Moment selekcji
Nie wiem, czy zauważyliście, ale ostatnio mniej jest entuzjastycznych i pozytywnych doniesień na temat sztucznej inteligencji. Choć nadal pojawiają się kolejne narzędzia budowane na bazie głównych, udostępnionych już modeli a nad innymi kolejne zespoły pilnie pracują, to jednak od dawna nie było już nic super-przełomowego. Co więcej, niektóre narzędzia okazują się być nie do końca tak użyteczne jak się oczekiwało – np. personal.ai. Inne z kolei robią różne pożyteczne rzeczy, ale żeby były one takimi trzeba troszkę popracować – dobrze napisać instrukcję dla modelu (ang. prompt), przemyśleć co się chce i tak dalej. Pojawiają się więc różne komunikaty o tym, że to nie jest wcale takie przełomowe, że te modele to jednak nie są jeszcze „prawdziwą” sztuczną inteligencją i tak dalej.
Nie wiem, czy wiesz, ale tak dokładnie było z każdą nową technologią.
Zawsze po fascynacji nową technologią, która stała się szerzej dostępna a przez to powszechnie widoczna dla ludzi następowało zderzenie marzeń z rzeczywistością. Zderzenie tym boleśniejsze, że w swojej wczesnej wersji technologia nie mogła tym marzeniom sprostać, a w każdym razie nie wszystkim. A zarazem zderzenie naturalne, bo co bardziej wybujałe marzenia nie były w ogóle realizowalne.
I tak na przykład z chwilą odkrycia energii nuklearnej wydawało się, że za chwilę wszystko będzie napędzane atomowo łącznie ze statkami handlowymi i samolotami. Jak wiemy nic takiego nie miało miejsca, natomiast w praktyce energia atomowa pozostaje najczystszym i najbardziej niezawodnym sposobem generowania elektryczności na dużą skalę. Kiedy wprowadzano komputery powszechnie do biur to jakoś w okolicach 1985 roku pojawiło się szeroko hasło „paperless office” czyli biura bez papieru, do czego realnie zbliżyliśmy się dopiero w ostatnich latach, bo teraz mało komu przechodzi do głowy drukować e-maile. Kiedy pojawiła się sprzedaż przez Internet to traktowano to jako ciekawostkę, potem nastąpił „dot-com boom” roku 2000, po nim było rozczarowanie – a teraz większość rzeczy kupuje się przez Internet i jest to normalne. I tak dalej, i tak dalej…
Dodajmy, że dokładnie tak samo jest z obawami – każda technologia to także zagrożenie, czy to bezpośrednie (kocioł może wybuchnąć, prąd może porazić itp.) czy to pośrednie (utrata pracy, biznesu itp.). I tu również jest taki cykl, że na początku te obawy są znacząco przesadzone, ale wiele osób im ulega a potem okazuje się, że i owszem są jakieś problemy – np. ileś tam osób rocznie ginie w wyniku porażenia prądem – ale zasadniczo nie było to takie strasznie straszne (o obawach w odniesieniu do AI mówię tutaj).
Gartner zrobił z tego nawet oficjalny model – Gartner Hype Cycle, który w skrócie wygląda tak:
Ze sztuczną inteligencją jesteśmy teraz właśnie w momencie rozpoczynania się zjazdu w dolinę rozczarowania. Eksplozja technologii to był przede wszystkim zeszły rok a szczyt marzeń (i obaw) to pierwsza połowa roku bieżącego.
Wszystko to fajnie objaśnia nam wydarzenia społeczne – kwestię reakcji na technologię – z którymi mamy do czynienia. Jakie jednak z tego można wyciągnąć praktyczne wnioski?
Otóż zjazd w dolinę rozczarowania to moment selekcji. Selekcji na tych, którzy utraciwszy na tym etapie zainteresowanie tematem odpadną – i tych, którzy pogłębiając wiedzę, budując rozwiązania, korzystając z nowej technologii czy nawet rozwijając ją będą w jakimś stopniu korzystać kiedy osiągnie ona „płaskowyż produktywnej normalności” czyli kiedy stanie się ona normalną częścią życia (co w tym przypadku nastąpi w ciągu paru lat).
Właśnie dlatego model „Cyklu zachwytu” (Hype cycle) jest taki cenny, bo objaśniając sytuację pozwala opanować emocje i na zimno zastanowić się: czy uważasz ten trend za trwały i chcesz się tym zająć, by później „odcinać kupony” czy przeciwnie, wzruszasz ramionami i „wysiadasz”. Twój wybór.