Το Ινστιτούτο Τεχνητής Νοημοσύνης με Ανθρώπινο Κέντρο του Πανεπιστημίου Stanford δημοσίευσε τον αναλυτικό Δείκτη ΤΝ 2025, προσφέροντας μια ανάλυση βασισμένη σε δεδομένα για το παγκόσμιο τοπίο της τεχνητής νοημοσύνης σε τομείς όπως η έρευνα, η τεχνική απόδοση, η οικονομία και το περιβαλλοντικό αποτύπωμα.
Η έκθεση, που ξεπερνά τις 400 σελίδες, αποκαλύπτει μια εντυπωσιακή διχοτόμηση στην οικονομία της ΤΝ. Ενώ η εκπαίδευση προηγμένων μοντέλων ΤΝ έχει γίνει ολοένα και πιο δαπανηρή—με το Gemini 1.0 Ultra της Google να κοστίζει περίπου 192 εκατομμύρια δολάρια για την εκπαίδευσή του—το κόστος χρήσης αυτών των μοντέλων έχει καταρρεύσει. Το κόστος για ερωτήματα σε μοντέλο επιπέδου GPT-3.5 έπεσε από 20 δολάρια ανά εκατομμύριο tokens τον Νοέμβριο του 2022 σε μόλις 0,07 δολάρια ανά εκατομμύριο tokens τον Οκτώβριο του 2024, μια μείωση κατά 280 φορές μέσα σε 18 μήνες.
Αυτή η θεαματική πτώση στο κόστος χρήσης αποδίδεται στις σημαντικές βελτιώσεις στην αποδοτικότητα του υλικού. Η έκθεση αναφέρει ότι το κόστος υλικού για επιχειρησιακή ΤΝ έχει μειωθεί κατά 30% ετησίως, ενώ η ενεργειακή απόδοση έχει αυξηθεί κατά 40% κάθε χρόνο. Αυτές οι τάσεις μειώνουν ραγδαία τα εμπόδια για την υιοθέτηση προηγμένης ΤΝ, με το 78% των οργανισμών να δηλώνουν πλέον χρήση ΤΝ, από 55% το 2023.
Ωστόσο, το περιβαλλοντικό αποτύπωμα της εκπαίδευσης μεγάλων μοντέλων ΤΝ συνεχίζει να αυξάνεται με ανησυχητικό ρυθμό. Οι εκπομπές άνθρακα από την εκπαίδευση προηγμένων μοντέλων ΤΝ αυξάνονται σταθερά, με το Llama 3.1 της Meta να παράγει εκτιμώμενα 8.930 τόνους CO2—ποσότητα αντίστοιχη με τις ετήσιες εκπομπές σχεδόν 500 μέσων Αμερικανών. Αυτό εξηγεί γιατί οι εταιρείες ΤΝ στρέφονται όλο και περισσότερο στην πυρηνική ενέργεια ως αξιόπιστη πηγή ενέργειας χωρίς άνθρακα για τα κέντρα δεδομένων τους.
Η έκθεση επισημαίνει επίσης τις μεταβαλλόμενες δυναμικές στο παγκόσμιο τοπίο της ΤΝ. Ενώ οι ΗΠΑ διατηρούν το προβάδισμα στην παραγωγή σημαντικών μοντέλων ΤΝ (40 το 2024 έναντι 15 της Κίνας), τα κινεζικά μοντέλα κλείνουν γρήγορα τη διαφορά στην απόδοση. Η διαφορά μεταξύ των κορυφαίων αμερικανικών και κινεζικών μοντέλων μειώθηκε από 9,26% τον Ιανουάριο του 2024 σε μόλις 1,70% τον Φεβρουάριο του 2025.
Καθώς η ΤΝ συνεχίζει να μετασχηματίζει βιομηχανίες, ο Δείκτης ΤΝ του Stanford αποτελεί κρίσιμο εργαλείο για την κατανόηση τόσο των ευκαιριών όσο και των προκλήσεων που φέρνει αυτή η ταχέως εξελισσόμενη τεχνολογία. Τα ευρήματα δείχνουν ότι, ενώ η ΤΝ γίνεται πιο προσβάσιμη και οικονομικά συμφέρουσα για εφαρμογή, ο κλάδος πρέπει να αντιμετωπίσει το αυξανόμενο περιβαλλοντικό κόστος που σχετίζεται με την ανάπτυξη ολοένα και πιο ισχυρών μοντέλων.