Μέχρι πριν από λίγους μήνες, εταιρείες επιβράβευαν τους υπαλλήλους που χρησιμοποιούσαν μαζικά την Τεχνητή Νοημοσύνη, καταναλώνοντας τεράστιες ποσότητες tokens, που είναι η βασική μονάδα μέτρησης χρήσης της AI.
Πλέον αυτή η τακτική ανήκει στο παρελθόν.
Μικρές και μεγάλες εταιρίες στις ΗΠΑ έχουν ξεκινήσει να χρησιμοποιούν φθηνότερα μοντέλα, μεταξύ των οποίων και ορισμένα που έχουν αναπτυχθεί στην Κίνα.Όπως προκύπτει από τη The Wall Street Journal οι εταιρείες σε ολόκληρη τη χώρα αρχίζουν να υιοθετούν αυτή τη ριζοσπαστική ιδέα, που θα μπορούσε να ανατρέψει τον κλάδο που τροφοδοτεί την παγκόσμια οικονομία.
Γιατί όμως; Διότι σύμφωνα με ειδικούς του κλάδου, οι εταιρείες δεν είναι απαραίτητο να ξοδεύουν τεράστια ποσά για την τεχνητή νοημοσύνη, αλλά επιλέγουν το καταλληλότερο εργαλείο για τις ανάγκες τους.
Αυτό δεν σημαίνει ότι οι επιχειρήσεις εγκαταλείπουν τα υπερ-μοντέλα της OpenAI και της Anthropic.
Αντίθετα, πολλές επιλέγουν να τα χρησιμοποιούν μόνο για τις πιο απαιτητικές εργασίες.
Αλλά για τις απλές αξιοποιούν πιο φθηνά μοντέλα.
Όπως το έθεσε χαρακτηριστικά ο Μάικ Σέικς, πρώην επενδυτικός τραπεζίτης και στέλεχος σήμερα της Cursor, που εξαγοράστηκε από την SpaceX: «Είναι σαν να οδηγείς μια Lamborghini για να πας στο σούπερ μάρκετ να αγοράσεις γάλα, ενώ το αυτοκίνητο έχει σχεδιαστεί για να τρέχει σε πίστα», δήλωσε σε συνέντευξή του.document.addEventListener("DOMContentLoaded", function () {lazym2();}); Ο ρόλος του είναι να συμβουλεύει επιχειρήσεις για το πώς μπορούν να μετρούν και να βελτιώνουν την απόδοση των επενδύσεών τους στην τεχνητή νοημοσύνη.
Η εταιρεία αποκαλεί αυτή τη διαδικασία «tokenomics», αναφερόμενη στα tokens, τη βασική μονάδα μέτρησης της χρήσης της τεχνητής νοημοσύνης.
Η εξοικονόμηση πόρων -ή, σύμφωνα με τα όσα λένε στην Cursor, η «tokenomical» προσέγγιση- αποτελεί θεαματική αλλαγή νοοτροπίας.
Anthropic και OpenAI πέρασαν χρόνια ανταγωνιζόμενες για την υπεροχή στην τεχνητή νοημοσύνη, προσπαθώντας να δημιουργήσουν ολοένα πιο προηγμένα και ακριβά μοντέλα.
Τώρα, όμως, διαπιστώνουν ότι ...
Πηγή/Περισσότερα: in.gr


































