Revoluția AI se amână

AI-ul actual este un proces statistic complex, nu o inteligență reală, funcționând ca un brainstorming avansat care poate genera rezultate creative, dar fără o înțelegere globală.
Deși AI va revoluționa multe domenii și va elimina joburile repetitive, specialiștii rămân esențiali pentru a formula prompturi eficiente, iar până la o adevărată autonomie a inteligenței artificiale mai este cale lungă.

Nu vă fie frică, cel puțin în viitorul apropiat revoluția se amână. Deocamdată AI-ul nu este decât un proces statistic. E adevărat, la o scară aproape inimaginabilă. Când vrei răspuns la un prompt, AI generează răspunsul pe baza apropierii semantice dintre variile entități lingvistice, din imensa lui bază de date. E adevărat, apropierea se calculează cu algoritmi cu milioane de parametri, dar LLM-ul nu are nicio viziune globală asupra a ceea ce livrează. Practic habar n-are ce face.

Imaginează un puzzle de proporții cosmice cu varii bucățele de dimensiuni, culori, gust, miros diferite și alte mii de proprietăți. Formulați un prompt care implică afirmații despre aceste proprietăți, apoi mașina, din miliardele de bucățele le alege pe cele mai potrivite, apropiate semantic, zic, le împachetează gramatical frumos și ți le livrează pronto. La același prompt repetat identic, rezultatul poate fi diferit semnificativ!
Deși Sam Altman lucrează din greu la asta 🙂

Și totuși procesul poate fi într-un fel creativ. Dacă mașina livrează o combinație de sensuri sau interpretări pe care mintea umană nu a ghicit-o din cauza imensității datelor de prelucrat, se cheamă că AI-ul a făcut un „breakthrough”. Se poate întâmpla, așa cum se mai aude prin presă, mai ales în domenii foarte țintite, inginerie, medicină, tehnică militară. Dar asta nu-i inteligență, e statistică „norocoasă”. AI-ul funcționează perfect ca un brainstorming targetat și pe steroizi. Mulți steroizi.

Ce vreau să zic e că da, joburile repetitive, munca de rutină e cam gata. Asta nu înseamnă că vine sfârșitul lumii. AI-ul e o revoluție industrială, cam cum a fost motorul cu abur, sau industria semiconductorilor în anii ’70. Medicii vor rămâne medici, idem inginerii sau arhitecții și ceea ce îi va diferenția va fi modul acestora de interacțiune cu AI-ul. Adică cum și cât de eficient vor folosi noua sculă a umanității. Adică cât de bine vor ști să formuleze un prompt. Și partea frumoasă e că pentru a scrie bine un prompt și folosi eficient rezultatele, trebuie să fii un bun specialist în domeniu. Altfel vechiul principiu GIGO din IT funcționează perfect, gunoi bagi, gunoi scoți. Meseria viitorului, inginer de prompt se va numi. 🙂 !

Pe de altă parte AI-ul poate fi un foarte bun profesor. Pentru cei ce vor să se inițieze intr-un domeniu și până la un anume nivel de expertiză poate fi un instrument excelent. Și aici trebuie să știi cum să te conversezi cu inteligența artificială și ce să-i ceri. Deci îți trebuie un anumit nivel de cultură generală, și o anumită abilitate de a o face să nu „halucineze”.

Summa summarum, până să ia conducerea lumii, inteligența artificială mai trebuie să evolueze. Uitați-vă cum se chinuie Google sau Musk să facă afurisita aceea de mașină să meargă de capul ei, autonomă. De ani buni, și numai nu reușesc. Pentru că realitatea e complicată și e dificil să o vâri în tipare și modele. Poate că făcând pereche cu noul calculator cuantic, plus noile tehnologii de stocare a datelor, care să nu mai aibă nevoie de gigawații de electricitate de acum, va fi posibil. Dar va mai dura. Până una alta, cam asta se întâmplă în lumea reală și despre consecințe, inclusiv militare sau economice, aici: Inteligența Artificială eșuează la 95% din companiile care o folosesc

Un răspuns

Reika spune:

octombrie 16, 2025 la 12:08 pm

Toată lumea crede că cei 10 trilioane de parametri ai GPT-5 îl fac de neînvins
Datele arată că 95% dintre companii nu obțin niciun ROI din acesta
În timp ce OpenAI urmărește AGI prin scalare, afacerile câștigă cu modele pe care copilul meu de 13 ani le poate construi

Să începem cu ce s-a întâmplat recent:
OpenAI a lansat GPT-5 la începutul anului 2025
10 trilioane de parametri
Pentru context, creierul uman are aproximativ 100 de trilioane de conexiuni sinaptice
Ne apropiem de scara biologică cu rețele neuronale artificiale
Lumea tech și-a pierdut mințile. AGI este aici. Singularitatea se apropie

Apoi MIT a publicat un studiu despre care nimeni nu a vrut să vorbească:
95% dintre companiile care implementează AI nu au văzut niciun beneficiu măsurabil
Zero creștere a veniturilor. Zero economii de costuri. Zero câștiguri de productivitate
100 miliarde de dolari cheltuiți pe implementarea AI în 2024
Și 95% din aceasta nu a produs nimic

Aici devine interesant:
Acel 5% rămas care a văzut de fapt rezultate?
Nu foloseau GPT-5. Nu foloseau deloc modele de frontieră
Foloseau modele specializate antrenate pentru sarcini unice
Nu 10 trilioane de parametri. Mai degrabă 7-70 miliarde
Nu inteligență generală. Îngustă, focalizată, construită cu scop precis

Iată matematica care contează:
GPT-5 poate face 10.000 de sarcini diferite rezonabil de bine
Un model specializat face O SINGURĂ sarcină excepțional de bine
Pentru o afacere, nu ai nevoie de 9.999 dintre acele capabilități
Ai nevoie ca acea singură sarcină să fie făcută rapid, ieftin și fiabil
Costul mediu al GPT-5 per apel API: 0,15$ per 1K tokens
Model specializat: 0,002$ per 1K tokens
Asta e de 75 de ori mai ieftin
Pentru o companie care procesează milioane de cereri, asta e diferența dintre profitabil și faliment

Dar costul nici măcar nu e cea mai mare problemă
Halucinațiile sunt
GPT-5 are 10 trilioane de parametri încercând să gestioneze fiecare scenariu posibil
Asta înseamnă miliarde de cazuri de margine. Inputuri neașteptate. Interacțiuni ciudate între capabilități
Fiecare caz de margine e o oportunitate pentru halucinații sau rezultate bizare
Un model specializat? Face doar un singur lucru
Mai puțini parametri înseamnă mai puține cazuri de margine. Mai ușor de antrenat. Mai ușor de validat. Mai ușor de depanat
Când modelul tău doar clasifică tickete de suport, poți testa fiecare scenariu
Când modelul tău face totul, cazurile de margine sunt infinite
Nu poți construi fiabilitate în ceva care încearcă să facă totul

Fiul meu de 13 ani construiește în prezent un model AI pentru strategia Civilization 7
Îl antrenează pe date de joc. Îl învață ordini optime de construcție. Managementul resurselor
Este acesta un caz de utilizare de care au nevoie companiile Fortune 500? Nu
Dar iată ce contează:
Face asta cu instrumente disponibile public. Hardware de consum. Tutoriale YouTube
Fără doctorat în machine learning. Fără buget de calcul de un milion de dolari. Fără echipă de cercetători

Dacă un adolescent poate construi și antrena un model specializat funcțional în dormitorul său, ce îți spune asta?
Bariera de intrare s-a prăbușit
Nu mai ai nevoie de resurse la nivel OpenAI
Ai nevoie de o problemă specifică, date relevante și abilități tehnice de bază

Întreaga strategie a OpenAI se bazează pe scară
Mai mulți parametri. Mai multă putere de calcul. Mai multe date de antrenament. Mai mulți bani
Încearcă să ajungă la AGI făcând modelele din ce în ce mai mari
Dar afacerile nu au nevoie de AGI
Au nevoie de procesare a facturilor care nu eșuează
Au nevoie de suport pentru clienți care nu halucinează politicile de rambursare
Au nevoie de completare de cod care înțelege baza lor de cod specifică
Toate probleme pe care modelele specializate le rezolvă mai bine decât GPT-5
Pentru o fracțiune din cost

Uită-te la ce funcționează de fapt în producție:
Detectarea fraudei de la Stripe. Model specializat. O singură sarcină
Sugestiile de scriere de la Grammarly. Model specializat. O singură sarcină
GitHub Copilot. Model specializat antrenat pe cod. O singură sarcină
Niciunul dintre ele nu are nevoie de 10 trilioane de parametri
Trebuie doar să-și facă treaba specifică mai bine decât un om
Și o fac. Profitabil

În același timp, OpenAI continuă să construiască modele mai mari și se întreabă de ce adoptarea în întreprinderi nu se ridică la nivelul hype-ului
Răspunsul e evident:
Afacerile nu obțin ROI din inteligență
Obțin ROI din rezolvarea eficientă a problemelor specifice
Un model cu 7 miliarde de parametri care reduce costurile de suport cu 40% e infinit mai valoros decât un model cu 10 trilioane de parametri care poate și să scrie poezie

Ce se întâmplă când întreaga industrie AI e optimizată pentru demonstrații în loc de producție?
Rată de eșec de 95%
Și cei 5% care reușesc sunt cei care au ignorat hype-ul și au construit instrumente specializate plictisitoare

Răspunde