Ma már egyértelműen látható, hogy az egyes országok és nagyvállalatok versenyfutásával az MI még nagyobb szakadékot nyithat a különböző régiók között.
Hirdetés
 

Az iparági szereplők általában a mesterséges intelligencia nagy lehetőségeiről és feltételezett pozitív hatásairól értekeznek, ha éppen nem akarnak bunkerbe vonulni saját fejlesztéseik elől. Sokan azonban egyre aggasztóbbnak tartják a hatalmas techmonopóliumok versenyét az MI erőltetett ütemű bevezetésében, és a negatív hatások között tartják számon a munkaerőpiacra lépő felsőfokú végzettségűek számának csökkenését, a teljes munkaidős állások haknigazdaságba (gig economy) olvadását, az önéletrajzokba írt hazugságok általánossá válását vagy akár a nők sokkal magasabb kitettségét a küszöbön álló változásoknak.

Az MI varázslatos és felszabadító hatásairól szóló marketingüzenetekkel szemben az is figyelemre méltó, hogy már jóval a mesterséges intelligencia piacosítása előtt is megfigyelték: a technológiai fejlődés nem enyhíti, hanem éppen hogy erősíti az addig is meglévő egyenlőtlenségeket. Ezt támasztják alá az Oxfordi Egyetem kutatói által közölt adatok is, amelyek a világ legerősebb MI-adatközpontjainak földrajzi eloszlását mutatják be. Ennek alapján pedig felvetik, hogy a mesterséges intelligencia máris új digitális szakadékot teremtett, amennyiben bizonyos országok rendelkeznek a modern MI-rendszerekhez szükséges számítási kapacitásokkal, másoknak azonban nem.

A The New York Times a kutatásról szóló összeállítása alapján az Európai Unió 28, az Egyesült Államok 26, Kína pedig 22 ilyen extra nagy teljesítményű adatközponttal rendelkezik, összességében pedig 32 olyan ország van világszerte, ahol megtalálhatók a generatív MI-rendszereket megfelelően kiszolgáló létesítmények. A cikk az ENSZ áprilisban kiadott figyelmeztetését is idézi, amelynek értelmében a digitális szakadék még jobban kiszélesedik, ahogy mindössze 100 nagyvállalat állt az MI-technológiába történő globális befektetések 40 százaléka mögött, főként az Egyesült Államokban és Kínában. Ahogy a cikkben idézett szakértő fogalmaz, ez az eloszlás a jövő digitális szuverenitását veszélyezteti.

Maguknak építik a digitális olajmezőket

Tény, hogy a generatív mesterségesintelligencia-modellek képzése és üzemeltetése valószerűtlenül drága, amit megfejelnek az olyan megalomán programok, mint a Trump-adminisztráció 500 milliárd dolláros Stargate MI-infrastruktúra projektje. Az adatközpontokban működő fejlett grafikus feldolgozóegységek darabonként több tízezer dollárba kerülnek, és a nagyobb létesítményekben akár több tízezer ilyen MI-csip is lehet – Elon Musk és az xAI memphisi Colossus adatközpontjában állítólag már 200 ezer darab Nvidia H100 és H200 GPU-t telepítettek, és a mennyiség milliósra bővítését tervezik. Ehhez képest sok olyan ország van, ahol csak a számítási teljesítmény távoli bérlése jön szóba.

A NYT-nek nyilatkozó szakemberek szerint a földrajzi közelség pedig elengedhetetlen dolog, akár az olyan kellemetlenségek miatt is, mint hogy a megfelelő sebesség eléréséhez ahhoz mérten kell szervezni a munkát, amikor az amerikai programozók alszanak. Az egyenlőtlen eloszlás a cikkben idézett kutatás alapján ​​két táborra osztotta a világot: a Kínától és az Egyesült Államoktól függő nemzetekre, miután ez a két ország a későbbiekben is sokkal több adatközpontot fog építeni, mint bárki más. Természetesen ha igazuk lesz az MI-buborékról szóló jóslatoknak, elfogynak a megfelelő minőségű adatok, és kiderül, hogy a technológia sosem lesz eléggé biztonságos és megbízható, akkor ezt senki sem fogja bánni, de addig is az MI-technológia olyan befolyást biztosít majd a kiválasztott kormányoknak és vállalatoknak a nemzetközi ügyekre, mint amilyennel például az olajtermelők rendelkeznek.

Részletek a NYT cikkében »

Piaci hírek

Máris megszűnik a ChatGPT automata modellválasztója az ingyenes felhasználásban

Nemcsak drága, hanem az OpenAi szerint nem is népszerű, így a bonyolultabb kérdésekre adott pontosabb válaszokhoz ismét manuális modellválasztásra lesz szükség.
 
Hirdetés

Az ötlettől az értékteremtésig – egy jól működő adattudományi szervezet alapjai

Miért bukik el annyi adattudományi kezdeményezés már az indulás után? A válasz gyakran nem az algoritmusok összetettségében, hanem az adatok minőségében és kezelésében keresendő. Stabil adatforrások, következetes feature-kezelés és egy jól felépített Feature Store nélkül a gépi tanulás ritkán jut el a valódi üzleti értékteremtésig.

Sok szervezet adatvezéreltnek tartja magát, mert van BI rendszere és heti dashboardja. A valóságban azonban ennél többről van szó; a kérdés ugyanis nem az, hogy van-e elég adat, hanem, hogy mennyire jól használják a döntések meghozatalához.

a melléklet támogatója a One Solutions

EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!

Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.

2026.03.10. UP Rendezvénytér

RÉSZLETEK »

Amióta a VMware a Broadcom tulajdonába került, sebesen követik egymást a szoftvercégnél a stratégiai jelentőségű változások. Mi vár az ügyfelekre? Vincze-Berecz Tibor szoftverlicenc-szakértő (IPR-Insights) írása.

Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak

Különösen az early adopter vállalatoknak lehet hasznos. De különbözik ez bármiben az amúgy is megkerülhetetlen tervezéstől és pilottól?

Sok hazai cégnek kell szorosra zárni a kiberkaput

Ön sem informatikus, de munkája során az információtechnológia is gyakran befolyásolja döntéseit? Ön is informatikus, de pénzügyi és gazdasági szempontból kell igazolnia a projektek hasznosságát? Mi közérthető módon, üzleti szemmel dolgozzuk fel az infokommunikációs híreket, trendeket, megoldásokat. A Bitport tizennegyedik éve közvetít sikeresen az informatikai piac és a technológiát hasznosító döntéshozók között.
© 2025 Bitport.hu Média Kft. Minden jog fenntartva.