Όταν μιλάμε για την τεχνητή νοημοσύνη, οι Ηνωμένες Πολιτείες εξακολουθούν να μονοπωλούν τους τίτλους των ειδήσεων και, με βάση τα περισσότερα συμβατικά κριτήρια, να κυριαρχούν στην ίδια την τεχνολογία. Αμερικανικά ιδρύματα συνεχίζουν να παράγουν το μεγαλύτερο μέρος της έρευνας υψηλού αντικτύπου στον τομέα, ενώ οι ιδιωτικές επενδύσεις άγγιξαν τα 109 δισεκατομμύρια δολάρια το 2024, ποσό σχεδόν 12 φορές μεγαλύτερο από το σύνολο της Κίνας, σύμφωνα με το Stanford Institute for Human-Centred AI.
Την ίδια στιγμή, τα οικονομικά της τεχνητής νοημοσύνης βελτιώνονται ραγδαία. Το κόστος εκπαίδευσης και ανάπτυξης μοντέλων έχει μειωθεί δραματικά τα τελευταία χρόνια, καθιστώντας την υιοθέτησή τους σε μεγάλη κλίμακα όλο και πιο βιώσιμη σε όλους τους κλάδους. Με αυτά τα δεδομένα, οι ΗΠΑ μοιάζουν να κερδίζουν την κούρσα. Ωστόσο, υπάρχουν ενδείξεις ότι ίσως αυτή δεν είναι η κούρσα που έχει τη μεγαλύτερη σημασία. Διότι, ενώ οι ΗΠΑ διαπρέπουν στη δημιουργία συστημάτων τεχνητής νοημοσύνης, η Κίνα κινείται πολύ πιο αποφασιστικά προς την εφαρμογή τους.
Σε ολόκληρο το φάσμα της βιομηχανίας –από τα logistics έως την υγειονομική περίθαλψη– η Κίνα δεν περιορίζεται απλώς στην υιοθέτηση εργαλείων τεχνητής νοημοσύνης. Αναδιοργανώνει τα συστήματά της γύρω από αυτά. Μέχρι το 2024, η Κίνα είχε περισσότερους από 600 εκατομμύρια εγγεγραμμένους χρήστες παραγωγικής τεχνητής νοημοσύνης και εκατοντάδες μοντέλα σε πραγματική λειτουργία. Δεν πρόκειται για πειραματισμό, αλλά για ενσωμάτωση στις λειτουργικές διαδικασίες.
Η διαφορά αυτή δεν αφορά πρωτίστως την τεχνολογική δυνατότητα, αλλά την εφαρμογή. Στις ΗΠΑ, πολλοί οργανισμοί προσπαθούν να εντάξουν την τεχνητή νοημοσύνη σε συστήματα που σχεδιάστηκαν πριν από δεκαετίες. Στον τομέα των οδικών μεταφορών, για παράδειγμα, οι εταιρείες συχνά προσθέτουν «επικαλύψεις» τεχνητής νοημοσύνης πάνω σε παρωχημένες υποδομές, αντί να ανασχεδιάσουν τις ροές εργασίας τους.
Η Κίνα δείχνει πιο πρόθυμη να κάνει το άλμα. Εταιρείες όπως η Cainiao, ο βραχίονας logistics της Alibaba Group Holding, έχουν οικοδομηθεί πάνω στην ενσωμάτωση δεδομένων σε πραγματικό χρόνο και στον αυτοματισμό. Σε εθνικό επίπεδο, οι μεγάλες επενδύσεις ενισχύουν την τεχνητή νοημοσύνη ως βασική υποδομή. Η McKinsey & Co εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να αποφέρει πάνω από 380 δισεκατομμύρια δολάρια ετησίως στον τομέα των μεταφορών της Κίνας.
Το αποτέλεσμα είναι ένα πλεονέκτημα που διογκώνεται: τα συστήματα που σχεδιάζονται γύρω από την τεχνητή νοημοσύνη παράγουν περισσότερα δεδομένα, γεγονός που βελτιώνει την απόδοση και οδηγεί σε περαιτέρω υιοθέτηση. Εν μέρει, αυτό οφείλεται και στις δομές των κοινωνιών. Οι ΗΠΑ είναι μια κοινωνία που διαμορφώνεται από δικηγόρους, εστιάζοντας στη ρύθμιση και τη διαχείριση κινδύνου, κάτι που ενισχύει την εμπιστοσύνη αλλά μπορεί να επιβραδύνει τον μετασχηματισμό. Αντίθετα, το κινεζικό μοντέλο είναι περισσότερο συντονισμένο και καθοδηγούμενο από μηχανικούς, δίνοντας προτεραιότητα στην απόδοση των συστημάτων.
Σύμφωνα με την έρευνα του Stanford’s AI Index Report, το 83% των Κινέζων έχει θετική στάση απέναντι στην τεχνητή νοημοσύνη, σε σύγκριση με μόλις 39% στις ΗΠΑ. Για τους Αμερικανούς, η τεχνητή νοημοσύνη αντιμετωπίζεται συχνά μέσα από το πρίσμα του ρίσκου και της ευθύνης, ενώ για τους Κινέζους ως ένα πρακτικό εργαλείο βελτίωσης της καθημερινότητας. Το μέλλον της τεχνητής νοημοσύνης δεν θα κριθεί στα ερευνητικά εργαστήρια, αλλά στις αποθήκες, τα νοσοκομεία και τα δίκτυα μεταφορών.
