როგორც Google Cloud-ის პროდუქტის ვიცე-პრეზიდენტი, მაიკლ გერსტენჰაბერი ძირითადად მუშაობს Vertex AI-ზე, კომპანიის ერთიან პლატფორმაზე კორპორაციული ხელოვნური ინტელექტის დასანერგად. ეს მას საშუალებას აძლევს, მაღალი დონიდან დაინახოს, თუ როგორ იყენებენ კომპანიები AI მოდელებს რეალურად, და რა არის ჯერ კიდევ გასაკეთებელი აგენტური AI-ს პოტენციალის სრულად გასახსნელად. როდესაც გერსტენჰაბერს ვესაუბრე, განსაკუთრებით გამაოცა ერთმა იდეამ, რომელიც მანამდე არ მომესმინა. მისი თქმით, AI მოდელები ერთდროულად სამ ზღვარს უბიძგებენ: ნედლი ინტელექტი, რეაგირების დრო და მესამე თვისება, რომელიც ნაკლებად უკავშირდება ნედლ შესაძლებლობებს და უფრო მეტად ხარჯებს – რამდენად იაფად შეიძლება მოდელის დანერგვა იმისთვის, რომ მან იმუშაოს მასშტაბურ, არაპროგნოზირებად პირობებში. ეს არის მოდელის შესაძლებლობებზე ფიქრის ახალი ხერხი და განსაკუთრებით ღირებული მათთვის, ვინც ცდილობს ინოვაციური მოდელები ახალი მიმართულებით წაიწიოს. ეს ინტერვიუ რედაქტირებულია მოცულობისა და სიცხადისთვის. დაიწყეთ თქვენი გამოცდილების გაზიარებით ხელოვნური ინტელექტის სფეროში და იმით, თუ რას აკეთებთ Google-ში. ხელოვნურ ინტელექტში დაახლოებით ორი წელია ვარ. წელიწადნახევარი Anthropic-ში ვიყავი, Google-ში კი თითქმის ნახევარი წელია ვარ. მე ვმართავ Vertex AI-ს, Google-ის დეველოპერულ პლატფორმას. ჩვენი მომხმარებლების უმეტესობა ინჟინრები არიან, რომლებიც ქმნიან საკუთარ აპლიკაციებს. მათ სურთ აგენტურ შაბლონებზე წვდომა. მათ სურთ აგენტურ პლატფორმაზე წვდომა. მათ სურთ წვდომა მსოფლიოს ყველაზე ჭკვიანი მოდელების ინფერენციაზე. მე მათ ამას ვაწვდი, მაგრამ თავად აპლიკაციებს არ ვაწვდი. ეს Shopify-ის, Thomson Reuters-ის და ჩვენი სხვადასხვა მომხმარებლის პრეროგატივაა, რომ უზრუნველყონ საკუთარ დომენებში. რამ მიგიზიდათ Google-ში? ვფიქრობ, Google უნიკალურია მსოფლიოში იმით, რომ ჩვენ გვაქვს ყველაფერი ინტერფეისიდან ინფრასტრუქტურულ ფენამდე. ჩვენ შეგვიძლია ავაშენოთ მონაცემთა ცენტრები. შეგვიძლია ვიყიდოთ ელექტროენერგია და ავაშენოთ ელექტროსადგურები. გვაქვს საკუთარი ჩიპები. გვაქვს საკუთარი მოდელი. გვაქვს ინფერენციის ფენა, რომელსაც ვაკონტროლებთ. გვაქვს აგენტური ფენა, რომელსაც ვაკონტროლებთ. გვაქვს API-ები მეხსიერებისთვის, კოდის შერეული წერისთვის. ამის გარდა, გვაქვს აგენტური ძრავა, რომელიც უზრუნველყოფს შესაბამისობასა და მმართველობას. და შემდეგ, ჩვენ გვაქვს ჩატის ინტერფეისიც Gemini enterprise-ით და Gemini chat-ით მომხმარებლებისთვის, არა? ასე რომ, აქ მოსვლის ერთ-ერთი მიზეზი ის იყო, რომ Google უნიკალურად ვერტიკალურად ინტეგრირებულად მივიჩნიე და ეს ჩვენი სიძლიერეა. უცნაურია, რადგან, კომპანიებს შორის ყველა განსხვავების მიუხედავად, ისეთი შეგრძნებაა, თითქოს სამივე დიდი ლაბორატორია შესაძლებლობების თვალსაზრისით ძალიან ახლოს არის. ეს უბრალოდ მეტი ინტელექტისკენ სწრაფვაა, თუ უფრო რთული საკითხია? მე სამ ზღვარს ვხედავ. Gemini Pro-ს მსგავსი მოდელები მორგებულია ნედლ ინტელექტზე. დაფიქრდით კოდის წერაზე. თქვენ უბრალოდ გსურთ საუკეთესო კოდი, რაც შეგიძლიათ მიიღოთ, არ აქვს მნიშვნელობა 45 წუთი დასჭირდება თუ არა, რადგან მისი შენარჩუნება და პროდუქციაში გაშვება მიწევს. მე უბრალოდ საუკეთესო მინდა. შემდეგ არის კიდევ ერთი ზღვარი შეყოვნებასთან (latency) დაკავშირებით. თუ მომხმარებელთა მხარდაჭერას ვაკეთებ და უნდა ვიცოდე, როგორ გამოვიყენო პოლიტიკა, ამ პოლიტიკის გამოსაყენებლად ინტელექტია საჭირო. ნებადართულია თუ არა დაბრუნების ტრანზაქცია? შემიძლია თუ არა ჩემი ადგილის გაუმჯობესება თვითმფრინავში? მაგრამ არ აქვს მნიშვნელობა, რამდენად მართალი ხარ, თუ პასუხის მიღებას 45 წუთი დასჭირდა. ამ შემთხვევებისთვის გსურთ ყველაზე ინტელექტუალური პროდუქტი ამ შეყოვნების ბიუჯეტის ფარგლებში, რადგან მეტი ინტელექტი აღარ არის მნიშვნელოვანი, როდესაც ადამიანი მოიწყენს და ტელეფონს გათიშავს. და შემდეგ არის ეს უკანასკნელი კატეგორია, სადაც ისეთ კომპანიებს, როგორიცაა Reddit ან Meta, სურთ მთელი ინტერნეტის მოდერაცია. მათ აქვთ დიდი ბიუჯეტები, მაგრამ არ შეუძლიათ კორპორაციული რისკის აღება რაიმეზე, თუ არ იციან, როგორ მასშტაბირდება ის. მათ არ იციან, რამდენი ტოქსიკური პოსტი იქნება დღეს ან ხვალ. ამიტომ მათ უნდა შეზღუდონ თავიანთი ბიუჯეტი მოდელისთვის, რომელიც უზრუნველყოფს უმაღლეს ინტელექტს, რისი საშუალებაც აქვთ, მაგრამ ის უნდა იყოს მასშტაბირებადი უსასრულო რაოდენობის თემებზე. და ამისთვის, ღირებულება ხდება ძალიან, ძალიან მნიშვნელოვანი. ერთ-ერთი რამ, რაც მაფიქრებს, არის ის, თუ რატომ სჭირდება აგენტურ სისტემებს ასეთი დიდი დრო დანერგვისთვის. ისეთი შეგრძნებაა, თითქოს მოდელები არსებობს და საოცარი დემო ვერსიები მინახავს, მაგრამ ვერ ვხედავთ იმ ტიპის მნიშვნელოვან ცვლილებებს, რასაც ერთი წლის წინ ველოდი. თქვენი აზრით, რა აფერხებს ამას? ეს ტექნოლოგია ძირითადად ორი წლისაა და ჯერ კიდევ ბევრი აკლია ინფრასტრუქტურას. ჩვენ არ გვაქვს აუდიტის შაბლონები იმისთვის, თუ რა