Dalyvaudamas Europos Sąjungos (ES) lygmens diskusijose matau aiškią tendenciją: Europa ambicingai kalba apie dirbtinį intelektą (DI), tačiau jos gebėjimas paversti jį realiu konkurencingumo ir produktyvumo įrankiu vis dar išlieka per lėtas.
Atstovaudamas Lietuvos pramonei, į DI pirmiausia žiūriu per praktiškumo prizmę ir šį požiūrį nuosekliai įgarsinu Briuselyje – man svarbu ne tai, kaip DI atrodo strateginiuose dokumentuose, o kaip konkretūs sprendimai veiks realią ekonomiką, pramonę, investicijas ir darbo vietas.
Beveik visų šiuo metu Briuselyje svarstomų strateginių dokumentų ištakos – pernykštė Mario Draghi konkurencingumo ataskaita. Ji labai aiškiai pasiuntė signalą: jei Europa nori išlikti konkurencinga, vien tik gerų idėjų nebeužtenka. Reikia greitesnio sprendimų įgyvendinimo ir mažiau fragmentacijos. Kitaip tariant, mažiau planų dėl planų ir daugiau realių rezultatų. Tai visiškai tiesiogiai liečia ir dirbtinį intelektą.
Vienas iš praėjusią savaitę Briuselyje svarstytų dokumentų – Europos Komisijos siūloma „Dirbtinio intelekto taikymo strategija“ (angl. „Apply AI Strategy“), kuriai Europos ekonomikos ir socialinių reikalų komitetas rengia savo nuomonę.
Pagrindinė šios strategijos idėja: dirbtinis intelektas turi tapti kasdieniu įrankiu verslui ir viešajam sektoriui, o ne tik patrauklia konferencijų tema ar buitiniu „ChatGPT“ panaudojimu.
Tačiau šiandien realybė toli gražu ne tokia optimistinė.
Skaičiai kalba patys už save. Šiuo metu dirbtinį intelektą naudoja tik apie 13,5 proc. ES įmonių ir vos 12,6 proc. mažų ir vidutinių įmonių, kurios sudaro Europos ekonomikos stuburą. Būtent todėl ir gimė ši strategija – tam, kad būtų realiai įgyvendintas vadinamasis „DI pirmiausia“ principas, numatantis konkrečius veiksmus sveikatos apsaugoje, gamyboje, energetikoje, mobilume, gynyboje ir viešajame sektoriuje. Strategijoje taip pat planuojama mobilizuoti apie 1 mlrd. eurų tiesioginiam DI diegimui. Logika aiški: sprendimai turi būti praktiški, suprantami ir tokie, kuriais žmonės iš tiesų naudotųsi.
Kur Europa yra šiandien? DI srityje Europą galima apibūdinti taip: stipri laboratorijose, bet silpna rinkose. Turime puikių tyrėjų ir keletą sparčiai augančių įmonių, tačiau atsiliekame nuo JAV ir Kinijos ten, kur DI lenktynės laimimos praktiškai – kapitalu, skaičiavimo pajėgumais, mastu ir greitu diegimu.
Problemos gana aiškios. Pirmiausia – investicijų mastas ir rizikos kapitalas. JAV patirtis rodo, kad DI ekosistemos greitis tiesiogiai priklauso nuo to, kiek greitai perspektyvios įmonės gali pritraukti didelius finansinius išteklius modeliams, duomenims, talentams ir infrastruktūrai. 2023 m. rizikos kapitalo investicijos į DI ES siekė apie 8 mlrd. JAV dolerių, kai JAV – apie 68 mlrd., o Kinijoje – apie 15 mlrd. Tai reiškia, kad europietiški startuoliai dažnai atsiduria ne „Silicio slėnyje“, o vadinamajame „mirties slėnyje“ – idėja ir komanda yra, bet trūksta lėšų proveržiui į globalias rinkas.
Antra, skaičiavimo pajėgumai (angl. compute). Generatyviniam DI „žaliava“ yra GPU (angl. Graphics Processing Unit, lietuviškai – grafinis procesorius: specializuotas procesorius, galintis atlikti labai daug skaičiavimų vienu metu ir todėl būtinas dirbtinio intelekto modelių kūrimui, mokymui ir veikimui), akceleratoriai ir duomenų centrai. ES dalis globaliuose pajėgumuose išlieka maža, o JAV pranašumas – daugkartinis (minima net apie 17 kartų didesnė JAV DI superkompiuterinė galia nei ES). Tai kuria uždarą ratą: daugiau skaičiavimo pajėgumų reiškia geresnius modelius, daugiau investicijų ir dar didesnį atotrūkį.
Trečia – vadinamieji „frontier“ modeliai ir platformų ekonomika. 2024 m. JAV institucijos sukūrė 40 reikšmingų DI modelių, Kinija – 15, Europa – vos 3. Šie pažangiausi modeliai tampa platformomis, aplink kurias kuriasi visa ekonomika – nuo papildinių iki B2B sprendimų. Kas valdo platformą, tas dažniausiai susirenka ir didžiausią vertės dalį.
Galiausiai – lėtas diegimas versle ir viešajame sektoriuje. Net jei Europa nesiektų dominuoti kuriant universalius modelius, ji galėtų laimėti per masinį DI pritaikymą. Tačiau šiandien tempas, ypač tarp mažų ir vidutinių įmonių, vis dar nepakankamas.
Neseniai priimtas Dirbtinio intelekto aktas buvo pirmas rimtas Europos žingsnis kuriant bendras žaidimo taisykles. Tai svarbu pasitikėjimui ir rinkos vientisumui. Tačiau kartu tai kelia daug praktinių klausimų pramonei: kiek kainuos atitiktis, kiek užtruks diegimas, ar taisyklės skatins, ar stabdys inovacijas. 2025–2027 metai bus tikrasis šio akto egzaminas.
Ar Europa gali pasivyti JAV? Jei kalbame apie lyderystę universalių modelių kūrime – specialistai linkę atsakyti itin atsargiai: „vargu“. Tačiau jei „pasivyti“ reiškia uždirbti iš DI per kryptingą ir masinį pritaikymą, Europa turi realų šansą. Būtent tai ir žymi naujoji DI taikymo strategija – posūkį nuo horizontalių ambicijų prie vertikalių sprendimų.
Sveikatos apsauga, robotika, gamyba, gynyba, mobilumas – tai sritys, kur Europa jau turi tvirtą pramoninį pagrindą ir kur DI gali greičiausiai duoti apčiuopiamą naudą.
Lietuvai ši diskusija nėra teorinė. Lietuvos pramonė jau šiandien susiduria su darbo jėgos trūkumu, augančiomis sąnaudomis ir globalia konkurencija. Dirbtinis intelektas gali tapti ne pasirinkimu, o būtinybe. Tačiau tam reikia ne tik technologijų, bet ir aiškių ES taisyklių, infrastruktūros, kompetencijų ir finansavimo.
Todėl Lietuvos pramonės balsas Briuselyje – per LPK ir kitas platformas – yra itin svarbus. Jei Europa sugebės paversti dirbtinį intelektą realiu produktyvumo įrankiu, o ne tik reguliavimo objektu, Lietuvos pramonė turi visas galimybes būti tarp tų, kurie iš šios transformacijos laimi.
Komentaro autorius – Lietuvos pramonininkų konfederacijos atstovas prie Europos ekonomikos ir socialinių reikalų komiteto Eitvydas Bajarūnas.
Kopijuoti, platinti, skelbti ELTA turinį be ELTA raštiško sutikimo draudžiama.
