Но гиганты не просто соревнуются друг с другом в погоне за следующим открытием в области глубокого обучения. Они также участвуют в еще более жестком соревновании с небольшими стартапами, стремящимися использовать машинное обучение для переворота в конкретных отраслях. Это соревнование между двумя подходами к распределению «энергии» ИИ в экономике в целом. «Сетевой» подход семи гигантов противостоит «аккумуляторному» подходу стартапов. Результат гонки станет определяющим для бизнес-ландшафта в сфере ИИ: будет ли это монополия, олигополия или свободная конкуренция между сотнями компаний. Компании, придерживающиеся «сетевого» подхода, хотят поставить ИИ на коммерческую основу. Они стремятся превратить силу машинного обучения в стандартизированную услугу – платную для корпоративного использования и бесплатную для академических и личных целей. Доступ к ней можно будет получить через облачные вычислительные платформы. В этой модели платформы облачных вычислений действуют как сеть, выполняя сложные оптимизации машинного обучения на данных и задачах пользователей. Компании, стоящие за этими платформами, – Google, Alibaba и Amazon – играют роль технической инфраструктуры, управляя сетью и взимая плату за услуги. Доступ к этой сети позволит обычным компаниям, у которых имеются большие массивы данных, легко подключать услугу оптимизации средствами ИИ, доступными извне, без необходимости соответствующим образом перестраивать весь свой бизнес. TensorFlow от Google, библиотека с открытым исходным кодом и целая экосистема для создания моделей глубокого обучения, предлагает раннюю версию такого подключения, но для работы с ней пользователю все еще требуется некоторый опыт в области ИИ. Цель сетевого подхода – снизить порог необходимых экспертных знаний и увеличить функциональность облачных платформ ИИ. Использовать машинное обучение не так просто, как включить обычный электроприбор, и есть вероятность, что реализовать «сетевой» подход так и не удастся, но гиганты ИИ все же работают над ним, чтобы потом получать прибыль от генерирования «энергии» и управления «энергосетями». Стартапы в области ИИ придерживаются противоположного подхода. Вместо того чтобы ждать, пока эта сеть сформируется, стартапы строят для каждого конкретного случая очень специфические продукты, питающиеся от «аккумуляторных батарей» ИИ. Эти стартапы делают ставку на конкретные задачи, а не на широкую функциональность. Вместо того чтобы предоставлять клиенту сразу все возможности машинного обучения, они создают новые продукты и обучают алгоритмы решению определенных задач, в том числе в области медицинской диагностики, ипотечного кредитования и даже эксплуатации автономных дронов. Они делают ставку на то, что обычные компании просто не смогут загрузить подробные данные о своей ежедневной работе в универсальную сеть. Вместо того чтобы предоставлять таким компаниям доступ к ИИ, эти стартапы ставят перед собой цель уничтожить и заново построить их с нуля с помощью ИИ. Еще слишком рано судить о том, какой подход более перспективен. В то время как исполинские компании вроде Google медленно простирают свои щупальца на весь мир, стартапы в Китае и США спешат захватить нетронутые территории и защититься от вторжений этих семи гигантов. От результата их борьбы и зависит то, какой станет наша экономика. Астрономическая прибыль может сосредоточиться в руках семи гигантов – если они станут суперинфраструктурой эпохи ИИ, – но может и рассеяться, превратившись в прибыль для каждой из тысяч ярких новых компаний.