“Care e sansa Romaniei in era AI?” Primesc aceasta intrebare destul de des, ultima oara la conferinta nationala CIO Council. Desi prima oara imi vine in minte citatul al lui Yogi Berra, "It’s tough to make predictions, especially about the future”, corelez experienta proprie cu cercetari riguroase pentru a formula un raspuns.
Impart intrebarea in doua parti, prima este "Care e viitorul in AI?" si apoi "Ce putem invata din trecut, din experienta Romaniei cu ultima tehnologie cu un impact major, in era Internet?"
Pare din ce in ce mai clar ca evolutia inteligentei artificiala se apropie de un platou, cel putin temporar, in trecerea de la antrenarea sistemelor (modelelor) din texte, la pregatirea vizuala a acestora prin video si prin observarea in timp real a lumii. Un copil de cativa ani intelege lumea mai bine, prin ceea ce vede, decat cele mai avansate modele, care o fac doar prin ceea ce citesc despre lume.
De aceea, pare ca in acest moment, exista sansa ca “viitorul in AI” sa nu fie dominat doar de capital si sa permita si unor jucatori mai mici, dar si extrem de eficienti, sa conteze, atat timp cat sunt focusati pe competenta si si orientati catre rezultat. Sunt trei motive pe care le iau in calcul:
Primul, combina observatiile proprii cu cercetari facute la marile universitati. Marea "revolutie" atunci cand a fost lansat GPT5 nu a fost modelul in sine, care a fost doar marginal superior celor anterioare, ci "AI Model Routing Engine", ceea ce permite analiza cererilor utilzatorilor si rutarea acestora, in spate, catre modelul optim, cererile simple ajung la modelele mai vechi si mai eficiente, iar cele complexe catre cele cu adevarat avansate. Acest lucru a permis pe de o parte eficienta si reduc costurile OpenAI, pe de alta specializarea, trimiterea cererilor catre modele mai complexe pentru raspunsuri relevante.
Cercetarile realizate la MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) aflat in coordonarea romancei Daniela Rus, si in special lucrarea "Meek Models Shall Inherit the Earth" de Hans Gundlach si cu contributia Jayson Lynch si Neil Thomson au concluzionat ca "diferente semnificative in investitiile in capacitati duc doar la diferente modeste in performanta masurata pe criterii importante", iar modelele mai mici, dezvoltate cu resurse mai reduse dar rafinate in timp, recupereaza rapid avantajul competitiv al celor gigantice in care se pompeaza miliarde. Retineti in acest context si termenul SLM, Small Language Models care pot fi extrem de specializate si in consecinta foarte eficienta, practic concluzia find ca noi metode tehnice pot schimba radical modul in care dezvoltam inteligenta artificiala.
Rezultatul concret este ca impreunand un "AI Routing Model Engine" (si actionand specializat, de exemplu, medicina la medicina, fizica la fizica, matematica la matematica), in cazurile necesare combinand rezultatele cu un “rationing engine” si impreuna cu mai multe modele mai mici, dar foarte specializate, se poate contrui o alternativa viabila - sau chiar mai buna – comparativ cu pomparea de miliarde in Large Language Models (LLM) precum ChatGPT.
Al doilea motiv este legat de perisabilitatea tehnologiei in sine. Placile cele mai avansate de la nVIDIA detin perisabile in timp datorita evolutiei rapide a tehnologiei. Aproape jumatate din investitiile de astazi in capacitati de procesare (Datacentere) sunt in placi de procesare care vor deveni uzate moral in doi pana la trei ani, ceea ce inseamna ca vor trebuie inlocuite sau upgradate pentru a tine pasul.
Un jucator care intra mai tarziu, poate “sa sara” direct la tehnologia superioara.
Al treilea motiv este evolutia software-ului, pe care se bazeaza in primul rand Inteligenta Artificiala, acolo unde poate aparea oricand un punct de cotitura. Sunt mii de cercetatori care studiaza in aceasta directie. Inteligenta Artificiala in sine, desi exista de zeci de ani, a devenit populara datorita revolutiei numita Transformer, publicata in lucrarea de cercetare “Attention is All You Need” de o echipa de la Google, condusa de Ashish Vaswani care a reusit sa inteleaga in sfarsit ce ne dorim, intentia noastra, si sa caute eficient.
Iar atunci cand DeepSeek a facut senzatie - si o situatie de acest gen poate aparea oricand - a reusit sa ajunga la un nivel similar modelelor mai avansate datorita unei evolutii software, unui set de optimizari pentru eficienta.
Experienta ne arata ca, asa cum s-a intamplat in era Internet, atunci cand Romania a "sarit” etapa Internet-ului de viteza redusa prin dial-up si a trecut aproape direct la fibra optica si a reusit apoi sa devina lider in viteza de acces, la fel si in era AI exista o sansa, folosind invatamintele de atunci si punand cap la cap realitatile de astazi.
Fereastra de oportunitate este insa foarte redusa si competente esentiale sunt critice, pentru ca investitiile de sute de miliarde, trebuie compensate cu inteligenta si cunoastere.
