Министерство юстиции США и Федеральная торговая комиссия (FTC) достигли соглашения о раздельном расследовании Microsoft, OpenAI и Nvidia на предмет антиконкурентного поведения.
В то же время, с принятием Закона об искусственном интеллекте ЕС, Европейская комиссия проявляет все больший интерес к расследованиям в области ИИ. В марте и мае 2024 года Европейская комиссия направила официальные запросы информации Google, Facebook и TikTok, Microsoft, требуя предоставить информацию о рисках и мерах по смягчению последствий, связанных с генеративным ИИ. 16 июля 2024 года ### Управление по конкуренции и рынкам Великобритании (CMA) объявило о начале расследования "найма Microsoft ключевой команды Inflection AI", чтобы определить, равносильно ли это найму "слиянию и поглощению".
Такая срочность конкурентных проверок обусловлена, с одной стороны, тем, что ### органы по надзору за конкуренцией не хотят снова быть застигнутыми врасплох крупными технологическими компаниями; с другой стороны, внутренние условия развития крупномасштабных моделей ИИ, по-видимому, обладают свойствами ### "концентрации" и "ограничения". Поэтому как ЕС, так и США, похоже, склоняются к "предварительному вмешательству" до того, как технологические компании успешно займут доминирующее положение на рынке ИИ.
### Внутренние "антиконкурентные" свойства развития искусственного интеллекта?
### 1. Барьеры облачной инфраструктуры и вычислительных мощностей
Некоторые эксперты считают, что ### олигополистический рынок ИИ практически неизбежен.
Для стартапов в области ИИ обучение моделей является дорогостоящей фиксированной затратой и основным препятствием для выхода на рынок ИИ. Трудно постоянно нести эти расходы только за счет сжигания денег инвесторов.
Только крупнейшие технологические компании (в основном Google, Amazon, Microsoft и Meta, а также Apple и Nvidia, совместно называемые GAMMAN) обладают необходимой облачной инфраструктурой и вычислительными мощностями для удовлетворения потребностей в обучении крупнейших моделей ИИ. Контроль GAMMAN над ключевыми активами ограничивает более мелкие стартапы подчиненными ролями.
Это объясняет, почему стартапы в области ИИ часто стремятся заключить соглашения о сотрудничестве с крупными технологическими компаниями. Например, наиболее типичным является сотрудничество OpenAI с Microsoft, обменивая доступ к вычислительной инфраструктуре на право GAMMAN использовать их новейшие модели. Или стартапы в области ИИ могут держаться подальше от передовых технологий, сосредоточившись на небольших моделях ИИ, которые хорошо работают в конкретных задачах, "закладывая основу" для крупных моделей, создавая приложения с собственными данными.
### 2. Барьеры для доступа к защищенным авторским правом данным
Многие высококачественные наборы данных для обучения ИИ в области текста, аудио и изображений защищены авторским правом. В принципе, авторы могут взимать лицензионные сборы за использование своих работ. Это приведет к сокращению предложения обучающих данных из-за дополнительных затрат. Это также увеличит стоимость обучения моделей и уменьшит конкуренцию между разработчиками моделей.
Закон ЕС об искусственном интеллекте требует, чтобы разработчики моделей соблюдали Закон об авторском праве ЕС, изложенный в Директиве об авторском праве, в частности, статью 4, которая предоставляет исключение из авторского права для коммерческих исследований, но позволяет правообладателям отказаться от этого исключения. В США существует некоторая правовая неопределенность, несколько дел находятся на рассмотрении. Если суды постановят, что исключение добросовестного использования не применяется, инвесторы в ИИ столкнутся с риском штрафных законных убытков. Чтобы избежать этого, крупнейшие компании в области ИИ уже заключили соглашения о лицензировании данных с крупными медиакомпаниями. Например, OpenAI заключила соглашения с New York Times, медиагруппой Bertelsmann и новостной платформой Reddit.
Если страны будут строго соблюдать законы об авторском праве, трудности с получением обучающих данных для моделей ИИ увеличатся, и более мелкие разработчики ИИ и стартапы могут не иметь финансовых возможностей для оплаты лицензий на авторские права, что может полностью вытеснить их с рынка.
### 3. Удобство доступа к пользователям
Разработчикам моделей ИИ нужны коммерческие каналы для получения дохода, чтобы оплачивать затраты на обучение и запуск моделей.
Некоторые стартапы с нуля создают свои собственные бизнес-модели, и довольно успешно. Например, OpenAI создала платный магазин приложений GPT и взимает плату за подписку с пользователей профессиональной версии ChatGPT. За год после запуска ChatGPT охватил более 100 миллионов пользователей.
Однако ### для стартапов в области ИИ с слабыми или отсутствующими сетевыми эффектами создание бизнес-модели с нуля очень сложно. Более простой способ получения дохода - сотрудничество с GAMMAN, встраивание моделей ИИ в их зрелые бизнес-модели. Например, Google встраивает свои собственные и сторонние модели ИИ в свою поисковую систему и другие сервисы, взимая высокую плату за доступ к некоторым услугам, управляемым ИИ.
Поэтому стартапы, еще не сформировавшие бизнес-модель, также готовы сотрудничать с GAMMAN, встраивая модели ИИ в нижний конец цепочки создания стоимости - существующие сервисы GAMMAN, ориентированные на пользователей; в ответ стартапы сотрудничают в обратном направлении в верхнем конце цепочки создания стоимости, GAMMAN предоставляет стартапам доступ к вычислительной инфраструктуре и возможным обучающим данным.
### Являются ли соглашения о "конкуренции и сотрудничестве" между GAMMAN и стартапами в области ИИ "слиянием и поглощением"?
По вышеуказанным причинам стартапы в области ИИ, желающие сохранить передовые технологические позиции, нуждаются в подписании соглашений о конкуренции и сотрудничестве с GAMMAN, чтобы преодолеть барьеры в обучении и привлечении клиентов. GAMMAN может вертикально интегрироваться по всей цепочке создания стоимости ИИ, в то время как стартапы в основном охватывают входные и промежуточные части цепочки создания стоимости.
Органы по управлению конкуренцией скептически относятся к этим сделкам и соглашениям, опасаясь, что соглашения о конкуренции и сотрудничестве могут стать троянским конем для GAMMAN, чтобы оказывать влияние и уменьшать конкуренцию со стороны стартапов в области ИИ. ### Один из важных юридических вопросов заключается в том, являются ли действия GAMMAN, от стратегических инвестиций до переманивания основателей и технических талантов стартапов, новым способом слияния и поглощения, который только обходит антимонопольный надзор - "квази-слияние"?
Однако несколько расследований органов по управлению конкуренцией до сих пор не нашли никаких убедительных доказательств.
Хотя Европейская комиссия в апреле 2024 года пришла к выводу, что инвестиционные договоренности Microsoft в OpenAI не являются приобретением, она продолжает расследовать, следует ли начать официальное антимонопольное расследование этих договоренностей на том основании, что они могут иметь искажающее влияние на внутренний рынок ЕС. Германия также аналогична, в ноябре 2023 года определив, что эти договоренности не подпадают под немецкий контроль за слияниями, но сохранив возможность пересмотра, если Microsoft в будущем увеличит свое влияние на OpenAI.
Американские антимонопольные органы теперь также присоединились к расследованию.
### Прорывные точки антимонопольного расследования генеративного ИИ
Если концепция "квази-слияния" трудно пробиваема с юридической точки зрения, то регулирующие органы, вероятно, будут искать прорыв в контроле над одним или несколькими ключевыми компонентами, от которых зависит генеративный ИИ.
### 1. Данные
В отличие от аппаратного обеспечения, обучающие данные неконкурентны и могут использоваться многими людьми одновременно. Однако многие источники высококачественных обучающих данных ограничены авторскими правами и лицензионными сборами.
Это особенно верно в специализированных областях или областях с более строгим регулированием данных (таких как здравоохранение или финансы). Предварительное обучение или тонкая настройка модели с глубокими экспертными знаниями в этих областях может потребовать доступа к большому объему данных, ### которые не широко доступны и трудно собрать для новых участников рынка.
Конечно, просто обладание большим объемом данных не является незаконным. Однако антимонопольные органы могут уделять особое внимание контролю компаний над данными, чтобы определить, может ли это уменьшить предложение данных, создать барьеры для доступа и препятствовать полному развитию справедливой конкуренции.
### 2. Таланты
Еще одним важным вкладом в генеративный ИИ является экспертиза рабочей силы. Разработка генеративных моделей требует большого количества инженеров и исследователей, которые должны обладать специфическими и относительно редкими навыками и глубоким пониманием машинного обучения, обработки естественного языка и компьютерного зрения. Таланты, которые компании могут привлечь и удержать, могут играть ключевую роль не только в пути развития генеративного ИИ, но и в скорости развития.
Из-за нехватки талантов мощные компании могут иметь мотивацию блокировать сотрудников, тем самым подавляя конкуренцию со стороны фактических или потенциальных конкурентов. Чтобы обеспечить рыночную конкуренцию и инновации, необходимо позволить талантам с инновационными идеями свободно перемещаться, и крайне важно, чтобы они не были ограничены положениями о неконкуренции.
Расследование, объявленное британским CMA в июле в отношении найма Microsoft ключевой команды Inflection AI (конкурента OpenAI), относится к этой категории. Кроме того, полный запрет FTC США на подписание новых соглашений о неконкуренции для всех сотрудников (включая высшее руководство), объявленный 23 апреля 2024 года, также направлен на содействие мобильности ИТ-талантов. Однако вскоре его законность была оспорена судьей, и перспективы остаются неясными.
### 3. Вычислительные ресурсы
Системы генеративного ИИ обычно требуют большого количества вычислительных ресурсов. Вычисления обычно требуют специализированного оборудования, такого как компьютеры со специализированными чипами, такими как графические процессоры (GPU), или доступа к вычислительным ресурсам через облачные вычислительные сервисы. Однако ### стоимость эксплуатации и обслуживания чипов и цены на облачные сервисы очень высоки, и в настоящее время их предоставляют только несколько компаний, что увеличивает риск антиконкурентного поведения.
Сегодня некоторые рынки специализированных чипов уже сильно концентрированы, и спрос на серверные чипы может превысить предложение. Например, всплеск спроса на серверные чипы, которые можно использовать для обучения ИИ, привел к нехватке, что побудило основных поставщиков облачных серверов, таких как AWS, Microsoft, Google и Oracle, "