Giganci technologiczni inwestują coraz większe sumy w budowanie zaawansowanej infrastruktury AI, ale rachunek musi się zgodzić. Profesor finansów z Uniwersytetu Pensylwanii Jessica Wachter przeanalizowała, jak szybko muszą rosnąć przychody firm zajmujących się AI, aby uzasadnić wydatki na centra danych. Jej wyliczenia pokazują, że do 2027 roku wydatki osiągną prawie 1,1 biliona dolarów. Aby zwrócić te inwestycje do 2030 roku, firmy musiałyby osiągnąć nadzwyczajny wzrost produktywności - znacznie wyższy niż obecne prognozowane stopy wzrostu..
W tym samym czasie OpenAI bierze pod uwagę strategię radykalne odmienną: zakup cennych danych z upadłych firm biotechnologicznych. Policy analyst Ruxandra Teslo zaproponowała wykorzystanie bankructw jako okazji do nabycia szczegółowych dokumentów regulacyjnych, strategii produkcyjnych i danych bezpieczeństwa z firm, które już nie działają. Takie dane mogłyby stworzyć to, co Teslo nazwała "stratą archiwum biotechnologii" - bezcenny zasób dla systemów AI pracujących nad rozwojem leków i diagnozowaniem chorób.
Obie inicjatywy sygnalizują realny problem stojący przed branżą AI. Obecne modele potrzebują coraz więcej danych wysokiej jakości, aby wykonać istotny postęp, szczególnie w medycynie. Jednocześnie gigantyczne inwestycje w infrastrukturę muszą być uzasadnione rzeczywistymi aplikacjami i zwrotem z inwestycji. Strategia zakupywania danych z upadłych firm mogłaby przyspieszić innowacje medyczne, ale również pokazuje, jak głodne są te modele wysokiej jakości informacji do dalszego treningu i doskonalenia.