Blogg

Varför vi inte ska jaga Silicon Valley

Det finns en viss galenskap i det pågående kapprustningsliknande AI-racet. USA har under det senaste decenniet byggt datacenter stora som mindre städer, sugit upp talanger från världens alla hörn och systematiskt monterat ned varje form av reglering som riskerar att bromsa språngmarschen mot artificiell generell intelligens. Resultaten är på sitt sätt imponerande. Stora språkmodeller kan skriva poesi, felsöka kod och föra filosofiska diskussioner som får en rimligt lagd människa att känna viss oro för framtiden för sitt yrke. Och nu, föga förvånande, frågar sig europeiska beslutsfattare: hur ska vi komma ikapp? Sanningen är: det ska vi inte. Vi ska göra något annat.

Sam Storm

Agil coach

Fel lopp att springa

Låt oss titta på siffrorna. De största amerikanska AI-bolagen har rest hundratals miljarder dollar i kapital. De verkar i en skala som får europeiska investeringar att framstå som kaffepengar. Bara Microsoft har åtagit sig över 13 miljarder dollar till OpenAI. Amazon, Google och Meta försöker matcha detta och bygger var och en infrastruktur i storleksordningen hela städer.

Europa skulle kunna försöka göra samma sak. Vi skulle kunna lätta på våra dataskyddslagar, erbjuda skatteincitament som får Irland att framstå som ett socialistiskt paradis och hoppas att tillräckligt mycket pengar till slut skapar en europeisk mästare. Den strategin har ett namn: den kallas att förlora.

Spelet om att bygga den största och mest generaliserade frontier-modellen är redan avgjort. Infrastrukturen finns någon annanstans. Talangflödena går mot Palo Alto och Seattle. Det regulatoriska landskapet i USA – särskilt efter nyligen genomförda politiska kursändringar – är utformat för att låta dessa bolag röra sig snabbt och låta andra hantera konsekvenserna. Att Europa nu kliver in i detta race är som att bestämma sig för att tävla i Formel 1 genom att bygga sin allra första gokart.

Men tänk om regleringar inte är ett hinder – utan en tillgång?

GDPR framställs ofta som ett hinder för europeisk AI-utveckling. Argumentet är att strikta dataskyddsregler gör det svårare att träna stora modeller och att europeiska företag hämmas av regelefterlevnad som deras amerikanska konkurrenter kan bortse från.

Ja, men …

AI:s värdeerbjudande håller på att förändras. Nyhetens behag i en chatbot som kan skriva en haiku håller på att klinga av. Det företag faktiskt behöver är AI-system de kan lita på – system som hanterar känslig data ansvarsfullt, följer regelverk och inte utsätter organisationen för juridiska risker.

Europa har under många år utvecklat ett ramverk för ansvarsfull datahantering. GDPR fastställer, trots sina brister, tydliga regler för samtycke och individens rättigheter. Det här är inga hinder för AI-utveckling – det är grunden för AI-system som företag faktiskt kan använda med förtroende.

Ställ krav på att AI-utveckling i Europa respekterar dessa ramverk. Gör GDPR-efterlevnad till en styrka, inte en börda. Positionera europeisk AI som det pålitliga valet för organisationer som inte har råd att behandla dataskydd som en eftertanke. Det finns en betydande marknad – finanssektorn, vården, offentlig sektor – som är beredd att betala mer för AI som går att använda utan att juridikavdelningen får ett kollektivt sammanbrott.

Smått är vackert (och praktiskt)

Det som ofta går förlorat i den andfådda rapporteringen om frontier-modeller är att de flesta företag inte behöver en AI som kan diskutera Kierkegaard samtidigt som den skriver SQL-frågor och komponerar korsord. De behöver AI som pålitligt kan göra några få saker exceptionellt bra.

Det verkliga värdet i stora språkmodeller ligger inte i deras förmåga att efterlikna mänskligt samtal – det är en partytrick, om än ett imponerande sådant. Värdet ligger i deras förmåga att snabbt syntetisera information baserat på sin träning. Och här är den avgörande insikten: den syntesen blir mer värdefull, inte mindre, när modellen tränas på ett fokuserat, domänspecifikt kunskapsunderlag.

Föreställ dig en språkmodell som tränats specifikt på EU-rätt. Varje direktiv, varje förordning, varje dom från EU-domstolen, varje nationellt genomförande i 27 medlemsstater. En sådan modell behöver inte kunna skriva sonetter eller förklara kvantmekanik. Den behöver förstå relationen mellan primär- och sekundärrätt, hierarkin mellan EU:s rättskällor samt principerna om direkt effekt och företräde.

En sådan modell skulle kunna vara omvälvande för företag som verkar inom EU. I dag kräver efterlevnad av europeisk reglering dyr juridisk rådgivning, omfattande research och betydande osäkerhet. Ett AI-baserat rådgivningssystem, tränat på hela EU-rättens samlade korpus, skulle kunna ge omedelbar och tillförlitlig vägledning i regulatoriska frågor – inte som en ersättning för jurister, utan som ett förstahandsstöd som gör juridisk expertis mer tillgänglig och effektiv.

Samma princip gäller i andra domäner. En modell som uteslutande tränats på programmering skulle kunna bli en extremt kompetent kodassistent – inte för att den kan småprata om vädret, utan för att den har internaliserat mönster och arbetssätt inom mjukvaruutveckling utan överbyggnaden av allmänkunskap. En modell med fokus på medicinsk litteratur skulle kunna stödja kliniska beslut. En modell byggd kring finansiell reglering skulle kunna hjälpa banker att navigera compliance-krav.

Infrastrukturfördelen med att tänka smått

Specialiserade modeller är inte bara mer användbara för sitt syfte – de är också avsevärt mer praktiska att driftsätta.

Att köra en frontier-modell kräver beräkningskraft i industriell skala. Bara inferenskostnaderna kan göra användning omöjlig för alla utom de största organisationerna. Datasäkerhetsriskerna med att skicka känsliga frågor till tredjeparts-API:er är en compliance-mardröm som bara väntar på att bli verklighet.

Mindre, fokuserade modeller kan köras lokalt. De kan driftsättas on-premise, inom organisationens befintliga säkerhetsperimeter. De kräver inte massiva GPU-kluster. De förutsätter inte fiberuppkoppling till ett datacenter i en annan jurisdiktion. De kan fungera i miljöer där uppkoppling är begränsad eller där datasuveränitet är icke-förhandlingsbar.

Det här är ingen spekulation. Frankrikes Mistral har redan visat att europeiska företag kan bygga kommersiellt gångbara språkmodeller utan att matcha amerikansk skala. Deras modeller är konkurrenskraftiga i specifika användningsfall och samtidigt tillräckligt små för praktisk användning. Det är ett konkret bevis på att en europeisk AI-strategi är möjlig.

Bortom Europa: en modell för resten av världen

Här finns ett större perspektiv som sträcker sig långt bortom europeisk konkurrenskraft.

Dagens modell för AI-utveckling är extremt resurskrävande. Att bygga frontier-modeller kräver tillgång till enorm beräkningsinfrastruktur, pålitlig högbandbreddsuppkoppling och kapital nog att bära mycket höga driftskostnader. Det begränsar i praktiken meningsfull AI-utveckling till ett fåtal rika länder och välfinansierade företag.

Utvecklingsländer ställs inför ett hårt val: bli beroende av amerikansk AI-infrastruktur – eller avstå. Inget av alternativen är särskilt attraktivt.

Men mindre, specialiserade modeller förändrar förutsättningarna helt. En modell tränad på jordbruksmetoder för specifika klimat kan köras på enkel hårdvara i landsbygdssamhällen. Medicinska rådgivningssystem kan fungera i kliniker utan tillförlitlig internetuppkoppling. Utbildningsverktyg kan fungera över mobilnät i regioner där fast bredband fortfarande är en avlägsen dröm.

Om Europa utvecklar metoder och ramverk för att bygga effektiva specialiserade modeller skapas möjligheter som sträcker sig långt bortom våra egna gränser. Det är en vision av AI som inte kräver att varje land bygger ett hyperskaligt datacenter för att kunna delta.

Vägen framåt

Inget av detta kräver att vi överger ambitioner. Det kräver att vi omdirigerar dem.

Europa bör investera i AI-forskning – men forskning som fokuserar på effektivitet, specialisering och implementering snarare än rå skala. Vi bör stödja företag som bygger domänspecifika modeller som löser verkliga problem. Och vi bör göra våra regulatoriska ramverk till ett säljargument, inte en ursäkt.

AI-framtiden behöver inte bestå av en handfull amerikanska jättar som kontrollerar tillgången till generella modeller som kan göra lite av allt. Den kan se ut som ett mångfacetterat ekosystem av specialiserade system, vart och ett utmärkt på sitt område, driftsatt nära där det behövs och byggt på grund av förtroende och regelverksefterlevnad.

Det är ett lopp Europa kan vinna. Än viktigare: det är ett lopp som är värt att springa.

Nyfikna på hur AI kan skapa verkligt värde?

Vi hjälper organisationer att bygga och använda AI som är specialiserad, pålitlig och anpassad för europeiska regelverk – med fokus på faktisk affärsnytta snarare än hype.

Föregående