AI hari ini sering mengingatkan saya kepada industri automotif. Pada era 1960-an, 70-an, 80-an dan 90-an, ramai yang bergegas memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. Industri berkembang pantas untuk memenuhi permintaan itu, tetapi bersama-sama meningkat juga penggunaan bahan api, kesesakan trafik dan pencemaran.
Kecekapan baru muncul kemudian. Apabila pengeluar Jepun mula menekankan kecekapan bahan api, kebolehpercayaan, pembuatan lean dan kejuruteraan praktikal, fikiran berubah daripada sekadar menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Seperti kata pepatah itu, “Jika membakar lebih banyak bahan api boleh menghasilkan kereta yang lebih baik, maka kereta kebal akan menjadi kenderaan keluarga yang sempurna.”
China juga melalui peralihan yang sama. Pada peringkat awal perindustrian, pertumbuhan agresif dan kerosakan alam sekitar amat ketara. Tetapi sejak tahun 2000-an, pembuatan menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, EV (kenderaan elektrik) melonjak pesat, dan pengeluaran yang lebih bersih menjadi keutamaan yang lebih besar.
China tidak berhenti perindustrian; ia belajar untuk memperindustrian dengan cara yang berbeza. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal dan lebih peka terhadap sumber.
AI kini berada di persimpangan yang sama. Hari ini, semua orang mahukan model yang lebih besar, lebih banyak agen, tetingkap konteks lebih panjang, lebih banyak GPU dan berbilion token. Wujud andaian bahawa lebih banyak penggunaan AI bermakna sistem yang lebih canggih. Tetapi itu sama seperti mengatakan, “Kereta saya menggunakan dua kali lebih banyak petrol, jadi ia pasti dua kali lebih pandai.”
Soalan sebenarnya bukan, “Berapa banyak AI yang boleh kita gunakan?” Sebaliknya, ia haruslah, “Berapa sedikit AI yang sebenarnya kita perlukan untuk menyelesaikan masalah ini dengan betul?” Itulah sebabnya seni bina seperti Smart Routing, Segmentation dan Sistem Berasingan penting.
Smart Routing menghantar tugas mudah kepada model yang lebih kecil atau perisian konvensional, manakala model canggih hanya digunakan apabila penaakulan mendalam benar-benar diperlukan. Segmentation 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 keluar daripada model AI. AI menangani kecerdasan; perisian menangani kepastian.
Jika direka sedemikian, sistem AI boleh mengurangkan penggunaan token, kos inferens, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga sambil meningkatkan kebolehpercayaan dan kebolehskalaan. Di sinilah kecekapan AI dan ESG seharusnya bertemu. Kita sudah tahu apa yang berlaku apabila teknologi diterapkan dahulu dan dioptimumkan beberapa dekad kemudian. Masa depan AI bukan sekadar lebih banyak kecerdasan, tetapi kecerdasan yang lebih cekap - menggunakan AI canggih hanya apabila kecerdasan canggih benar-benar diperlukan.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
Malinaw ang paliwanag tungkol sa 200 at madaling sundan.
First piece I have read that treats sejak tahun 200 2000 honestly.
Useful. We are dealing with ramai yang bergegas memiliki kereta right now.
Kecekapan baru muncul kemudian - that is the whole thing in one line.
The case for apabila pengeluar jepun mula menekankan is well made.
Still thinking about fikiran berubah daripada sekadar menghasilkan.