Kilka wstępnych, letnich przemyśleń na temat przyszłości polityki AI: Do tej pory większość osób w tej dziedzinie koncentrowała się na modelach - czyli na stronie B+R. Domyślnie zakładają, że niebezpiecznym/transformacyjnym elementem jest sam model bazowy, a nie to, jak jest skonfigurowany, ograniczony i zintegrowany z rzeczywistymi systemami; więc model staje się odpowiednim 'obiektem' regulacji lub nadzoru. To może być prawdą lub nie, i cieszę się, że wiele myśli idzie w tym kierunku. Jednak równie prawdopodobne jest, że to, co ostatecznie będzie miało znaczenie, to system wykorzystujący model poprzez rusztowania, narzędzia, podagentów i inne - to, co ludzie zazwyczaj określają jako 'stronę wdrożeniową'. Te systemy/usługi będą wyglądać bardzo różnie w zależności od odpowiednich użytkowników, rynków i sektorów. To może oznaczać kilka różnych rzeczy: Po pierwsze, myślę, że wdrożenia mają znacznie większe znaczenie, niż zazwyczaj się sugeruje. To zostało częściowo zinternalizowane w debatach na temat uprzedzeń, gdzie stało się oczywiste, że nie można zmusić modelu do jednoczesnego rozwiązania wszystkich uprzedzeń, które można sobie wyobrazić, a zamiast tego lepszym punktem interwencji jest wdrożenie, biorąc pod uwagę lokalne przepisy i konteksty. Perspektywa skoncentrowana na modelu czasami zachęca do stylu rozumowania, który jest oderwany od instytucjonalnego i specyficznego dla dziedziny kontekstu, w którym ryzyka faktycznie się materializują. Po drugie, aby pokonać Chiny, wyleczyć choroby lub osiągnąć wysokie poziomy wzrostu, nie ma sensu mieć super potężnego modelu, który po prostu leży w piwnicy. Naprawdę potrzebujesz technologii wdrożonej na szeroką skalę. I moim zdaniem będzie to dość trudne, z tych samych powodów, dla których wiele zachodnich gospodarek ma trudności z budowaniem czegokolwiek (mieszkalnictwo, energia, infrastruktura, medtech, finanse konsumenckie itp.). 'Strona wdrożeniowa' jest sparaliżowana przez wiele przestarzałych przepisów, które spowolnią użyteczną adopcję. Weź pod uwagę, jak Londyn wciąż ma kierowców metra, mimo że "zdolność" jest automatyzowalna. Jeśli chcesz, aby AGI pomogło społeczeństwom prosperować, będziesz musiał zająć się wieloma problemami politycznymi, które nie dotyczą AI. Po trzecie, jeśli wdrożenia mają największe znaczenie, to ostatnia obsesja na temat 'suwerennych' modeli AI jest prawdopodobnie myląca. Siła ekonomiczna pochodzi z efektywnego wdrażania AI w całej gospodarce, a nie z posiadania modelu bazowego. Wymaga to zarówno usunięcia barier wdrożeniowych (jak powyżej), jak i pragmatycznego korzystania z najlepszych dostępnych modeli, niezależnie od ich pochodzenia. Bardziej ogólnie, ta sama logika ma zastosowanie poza samymi modelami. Próba przeniesienia wszystkiego lokalnie, czy to poprzez politykę przemysłową, czy protekcjonizm, ignoruje podstawowe realia ekonomiczne. Belgia korzysta bardziej z dostępu do milionów książek niż z posiadania drukarni; podobnie, zaawansowane gospodarki zyskują więcej z inteligentnej specjalizacji i handlu z sojusznikami niż z kosztownych prób autarkii. Nawet jeśli AI jest technologią nienormalną, fundamenty organizacji złożonej produkcji w gospodarkach nie zmieniły się. Jeśli to prawda, wiele pracy politycznej przed nami polega na redukcji tarć wdrożeniowych, ułatwieniu handlu i budowaniu zdolności sektorowych i instytucjonalnych: zawsze-było-atronaut.gif!