Kiitos hyvästä vastauksesta. Mukavaa keskustella tästä näin, vaikka ollaan täysin eri linjoilla.
Pointtisi kehitysresursseista mielestäni hieman ontuu. Ensinnäkin avoimen lähdekoodin mallit (esim. jaossa https://huggingface.co ja https://ollama.com) ovat käytännössä aika normielämää devaajilla ja pääsevät kaupallisten mallien tasolle, jos vaan kotoa löytyy tarpeeksi tehokasta laitteistoa (tähän varmaan viittasitkin). Haluan kuitenkin mainita, että DeepSeek, Qwen, Mistral ja Llama kilpailevat suoraan OpenAI:n ja Anthropicin kanssa aivan samoilla laskentatehoilla, eikä enää vaadita perus pöytäkonetta kummempaa, itselläkin aika vaatimaton yhden RTX-näytönohjaimen kokoonpano (8GB VRAM). DeepSeekin R1 nimenomaan muutti oletuksen siitä, että kilpailukykyinen malli vaatisi satojen miljoonien budjetin tai jäätävän määrän rahaa tai supertietokoneita. Samoin esim. suomessa TurkuNLP:n avoin kielimalli Poro, joka itselläkin kotikoneellani ajossa. Avoimen lähdekoodin itseisarvo ei ole kiinni siitä miten se on tuotettu avoimeksi tai mitä pyörittäminen vaatii.
Mitä olet mieltä esimerkiksi automaatiosta, jossa on mukana vaikkapa editointietäisyyksiä (Levenshtein), säännöllisiä lausekkeita ja vastaavia perinteisiä algoritmeja, jotka tekevät saman asian kuin GenAI täysin ilman tekoälyä? Itse esimerkiksi olen pari vuosikymmentä tehnyt bash-ohjelmointia, nyt AI helpottaa, parantaa ja tehostaa vanhaa automatisointia.
Iso osa markkinoinnista tosin pyrkii myymään raskasta generatiivista ratkaisua tehtäviin, jotka on jo ratkaistu ysäriltä asti ilman AI:ta ja tässä onkin eittämättä ongelma niin luonnonvarojen kuin resurssioptimoinninkin näkökulmasta, hakataan ikäänkuin kaivinkoneella naulaa kiinni lautaan. Mutta AI:ssa parasta onkin se että työkalulla voi rakentaa työkaluja tai itseään, tämä ei aiemmin ollut mahdollista.
Monimutkainen ja ajatuksia herättävä aihe.