Ed Zitron की AI-स्केप्टिक भविष्यवाणियाँ कितनी सटीक रही हैं?
एक व्यापक रूप से साझा ब्लॉग पोस्ट प्रमुख AI आलोचक Ed Zitron के भविष्यवाणी-ट्रैक रिकॉर्ड की जाँच करती है, और तर्क देती है कि model stagnation, Big Tech collapse, तथा आसन्न AI-bubble implosion पर उनके कई आत्मविश्वासी दावे बाद की revenue growth और capability gains से पहले ही गलत साबित हो चुके हैं। टिप्पणीकार दो हिस्सों में बँटे हुए हैं: कुछ उन्हें संख्यात्मक रूप से लापरवाह, audience-captured doom-sayer मानते हैं, जबकि अन्य उन्हें एक अस्थिर, debt-fueled AI infrastructure boom और circular financing के बारे में दिशा में सही समझते हैं। यह बहस AI boosters और AI skeptics—दोनों की incentives, hyperscalers के AI financials की opacity, और तेज़ी से बदलते, hype-driven sector के बारे में ईमानदारी से सोचना कितना कठिन है—इन सब पर skepticism तक फैल जाती है.
Ed की भूमिका और मंशा की धारणा
- कई लोग उन्हें “ध्यान अर्थव्यवस्था” का हिस्सा मानते हैं: एक पेशेवर विरोधी-मत रखने वाले, जिनकी आय उच्च-एंगेजमेंट वाले AI-विरोधी विचारों पर निर्भर करती है।
- कई टिप्पणियाँ “ऑडियंस कैप्चर” का वर्णन करती हैं: एक बार जब उन्होंने कट्टर स्केप्टिक्स का अनुसरण बना लिया, तो पीछे हटना या नरम पड़ना उनके व्यवसाय के लिए जोखिम भरा हो जाएगा।
- कुछ लोग अब भी उन्हें लीक हुए वित्तीय दस्तावेज़ों और पूँजी आँकड़ों के स्रोत के रूप में उपयोगी मानते हैं, जबकि उनकी टिप्पणी को बड़े हिस्से में अनदेखा करते हैं।
- एक अल्पसंख्या का तर्क है कि वह प्रणाली के बारे में दिशा में सही हैं, भले ही व्यक्तिगत रूप से असहनीय या तकनीकी रूप से कमजोर हों।
उनकी भविष्यवाणियों की सटीकता और मूल्य
- थ्रेड मोटे तौर पर सहमत है कि उनकी ठोस, समय-सीमित भविष्यवाणियाँ (AI का चरम पर पहुँचना, लैब्स का ढहना, hyperscalers का “चलती लाशें” होना) अब तक लगातार गलत रही हैं।
- रक्षकों का अक्सर सहारा “वह जल्दी थे, गलत नहीं” तक सिमट जाता है, जिसे दूसरे लोग अप्रमाण्य और गलत होने से अविभाज्य बताकर खारिज करते हैं।
- इस पर बहस है कि क्या उनकी संख्यात्मक गलतियों और छूटी हुई समय-सीमाओं पर ध्यान देना उनकी AI-अर्थशास्त्र संबंधी मूल थीसिस का निष्पक्ष उत्तर है या नहीं।
AI अर्थशास्त्र, बुलबुला, और चक्रीय वित्तपोषण
- कई टिप्पणीकार इस धारणा से सहमत हैं कि AI पर खर्च बुलबुले जैसा दिखता है: भारी capex, पतला या अपारदर्शी मुनाफ़ा, और रचनात्मक वित्तपोषण पर निर्भरता।
- चक्रीय सौदों पर बहुत चर्चा होती है (hyperscalers का उन लैब्स में निवेश करना जो फिर अपने खर्च को वापस उनकी clouds पर पहले से प्रतिबद्ध कर देती हैं; सब्सिडी वाले tokens से दिखने वाली आय बढ़ना)।
- दूसरे लोग जवाब देते हैं कि वास्तविक राजस्व वृद्धि पर्याप्त है, hyperscalers के पास गहरी नकद-रिज़र्व हैं, और मध्यस्थों के margins समय के साथ दब सकते हैं।
टेक दिग्गजों की सेहत और AI रणनीति
- इस पर असहमति है कि Google, Meta, और Microsoft जैसी कंपनियाँ “मर रही” हैं या नहीं:
- एक पक्ष layoffs, खराब किए गए products, और AI को एक हताश growth story के रूप में देखता है।
- दूसरा पक्ष रिकॉर्ड revenue और profit की ओर इशारा करता है, और तर्क देता है कि उस अर्थ में “मर रही” कहना भ्रामक है।
LLMs की उपयोगिता और सीमाएँ
- व्यापक सहमति है कि LLMs वास्तव में उपयोगी हैं (खासकर coding में), लेकिन वे जादुई नहीं हैं और न ही हर जगह आर्थिक रूप से लाभकारी हैं।
- कुछ लोगों का मानना है कि मौजूदा क्षमताएँ लगभग एक सीमा पर हैं; दूसरे 2024 के बाद से क्षमता और दक्षता में स्पष्ट बढ़ोतरी देखते हैं।
स्वयं आलोचना और prediction culture पर
- लेख की भविष्यवाणी-नाकामियों को एकत्र करने के लिए सराहना की जाती है, लेकिन कुछ लोग इसे चयनात्मक, literalist, और गहरे macro critique के मामले में हल्का मानते हैं।
- कई लोग नोट करते हैं कि AI boosters और skeptics दोनों का मूल्यांकन उनके record पर होना चाहिए, vibes पर नहीं, और media incentives सभी pundits को overconfident forecasting की ओर धकेलते हैं।