W opublikowanym wpisie Satya Nadella opisuje zjawisko, które określa mianem „Reverse Information Paradox” (odwróconego paradoksu informacji). Według niego firmy korzystające z modeli generatywnej AI płacą za usługę dwukrotnie – najpierw pieniędzmi za wykorzystane tokeny, a następnie własną wiedzą organizacyjną, którą muszą przekazać modelowi, aby uzyskać wartościowe odpowiedzi.
AI może uczyć się na danych klientów
Jak podkreśla prezes Microsoftu, modele uczą się nie tylko na podstawie publicznych zbiorów danych, lecz także dzięki promptom użytkowników, wykorzystywanym narzędziom oraz poprawkom nanoszonym przez ludzi. To właśnie te korekty mają stopniowo przekształcać się w wiedzę instytucjonalną, która z czasem zwiększa wartość modeli AI.
Nadella zwraca również uwagę na to, co uważa za niespójność w podejściu części dostawców modeli. Jego zdaniem firmy tworzące modele argumentują, że powinny mieć możliwość trenowania AI na publicznie dostępnych danych, jednocześnie ograniczając klientom możliwość tzw. destylacji modeli, czyli wykorzystywania odpowiedzi modelu do trenowania własnych, mniejszych systemów.
Wymaga to czegoś więcej niż tylko ochrony danych. Modele uczą się na podstawie „wyczerpania”, komend pisanych przez ludzi, narzędzi używanych przez agentów, a zwłaszcza poprawek wprowadzanych przez ludzi, gdy model jest błędny. Każda poprawka jest przekształcana w instytucjonalną wiedzę specjalistyczną. To wiedza, której konkurencja nigdy nie mogłaby kupić, i taka, która wycieka niemal niezauważalnie: ślad po śladzie, korekta po korekcie, ocena po ocenie.
Satya Nadella, szef Microsoftu
W ostatnich miesiącach temat destylacji był szeroko dyskutowany w branży. W lutym Anthropic poinformował o wykryciu prób masowego wykorzystywania odpowiedzi Claude’a przez trzy chińskie laboratoria – DeepSeek, Moonshot AI i MiniMax – do rozwijania własnych modeli, i apelował o zaostrzenie kontroli eksportowych w Stanach Zjednoczonych. Sytuacja jest na tyle poważna, że Anthropic nawet śledził swoich użytkowników, by zapobiec procederowi. Pojawiły się również podejrzenia, że Chińczycy destylowali najpotężniejszy amerykański model AI.
Microsoft stawia na kontrolę nad danymi
Jako rozwiązanie Nadella wskazuje konieczność zachowania przez przedsiębiorstwa pełnej kontroli nad własnymi danymi, promptami, ocenami i informacjami zwrotnymi. Proponuje budowanie prywatnych środowisk uczenia oraz oddzielenie warstwy zarządzającej od konkretnego dostawcy modelu, tak aby firmy mogły łatwo przełączać się między różnymi modelami AI bez uzależniania się od jednego ekosystemu.
W erze chmury przedsiębiorstwa akumulują dane. W erze sztucznej inteligencji akumulują wiedzę. Granica zaufania musi ewoluować w odpowiednim kierunku – od ochrony informacji po ochronę mechanizmów, dzięki którym organizacje uczą się, adaptują i tworzą inteligencję.
Satya Nadella, szef Microsoftu
Według prezesa Microsoftu takie podejście pozwala zatrzymać wewnątrz organizacji wartość powstającą podczas korzystania ze sztucznej inteligencji. Jak napisał: „Konsumując inteligencję, tworzysz inteligencję. A to, co tworzysz, powinno należeć do ciebie”.
Apel niepozbawiony własnego interesu
Warto zaznaczyć, że stanowisko Nadelli nie jest w pełni bezstronne. Microsoft jest inwestorem zarówno w OpenAI, jak i w Anthropic, a jednocześnie – jak wynikało z doniesień z początku lipca – ogranicza zależność od modeli obu tych firm w pakiecie Office, zastępując je własnymi, wewnętrznymi modelami. Proponowane przez Nadellę „warstwy zarządzające” i „prywatne środowiska uczenia” w praktyce oznaczałyby przeniesienie danych klientów do chmury – najczęściej Azure, czyli infrastruktury samego Microsoftu. Nie zmienia to trafności diagnozy dotyczącej ryzyka wycieku wiedzy, ale pokazuje, że proponowane rozwiązanie służy też interesom samego Microsoftu.
Trend, który już widać na rynku
Komentarze Nadelli wpisują się w obserwowany na rynku wzrost zainteresowania modelami o otwartych wagach, uruchamianymi we własnej infrastrukturze przedsiębiorstw. TechCrunch przywołuje wypowiedzi Idit Levine, prezes Solo.io, która twierdzi, że coraz więcej klientów korporacyjnych po początkowych eksperymentach z komercyjnymi modelami decyduje się na wdrażanie otwartych modeli działających lokalnie. Powodem mają być niższe koszty oraz większa kontrola nad danymi i procesem uczenia. Serwis wskazuje również, że podobny wzrost zainteresowania otwartymi modelami obserwują firmy rozwijające narzędzia do przełączania się między różnymi modelami AI, takie jak Vercel i OpenRouter.
0 komentarzy