν «κύκλο απορριμμάτων» λόγω της ποιότητας των δεδομένων.
Οι εταιρείες LLM χρησιμοποιούν χιλιάδες «trainers» για να διορθώνουν λάθη, ενσωματώνοντας ακόμα και συνδέσμους σε calculators για μαθηματικούς υπολογισμούς. Όμως τίποτα από αυτά δεν προσδίδει ουσιαστική νοημοσύνη.
Επιπλέον, η εμπορική αξία παραμένει αμφισβητήσιμη: για παράδειγμα, η χρήση του ChatGPT για ιατρικές συμβουλές οδήγησε σε σχεδόν θανατηφόρο λάθος σε έναν άνδρα που ακολούθησε τις οδηγίες του.
Η τρίτη υπόθεση — ότι μόνο οι καλύτεροι μπορούν να φτάσουν εκεί που θέλουμε — υποδηλώνει πόσο μακριά είμαστε από την AGI.
Η ιστορία των Bell Labs δείχνει ότι φτωχοί, μεσαίου επιπέδου εργαζόμενοι δημιούργησαν τεχνολογικά θαύματα, όπως transistors, integrated circuits, lasers, LEDs και το internet, με ταπεινούς μισθούς και τεράστια αργότερα αναγνώριση.
Γιατί λοιπόν η AI θα ήταν διαφορετική; Όταν γραφτεί η ιστορία της φούσκας της AI, οι μελλοντικές γενιές σίγουρα θα γελάσουν.
www.bankingnews.gr
Σχόλια αναγνωστών