OpenAI on hankanud kümneid tuhandeid Mac mini ja Mac Studio arvuteid. Uusi AI-agente treenitakse Apple'i riistvaral, et need oskaksid kasutada operatsioonsüsteeme.

Tehnoloogiamaailma tähelepanu on pöördunud ebatavaliselt riistvarahankele, mis võib muuta seda, kuidas tehisintellekt meie arvutitega interageerib. OpenAI on vastavalt The Informationi andmetele hankanud kümneid tuhandeid Mac mini ja Mac Studio seadmeid. See massiivne investeering Apple'i ökosüsteemi ei ole suunatud tavalise tarkvara arendamisele, vaid uue põlyvuse AI-agentide loomisele, mis suudavad arvutit kasutada täpselt nagu inimene.

Miks just Apple Silicon ja mitte traditsioonilised serverid?

Kogu strateegia keskmes on Apple Siliconi arhitektuur ja selle ühine mälu (unified memory). Erinevalt tavalistest süsteemidest, kus CPU ja GPU peavad andmeid pidevalt omavahel liigutama, võimaldab ühine mälu protsessoril, graafikakiipidel ja neuraalmotiividele jagada sama andmebaasi. See on kriitiline eelis siis, kui tekitatakse agente, kes peavad reaalajas jälgima ekraani sisu ja tegutsema operatsioonsüsteemis.

Kui AI-agent peab õppima, kuidas klikkida nuppudele, navigeerida menüüsid või hallama keerulisi töövogusid, on talle vaja reaalset operatsioonsüsteemi keskkonda. Emulatsioonid on sageli aeglased või ebafailisid. Luues tuhandete Maci koostise farmi, saab OpenAI käivitada massiivseid katse- ja eksimismeetodite tsükleid, kus algoritmid interageerivad otse macOS-i native tarkvaraga. See võimaldab agentidele õppida visuaalseid elemente ja nende funktsioone ilma vahendajate kasutamata.

Reinforcement learning ja agentide õppimisprotsess

Oluline on mõista, et see samm ei tähenda Nvidia GPU-de või suurte andmekeskuste klastrite hüljamist. Analüüsid näitavad, et Apple'i riistvara on mõeldud spetsiifiliselt reinforcement learningi ehk tugevdusõppe etapile. Kui baasmudelid treenitakse endiselt massiivsetes GPU-klastrites, siis agentidele õpetatakse praktilist kasutamist just sellistel kompaktsetel masinatel.

Protsess toimib järgmiselt: agent teeb ekraanil toimingu, saab tagasiside ja korrigeerib oma käitumist. Selleks, et see õppimine oleks kiire, on vaja tuhandeid paralleelseid simuleeringuid. Mac mini ja Mac Studio pakuvad siinkohal optimaalse taseme kombinatsiooni energiatõhususest, arvutusvõimest ja macOS-i ligipääsest. Apple'i kompaktsed desktopid on ideaalsed just selliste tihedate riistvaraparkide jaoks, kus koht ja elektritarve on olulised tegurid.

Riistvara võimekus ja mudelite mastaap

Tehniline pooltähis on siin muljastava. Näiteks Mac Studio mudelid, mis on varustatud M5 Ultra kiibiga ja 256 GB mäluga, suudavad mugavalt käitada mudeleid, millega on ligi 70 miljardit parameetrit. Veelgi rohkem on võimalik saavutada kvantiseeritud versioonidega, kus on võimalik käitada mudeleid vahemikus 235 kuni 284 miljardit parameetrit.

See heterogeense infrastruktuuri lähenemine tähendab, et OpenAI ei lootnud enam ainult ühele riistvaratüübile. Nad kasutavad andmekeskuste GPU-sid suurte mudelite algse treenimise jaoks ja Apple'i seadmeid agentide kohaliku täitmise, testimise ja privaatsustundlike töövoogude jaoks. See strateegia võimaldab vähendada sõltuvust vaid ühest tarnijast ja optimeerida kulusid vastavalt konkreetsele ülesandele.

Turgu ja konkurentsutrendid

OpenAI ei ole selles liikumises üksi. Teised juhtivad AI-laborid, nagu Anthropic, on leidnud sarnaseid lahendusi. Erinevalt OpenAI-st, kes ostis riistvara omandisse, rentib Anthropic vastavaid ressursse Amazon Web Servicesi (AWS) pilveinfrastruktuuri kaudu. See näitab, et trend on üldine: AI-agentide arendamine nõuab sarnaseid macOS-i keskkondi, et saavutada kõrge täpsus kasutajaliideside juhtimisel.

Kogu see huvi Apple'i riistvara vastu tuleneb sellest, et kui tehisintellekt peab õppima arvutit kasutama nagu inimene, on kriitilise tähtsusega kasutada reaalset operatsioonsüsteemi, mitte simuleeritud keskkonda.

Selle massiivse nõudluse on juba hakatud märgata ka tarbijaturul. Teatavalt on kõrge mäluvõimsusega Maci mudelite tarningajad pikenenud, kuna AI-laborid ostavad seadmeid hulgaliselt. See on loonud põيtliku olukorra, kus professionaalsed kasutajad ja AI-ettevõtted võitlevad samade ressursside pärast, samal ajal kui Nvidia jälgib huviga, kuidas odavamad ja energiatõhusamad alternatiivid võidavad maad spetsiifilistes töökoormustes.

Mida see tähendab Eesti ja Balti riikide ettevõtjatele?

Balti riikide jaoks, ja eriti Eesti jaoks, kelle digitaalne ökosüsteem on üks maailma arengulisemaid, on see uudis signaal uue trendi alguse kohta. Meie ettevõtjad on harjunud pilvilahendustega, kuid OpenAI liikumine kohaliku, spetsialiseeritud riistvara suunas näitab, et AI-agentide ajastul ei piisa vaid API- kõnedest. See nõuab sügavamat integratsiooni kasutajaliidestega ja operatsioonsüsteemidega.

Eesti e-riigi infrastruktuur ja digitaalsed teenused on ideaalne testiväli AI-agentidele, kes suudavad navigeerida keerulistes riiklikes ja äriportaalides. Kui agentid õpivad macOS-i ja teiste süsteemide juhtimist, muutub nende rakendamine meie kohalike e-teenustesse palju tõhusamaks. Samas tuleb arvestada Euroopa Liidu AI Actiga, mis seab rangele kontrollile süsteemid, mis interageerivad kasutajate andmetega ja automatiseerivad otsuseid.

Kohalikele startupidele ja tehnoloogiaettevõtetele annab see võimaluse mõelda uue perspektiiviga: kas me loome vaid tarkvara, mis suhtleb teise tarkvaraga, või loome agente, mis suudavad kasutada olemasolevaid tööriistu täpselt nagu inimtekst töötaja? Balti riikide agility ja võime kiiresti adapteeruda uutele riistvarastrategiatele võib meid aidata saada eeskujlikuks regiooni keskuseks, kus AI-agendid ei ole vaid vestlusbotid, vaid tõelised digitaalsed assistendid, kes hallavad meie e-valitse ja äriprotsesse.

Korduma kippuvad küsimused

---

Allikad: Diariobitcoin, Pronetic, Studioglobal ·