AI pada hari ini mengingatkan saya akan industri automobil. Pada era 1960-an, 70-an, 80-an dan 90-an, orang ramai terburu-buru memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. Industri berkembang pesat bagi memenuhi permintaan itu, tetapi begitu juga penggunaan bahan api, kesesakan dan pencemaran.
Kecekapan tiba kemudiannya. Apabila pengilang Jepun mula serius mengenai kecekapan bahan api, kebolehpercayaan, pembuatan ramping dan kejuruteraan praktikal, mentaliti berubah daripada sekadar menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Seperti kata gurauan, “Jika pembakaran lebih banyak bahan api dapat menghasilkan kereta yang lebih baik, kereta kebal akan menjadi kenderaan keluarga yang sempurna.”
China juga mengalami peralihan yang serupa. Pada peringkat awal perindustrian, pertumbuhan agresif dan kerosakan alam sekitar amat ketara. Namun dari tahun 2000-an ke atas, sektor pembuatan menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, EV berkembang pesat, dan pengeluaran yang lebih bersih menjadi keutamaan yang lebih besar.
China tidak berhenti memperindustrian; ia belajar untuk memperindustrian dengan cara yang berbeza. Teknologi terus berkembang, tetapi cara ia direka bentuk dan digunakan menjadi lebih praktikal dan berhemat sumber.
AI kini menghampiri persimpangan yang sama. Pada hari ini, semua orang mahukan model yang lebih besar, lebih banyak ejen, tetingkap konteks yang lebih panjang, lebih banyak GPU dan berbilion token. Hampir terdapat andaian bahawa penggunaan AI yang lebih banyak bermaksud sistem yang lebih maju. Tetapi itu ibarat berkata, “Kereta saya menggunakan dua kali lebih banyak petrol, jadi ia mesti dua kali lebih bijak.”
Soalan sebenarnya bukanlah, “Berapa banyak AI yang boleh kita gunakan?” Sebaliknya, “Berapa sedikit AI yang sebenarnya kita perlukan untuk menyelesaikan masalah dengan betul?” Inilah sebabnya seni bina seperti Penghalaan Pintar, Segmentasi dan Sistem Berasingan penting.
Penghalaan Pintar menghantar tugas mudah kepada model yang lebih kecil atau perisian konvensional, manakala model lanjut hanya digunakan apabila penaakulan yang lebih mendalam benar-benar diperlukan. Segmentasi memecahkan masalah besar kepada tugas yang lebih kecil, mengurangkan konteks, penggunaan token dan pengkomputeran yang tidak perlu. Sistem Berasingan memindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik ke luar model AI. AI mengendalikan kecerdasan; perisian mengendalikan kepastian.
Jika direka bentuk sedemikian, sistem AI dapat mengurangkan penggunaan token, kos inferens, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga sambil meningkatkan kebolehpercayaan dan keboleyskalaan. Inilah di mana kecekapan AI dan ESG harus bersatu. Kita sudah tahu apa yang berlaku apabila teknologi diterima pakai dahulu dan dioptimumkan beberapa dekad kemudian. Masa depan AI bukan sekadar lebih banyak kecerdasan, tetapi kecerdasan yang lebih cekap - menggunakan AI lanjut hanya apabila kecerdasan lanjut benar-benar diperlukan.
