Τον Απρίλιο, η Νότια Αφρική απέσυρε το σχέδιο εθνικής πολιτικής τεχνητής νοημοσύνης, αφού διαπιστώθηκε ότι περιείχε πλαστές ακαδημαϊκές αναφορές — οι οποίες αποδείχθηκαν «παραισθήσεις» της ίδιας της ΤΝ. Η πολιτική είχε εν μέρει συνταχθεί με τη βοήθεια ΤΝ. Η ειρωνεία ήταν δύσκολο να αγνοηθεί: ένα πλαίσιο που σχεδιάστηκε για να ρυθμίσει την ΤΝ υπονομεύτηκε από την ίδια την τεχνολογία που επιχειρούσε να ελέγξει.
Πέρα όμως από τις πλαστές αναφορές, υποκρύπτεται ένα βαθύτερο πρόβλημα. Το έγγραφο αντανακλούσε μια γενικότερη παραδοχή που διαπερνά την παγκόσμια πολιτική ΤΝ: ότι τα συστήματα ΤΝ θα οικοδομηθούν αναπαράγοντας το ίδιο υπολογιστικό μοντέλο που πρωτοπορήθηκε στη Silicon Valley για τις πλούσιες οικονομίες. Τα σύγχρονα συστήματα ΤΝ αναπτύχθηκαν υπό συνθήκες εξαιρετικής αφθονίας: φθηνό κεφάλαιο, άφθονη ενέργεια, τεράστιες υπολογιστικές υποδομές και πρόσβαση σε γη και νερό για ψύξη. Αυτό διαμόρφωσε την πεποίθηση ότι η κατασκευή ολοένα μεγαλύτερων μοντέλων είναι ο δρόμος προς τα εμπρός.
Η ενεργειακή πραγματικότητα
Τα κέντρα δεδομένων είναι γνωστά για την τεράστια κατανάλωση νερού και ηλεκτρικής ενέργειας. Η Νότια Αφρική είναι μια χώρα με λειψυδρία και μέχρι πριν από ένα χρόνο κατέφευγε σε προγραμματισμένες διακοπές ρεύματος. Ο Pelonomi Moiloa, επιστήμονας που κατασκευάζει γλωσσικά μοντέλα διαφόρων μεγεθών για αναδυόμενες οικονομίες στη Lelapa AI του Γιοχάνεσμπουργκ, βλέπει αυτή την ασυμφωνία ως θεμελιώδες στρατηγικό λάθος.
Η Διεθνής Υπηρεσία Ενέργειας προβλέπει ότι η παγκόσμια κατανάλωση ηλεκτρικής ενέργειας για κέντρα δεδομένων θα υπερδιπλασιαστεί μεταξύ 2024 και 2030, φτάνοντας τις 945 τεραβατώρες — σχεδόν όσο η ετήσια κατανάλωση της Ιαπωνίας το 2025. Ακόμη και σε περιοχές με πλούσιες υποδομές, όπως οι ΗΠΑ και η Ιρλανδία, τα δίκτυα ηλεκτρισμού δυσκολεύονται να συμβαδίσουν με την ταχεία ανάπτυξη της ΤΝ, προκαλώντας αντιδράσεις από τις τοπικές κοινότητες.
Οικονομικές και γλωσσικές προκλήσεις
Υπάρχουν και οικονομικοί περιορισμοί. Το κόστος υλικού και λειτουργίας είναι υψηλό ακόμη και στις πιο πλούσιες αγορές, ενώ οι περισσότερες εταιρείες ΤΝ δεν έχουν ακόμη κερδοφορία από τις πωλήσεις προϊόντων ΤΝ. Για να επεκτείνουν γρήγορα τις υποδομές τους, ορισμένες εταιρείες βασίζονται σε ιδιωτικό δανεισμό — εγείροντας ερωτήματα για το αν ο ρυθμός των κεφαλαιουχικών δαπανών μπορεί να διατηρηθεί μόνο από τα έσοδα.
Ένα επιπλέον ζήτημα είναι η γλωσσική απόδοση. Τα κυρίαρχα μοντέλα ΤΝ εκπαιδεύονται κυρίως σε αγγλικά και κινεζικά δεδομένα. Για γλώσσες όπως τα σετσουάνα, η ζουλού ή άλλες αφρικανικές γλώσσες, τα μοντέλα αποδίδουν εξαιρετικά φτωχά — όχι λόγω κάποιου τεχνικού εμποδίου, αλλά επειδή η αγορά δεν παρέχει κίνητρα για ανάπτυξη σε αυτές. Η Νότια Αφρική έχει 12 επίσημες γλώσσες, αλλά τα εργαλεία ΤΝ υποστηρίζουν ελάχιστες από αυτές.
Η ανάγκη για τοπικά μοντέλα
Η Moiloa υποστηρίζει ότι οι αναδυόμενες οικονομίες χρειάζονται τα δικά τους μοντέλα ΤΝ, σχεδιασμένα για τις τοπικές συνθήκες. Μικρότερα, αποδοτικότερα μοντέλα που τρέχουν σε λιγότερο ενεργοβόρο υλικό, εκπαιδευμένα σε τοπικές γλώσσες και προσαρμοσμένα σε συγκεκριμένες πολιτισμικές ανάγκες. Η Lelapa AI, για παράδειγμα, αναπτύσσει αποδοτικά γλωσσικά μοντέλα που λειτουργούν σε περιορισμένους υπολογιστικούς πόρους.
Το όραμα της Silicon Valley για μια ενιαία, παγκόσμια προσέγγιση στην ΤΝ δεν είναι απλώς ανέφικτο για πολλές χώρες — είναι θεμελιωδώς ελαττωματικό. Κάθε χώρα χρειάζεται το δικό της σχεδιασμό, λαμβάνοντας υπόψη τις ενεργειακές δυνατότητες, τις γλωσσικές ανάγκες και τις οικονομικές πραγματικότητες. Η πραγματική πρόοδος στην ΤΝ δεν θα έρθει από την επιβολή ενός ενιαίου μοντέλου, αλλά από την προσαρμογή στις μοναδικές ανάγκες κάθε κοινωνίας.