W 2025 roku sektor AI będzie dojrzalszy i bardziej świadomy własnych ograniczeń. Wielkie modele językowe (LLM), które w dużej mierze wykorzystały już publicznie dostępne zasoby internetu, zaczną wyraźniej zbliżać się do granic prostego skalowania.
Jak zauważył Ilya Sutskever: „dane to paliwo kopalne AI” – internet nie jest niewyczerpany. Dlatego w nadchodzącym roku coraz więcej uwagi poświęcać się będzie efektywniejszym rozwiązaniom, takim jak SLM (Small Language Models), które są tańsze, bardziej energooszczędne i, przy odpowiedniej optymalizacji, oferują porównywalną jakość.
Multimodalność na wyciągnięcie ręki
Rok 2025 przyniesie także upowszechnienie multimodalności. Najnowsze rozwiązania, jak Google PaLI-GEMMA 2, będą integrować dane tekstowe, wizualne i inne rodzaje informacji, pozwalając na pełniejsze, wielowymiarowe rozumienie świata. Jednocześnie coraz łatwiejsze stanie się dostosowywanie tych modeli do specyficznych potrzeb, nawet korzystając z własnego sprzętu – co jeszcze niedawno wydawało się nieosiągalne.
Era optymalizacji w AI
Wzrośnie również presja na racjonalizację wydatków związanych z infrastrukturą. Dotychczas kosztowny sprzęt do trenowania modeli przynosił większe przychody niż wszystkie pozostałe obszary AI razem wzięte, co ograniczało rentowność ekosystemu. Jednak w 2025 roku zaobserwujemy odejście od wyłącznego polegania na dużych, komercyjnych API w kierunku samodzielnych, zoptymalizowanych wdrożeń. Pozwoli to lepiej wykorzystać dostępne zasoby i zwiększyć opłacalność inwestycji w sztuczną inteligencję.
Autorem komentarza jest Mateusz Chechliński, członek AI Chamber i CEO Appotype.