Τα ασταθή μαθηματικά της φούσκας της Tεχνητής Nοημοσύνης

Project Syndicate

Όταν η OpenAI πρόσφατα διέθεσε 1,4 τρισεκατομμύρια δολάρια για την εξασφάλιση μελλοντικής υπολογιστικής χωρητικότητας, ήταν απλώς η τελευταία ένδειξη της παράλογης ευφορίας που επικρατεί το 2025. Σύμφωνα με ορισμένες εκτιμήσεις, η αύξηση του ΑΕΠ των ΗΠΑ στο πρώτο εξάμηνο του τρέχοντος έτους προήλθε σχεδόν εξ ολοκλήρου από τα κέντρα δεδομένων, προκαλώντας μια πλημμύρα σχολίων σχετικά με το πότε θα σκάσει η φούσκα και τι μπορεί να αφήσει πίσω της. Ενώ το πάρτι dot-com στα τέλη της δεκαετίας του 1990 έληξε με ένα hangover για τη Wall Street, η Main Street διατήρησε αυτό που είχε σημασία: την υποδομή. Η παραγωγικότητα αυξήθηκε και η οπτική ίνα που τοποθετήθηκε κατά τη διάρκεια των ετών άνθησης εξακολουθεί να λειτουργεί σήμερα. Η υπόσχεση του προέδρου των ΗΠΑ Μπιλ Κλίντον να χτίσει μια «γέφυρα προς τον 21ο αιώνα» ήταν μια από αυτές τις σπάνιες προεκλογικές υποσχέσεις που στην πραγματικότητα εκπληρώνεται.

Οι σημερινές επενδύσεις στην τεχνητή νοημοσύνη θα μπορούσαν κάλλιστα να αποδώσουν όπως το διαδίκτυο. Προς το παρόν, όμως, τα κέρδη φαίνονται πιο συγκρατημένα και τα μακροοικονομικά μειονεκτήματα μεγαλύτερα, από ό,τι στην περίπτωση της φούσκας dot-com. Σκεφτείτε τα πιθανά οφέλη. Στα τέλη της δεκαετίας του 1990, τα οφέλη του διαδικτύου φάνηκαν ενώ η φούσκα μεγάλωνε ακόμα: η αύξηση της παραγωγικότητας της εργασίας στις ΗΠΑ ήταν κατά μέσο όρο περίπου 2,8% από το 1995 έως το 2004, περίπου διπλάσια από τον ρυθμό των δύο προηγούμενων δεκαετιών, πριν εξασθενήσει στα μέσα της δεκαετίας του 2000. Μπορούσες να δεις τα κέρδη στους εθνικούς λογαριασμούς ακόμη και όταν το Pets.com αγόραζε τις άτυχες διαφημίσεις του Super Bowl.

Αυτή τη φορά, η αύξηση της παραγωγικότητας της εργασίας στις ΗΠΑ έχει επιταχυνθεί μετά από δύο υποτονικές δεκαετίες – φτάνοντας περίπου το 2,7% πέρυσι – αλλά είναι πολύ νωρίς για να πούμε ότι η τεχνητή νοημοσύνη είναι ο λόγος. Στην πραγματικότητα, η υιοθέτηση της τεχνητής νοημοσύνης υποχωρεί, με μια πρόσφατη έρευνα της Υπηρεσίας Απογραφής των ΗΠΑ να δείχνει χαμηλότερη χρήση από τις μεγάλες επιχειρήσεις. Αν η πρόσφατη αύξηση της παραγωγικότητας ήταν κυρίως μια ιστορία της τεχνητής νοημοσύνης, θα μπορούσε να αναμένεται να εξασθενήσει καθώς η υιοθέτηση υποχωρεί – μια άλλη υπενθύμιση του πόσο φευγαλέα μπορούν να είναι αυτά τα κύματα. Όσο ορατά κι αν ήταν η άνθηση της τεχνολογίας των πληροφοριών της δεκαετίας του 1990 σε πραγματικό χρόνο, εξασθένησε μέσα σε μια δεκαετία περίπου.

Είναι δελεαστικό να σκεφτεί κανείς ότι τα μεγάλα γλωσσικά μοντέλα (LLM) θα επιταχύνουν την καινοτομία και την ίδια την ανακάλυψη, όπως με την ανάδειξη κρυφών συνδέσμων στην ακαδημαϊκή βιβλιογραφία, τη συγγραφή κώδικα και τα πρωτόκολλα σύνταξης. Νέα εργαλεία – από το μικροσκόπιο του Robert Hooke μέχρι το τηλεσκόπιο του Galileo – έχουν πυροδοτήσει τέτοια άλματα στο παρελθόν. Αυτή τη φορά, όμως, είχαμε ήδη το απόλυτο ερευνητικό εργαλείο με τη μορφή ενός συνδεδεμένου στο διαδίκτυο υπολογιστή. Ωστόσο, ακόμη και με άμεση πρόσβαση στη συσσωρευμένη γνώση και τα κορυφαία ταλέντα του κόσμου, τα μέτρα της ερευνητικής παραγωγικότητας και της πρωτοποριακής καινοτομίας έχουν μειωθεί. Η διατήρηση ζωντανού του Νόμου του Moore – της παρατήρησης ότι η ισχύς επεξεργασίας των υπολογιστών διπλασιάζεται κάθε δύο χρόνια – απαιτεί τώρα τάξεις μεγέθους περισσότερους ερευνητές από ό,τι στις αρχές της δεκαετίας του 1970.

Ούτε είναι σαφές ότι η τρέχουσα έκρηξη των κεφαλαιουχικών δαπανών θα αφήσει πολλά περιουσιακά στοιχεία που θα αποδειχθούν ανθεκτικά σε ψηφιακές υποδομές. Όπως και οι σιδηρόδρομοι τον 19ο αιώνα, η εποχή των dot-com διοχέτευσε χρήματα σε μακρόβια περιουσιακά στοιχεία – ειδικά σε οπτικές ίνες και σε δίκτυα κορμού – που θα μπορούσαν να «ανάψουν» και να ξανανάψουν καθώς βελτιώνονταν τα ηλεκτρονικά. Μεγάλο μέρος αυτώ των οπτικών ινών εξακολουθεί να μεταφέρει κίνηση σήμερα. Ένα μέρος των κεφαλαιουχικών δαπανών υποστήριξε πολλαπλές γενιές τεχνολογίας και επιχειρηματικών μοντέλων.

Αντίθετα, η Τεχνητή Νοημοσύνη δεν χαράσσει γραμμές. Είναι ένας διάδρομος. Τα τσιπ και η μνήμη υποβαθμίζονται ή καθίστανται απαρχαιωμένα μέσα σε χρόνια, όχι δεκαετίες. Κάθε rack διακομιστή που χρησιμοποιείται για την εκπαίδευση ενός LLM απαιτεί τώρα 120 κιλοβάτ ισχύος, από περίπου 5-10 kW πριν από μια δεκαετία. Και παρόλο που κάθε νέα γενιά GPU (μονάδες επεξεργασίας γραφικών) μειώνει το κόστος ανά watt, αυτό σημαίνει ότι οι υπερ-επεκτάσεις ανακυκλώνονται ταχύτερα καθώς ο παλαιότερος εξοπλισμός καθίσταται οικονομικά απαρχαιωμένος. Ενώ η ίνα διαρκεί όσο αλλάζετε τελικά σημεία, η στοίβα τεχνολογίας Τεχνητής Νοημοσύνης υποτιμάται γρήγορα, απαιτώντας συνεχή επανεπένδυση.

Αυτή η ρουτίνα θα μπορούσε να είναι διαχειρίσιμη αν η μακροοικονομική εικόνα έμοιαζε με αυτή του 1999. Αλλά δεν είναι. Αν και τα πραγματικά επιτόκια ήταν υψηλότερα τότε, τα πλεονάσματα του προϋπολογισμού της εποχής Κλίντον και η μείωση του λόγου χρέους προς ΑΕΠ μείωσαν την πίεση στις κεφαλαιαγορές και διατήρησαν το κόστος των τόκων της κυβέρνησης χαμηλότερο, περιορίζοντας το φαινόμενο του παραγκωνισμού.

Αυτή τη φορά, η κατάσταση έχει αντιστραφεί. Τα επίμονα ελλείμματα της κυβέρνησης των ΗΠΑ κοντά στο 6% του ΑΕΠ (περίπου 1,8 τρισεκατομμύρια δολάρια) και οι καθαρές πληρωμές τόκων που πλησιάζουν το 1 τρισεκατομμύριο δολάρια όχι μόνο μείωσαν τον δημοσιονομικό χώρο, αλλά το ίδιο απόθεμα αποταμιεύσεων αναμένεται τώρα να χρηματοδοτήσει την κατασκευή καθαρών πηγών ενέργειας, τους αυξανόμενους αμυντικούς προϋπολογισμούς και μια έκρηξη κέντρων δεδομένων που διψούν για ενέργεια. Στην πράξη, αυτή η ζήτηση εμφανίζεται ως υψηλότερο κόστος δανεισμού, το οποίο επιβραδύνει την κατασκευή νέων κατοικιών και ωθεί τις μακροχρόνιες υποδομές στο τέλος της γραμμής.

Τα δημόσια οικονομικά αισθάνονται επίσης την πίεση. Ένα μεγαλύτερο απόθεμα χρέους σημαίνει ότι τα θετικά πραγματικά επιτόκια τροφοδοτούν γρήγορα έναν υψηλότερο λογαριασμό τόκων, παραγκωνίζοντας τα προγράμματα στα οποία βασίζονται τα νοικοκυριά. Κατά τη διάρκεια του πλεονάσματος στα τέλη της δεκαετίας του 1990, το χρέος μειώθηκε και το Υπουργείο Οικονομικών μάλιστα αγόρασε πίσω ομόλογα, πράγμα που σήμαινε ότι το κράτος μπορούσε να επενδύσει παράλληλα με μια ιδιωτική άνθηση χωρίς να την παραμερίσει. Σήμερα, περισσότερος δανεισμός και ένα βαρύτερο μερίδιο επιτοκίων αφήνουν λιγότερο περιθώριο ελιγμών όταν η ανάπτυξη επιβραδύνεται. Εάν η απόδοση της Τεχνητής Νοημοσύνης φτάσει, αλλά μόνο αργά, η αριθμητική θα είναι ακόμη πιο δύσκολη. Θα βλέπαμε περισσότερα δολάρια να πηγαίνουν στους ομολογιούχους και λιγότερα στην Κοινωνική Ασφάλιση, την υγειονομική περίθαλψη και τις βασικές υπηρεσίες. Και εάν ο οικονομικός κύκλος πάει στραβά, οι συμβιβασμοί θα είναι ακόμη πιο έντονοι.

Η χρηματοδότηση έχει επίσης αλλάξει. Η ύφεση στις αρχές της δεκαετίας του 2000 ήταν κυρίως μια ιστορία μετοχών: οι τιμές των μετοχών κατέρρευσαν και οι επενδυτές επιχειρηματικών κεφαλαίων που στόχευαν σε μακροπρόθεσμες αποδόσεις δέχτηκαν πλήγμα. Αλλά όσο βάναυση και ιδιαίτερα ορατή κι αν ήταν, ο πόνος υποχώρησε σχετικά γρήγορα. Όπως τονίζουν οι Carmen Reinhart και Kenneth Rogoff στο βιβλίο τους για την ιστορία των χρηματοπιστωτικών κρίσεων του 2009, This Time Is Different, οι φούσκες των περιουσιακών στοιχείων τείνουν να απειλούν τη μακροοικονομία κυρίως όταν τροφοδοτούνται από την πίστωση και πλήττουν τους ισολογισμούς των τραπεζών. Επειδή η κατάρρευση των dot-com ήταν σε μεγάλο βαθμό μια ανατιμολόγηση μετοχών (εκτός από τις τηλεπικοινωνίες), όχι μια τραπεζική κρίση, δεν υπήρξε συστημική αποτυχία παρά τις μεγάλες απώλειες των επενδυτών.

Αυτή τη φορά, ο κίνδυνος συσσωρεύεται μέσω της πίστωσης. Όπως σημειώνει ο επενδυτής Paul Kedrosky, η χρηματοδότηση μετατοπίζεται από μετοχές σε ομόλογα, οχήματα ειδικού σκοπού και μισθώσεις, και ιδιωτική πίστωση – όλες οι μορφές δανεισμού που τελικά συνδέονται με τράπεζες και ασφαλιστικές εταιρείες. Εάν τα έσοδα από την τεχνητή νοημοσύνη και τα κέντρα δεδομένων δεν επαρκούν, το πρόβλημα πιθανότατα θα εμφανιστεί πρώτα στις πιστωτικές αγορές, όχι στις τιμές των μετοχών. Προσέξτε για τυχόν μη επίτευξη στόχων κάλυψης, αυστηρότερους όρους δανεισμού και πιέσεις αναχρηματοδότησης που πλήττουν τους ισολογισμούς των δανειστών και των ασφαλιστών μέσω μακροχρόνιων μισθώσεων και δανείων με τσιπ.

Αυτός είναι ο συστημικός κίνδυνος. Σε αντίθεση με την εποχή των dot-com, η σημερινή ανάπτυξη ωθεί την έκθεση στα χρηματοοικονομικά προβλήματα, επομένως το άγχος είναι πιο πιθανό να εξαπλωθεί μέσω των δανειστών και των δομημένων οχημάτων. Μπορείτε ήδη να δείτε τους παρατηρητές της αγοράς να ανησυχούν, με την προειδοποίηση της Moody’s ότι ένα σημαντικό μερίδιο της ανάπτυξης των κέντρων δεδομένων της Oracle εξαρτάται από την OpenAI, η οποία δεν έχει ακόμη χαράξει μια πορεία προς την κερδοφορία.

Φυσικά, εάν η Τεχνητή Νοημοσύνη προσφέρει γρήγορα ευρεία και βιώσιμη αύξηση της παραγωγικότητας, τα μαθηματικά βελτιώνονται. Η ταχύτερη ανάπτυξη θα μείωνε την δημοσιονομική πίεση, θα μείωνε τους δείκτες χρέους και θα ενίσχυε αυτές τις δομές χρηματοδότησης. Αλλά εάν τα κέρδη φτάσουν αργά ή δεν ανταποκρίνονται στις προσδοκίες, η απόδοση μπορεί να μην αντισταθμίσει το τεράστιο εμπροσθοβαρές κόστος.

Ο Carl Benedikt Frey, Αναπληρωτής Καθηγητής Τεχνητής Νοημοσύνης και Εργασίας στο Ινστιτούτο Διαδικτύου της Οξφόρδης και Διευθυντής του Προγράμματος Μέλλοντος της Εργασίας στη Σχολή Martin της Οξφόρδης, είναι ο συγγραφέας, πιο πρόσφατα, του βιβλίου How Progress Ends: Technology, Innovation, and the Fate of Nations (Princeton University Press, 2025).