Кажется, что сейчас мы переживаем «золотой век» искусственного интеллекта. Компании инвестируют десятки миллиардов долларов в разработку инструментов на базе генеративного ИИ. Журналисты и исследователи экспериментируют с ChatGPT, прося его то сочинить стих, то написать статью. Правительства многих стран обсуждают или уже принимают законы, регулирующие использование алгоритмов. Однако в истории уже были похожие периоды эйфории по поводу искусственного интеллекта. И заканчивались они разочарованием, оттоком инвестиций и замедлением развития технологий. Рассказываем, почему происходили эти спады и стоит ли ожидать схожий итог у нынешней ИИ-лихорадки.
Как появился термин
«Зима искусственного интеллекта» - период, когда происходит снижение финансирования и интереса к исследованиям в области ИИ. Термин впервые появился в 1984 году как тема публичной дискуссии на ежегодной встрече Американской ассоциации искусственного интеллекта (AAAI). На ней ведущие исследователи в области ИИ Роджер Шэнк и Марвин Мински высказали опасения насчет того, что энтузиазм вокруг ИИ выходит из-под контроля, и в перспективе ни к чему хорошему не приведет. Они сравнили этот процесс с ядерной зимой - в том смысле, что будет запущена цепная реакция, когда ученые из-за неоправдавшихся ожиданий разочаруются в эффективности технологий, подобные пессимистические настроения начнут тиражировать СМИ, а инвесторы не захотят вкладываться в разработки с туманными перспективами. И в конце концов исследования окажутся полностью или почти полностью прекращены. Неизвестно, как участники встречи отреагировали на предостережения коллег, но уже через три года их прогноз сбылся. Впрочем, вернемся немного назад.
Индустрия 4.0 Ментор и ассистент: как искусственный интеллект помогает учить и учиться
Первая и вторая зимы искусственного интеллекта
Первая зима ИИ продлилась с 1974 по 1980 год. До этого ей предшествовали практически два десятилетия активно нарастающего интереса к «мыслящим машинам» со стороны ученых и широкой общественности.
В 1956 году в Дартмутском колледже прошел двухмесячный семинар, на котором для обозначения новой области исследования, занимающейся моделированием человеческого разума, американский информатик Джон Маккарти предложил термин «искусственный интеллект». А за два года до этого в Джорджтауне в штаб-квартире корпорации IBM был продемонстрирован полностью автоматический перевод более 60 предложений с русского языка на английский. Презентация прошла успешно и, будучи широко разрекламированной в СМИ, побудила правительство США начать больше инвестировать в компьютерную лингвистику. И не только в нее - с 1950-х по 1970-е годы Управление перспективных исследовательских проектов Министерства обороны США (DARPA) финансировало исследования в области искусственного интеллекта с минимальными требованиями к разработке проектов - фактически исследователи ИИ могли тратить полученные средства на любые проекты, которые им придут в голову. В этот период также появился предшественние современных нейросетей - перцептрон.
Но к 1970-м всеобщий энтузиазм начал затухать. Во-первых, алгоритмы-предшественники онлайн-переводчика DeepL хоть и подавали большие надежды, но без понимания контекста предложения выдавали некорректные результаты и в целом обходились дороже людей-переводчиков. Во-вторых, в 1969 году вышла книга «Перцептроны» Марвина Мински и Сеймура Пейперти, в которой ученые заявили, что хоть первые нейросетевые модели и показывали феноменальные способности к обучению, их функциональность для решения каких-либо задач на тот момент была крайне мала. В-третьих, повлияло и принятие поправки сенатора Майкла Мэнсфилда 1969 года. В соответствии с инициативой, DARPA сокращала финансирование «общих исследований». Теперь ученые были обязаны доказать, что их ИИ-исследования имеют «прямую и очевидную» пользу для конкретных военных задач. Финальным аккордом стал отчет английского ученого Джеймса Лайтхилла, подготовленный в 1973 году. В нем английский математик дал крайне пессимистический прогноз насчет перспектив ИИ, отдельно отметив, что ни одно из открытий в этой области не оказало существенного влияния на науку и общество в целом.
В результате накопившегося разочарования поток инвестиций иссяк, интерес правительств и широкой общественности к технологиям ИИ практически сошел на нет, что привело к остановке многих исследований и разработок.
В 1980-х интерес к ИИ возродили экспертные системы - программы для ЭВМ, которые умели предсказывать и прогнозировать результаты какого-либо события со множеством переменных на основе полученных данных. Корпорации по всему миру начали активно их внедрять, а Министерство международной торговли и промышленности Японии даже запустило проект по созданию компьютерных систем пятого поколения, которые, как предполагалось, смогут вести беседу с людьми, интерпретировать изображения и станут основой для будущих исследований ИИ. Но затем все повторилось, как в 1970-е. Экспертные системы и вычислительные машины, на которых те запускались, было дорого обслуживать, и по итогу они проиграли конкурентную борьбу компьютерам Apple и IBM. Проект японского министерства тоже провалился, и это тоже внесло вклад в начало второй «зима искусственного интеллекта», которая продлилась с 1987 по 1994 год.
Статистические методы машинного обучения, основанные на увеличении объема данных и вычислительных ресурсов, вновь возродили интерес к ИИ, однако на протяжении ряда лет к ним сохранялось скептическое отношение. Как писал один из авторов The Economist в 2007 году о разработках в сфере распознавания речи: «Технология произвела на них [венчурных капиталистов] впечатление, но их отпугнул термин «распознавание голоса», который, как и «искусственный интеллект», ассоциируется с системами, слишком часто не выполняющими своих обещаний».
Индустрия 4.0 Это работа для нейросети: как искусственный интеллект меняет рынок труда
Что происходит сейчас
Можно с уверенностью сказать, что сейчас мы находимся в самом разгаре лета ИИ. Началом его можно назвать 2012 год, когда группа ученых из Университета Торонто представила архитектуру AlexNet. Это был настоящий прорыв - авторы впервые использовали сверточные нейросети с общей глубиной в восемь слоев и показали, что такая нейросеть может достичь значительно более высоких результатов по сравнению с традиционными моделями машинного обучения. За ней последовали другие архитектуры нейросетей, например Transformer, большие языковые модели, ChatGPT и тому подобное. Однако некоторые эксперты опасаются, что скоро наступит новая зима.
Повышение производительности труда с помощью ИИ
Прежде всего за всеми этими разговорами про «всемогущий» ИИ теряется главное - повышение производительности труда. Возьмем роботакси и автопилоты. Сколько лет нам обещают, что они буквально завтра станут повсеместным явлением и помогут сократить число аварий, однако пока этого не наблюдается. Та же Tesla с системой автопилота за девять месяцев 2022 года оказалась замешана в 273 авариях. Да и вообще - зачем пытаться кого-то заменить машиной? Если вместо человека автомобилем будет управлять робот, от этого что-то сильно изменится? С точки зрения повышения эффективности труда лучше менять не водителя, а транспортное средство - водитель автобуса работает многократно эффективнее, чем водитель персональной машины.
Не обойдем вниманием и ChatGPT. Это великолепный человеко-машинный интерфейс, но, во-первых, все его результаты надо перепроверять. Во-вторых, до сих не совсем понятна конечная цель его применения. Чат-бот умеет коммуницировать, как человек, но что это дает экономике: если такую технологию, например, поставить общаться с клиентом, то это лишь приведет к снижению качества сервиса. И в этом основная беда - в ИИ активно инвестируют, но ни у кого нет четкого и реалистичного представления, что должно в итоге получиться. Только обещания, что искусственный интеллект будет лучше человека ставить диагнозы, водить машину и так далее.
Конечно, мы не хотим сказать, что технологии ИИ бесполезны: во многих отраслях правильное их применение (не замена человеку, а помощь ему) дает положительный эффект. Однако инвестиции в них пока несоразмерны эффекту. Согласно статистике, 60-80% проектов, связанных с искусственным интеллектом, проваливаются, а потому сейчас можно прогнозировать, что многие финансовые вложения в эту область окажутся потрачены в никуда. А это чревато тем, что всеобщее ликование по поводу ИИ вскоре сменится, и, похоже, уже на наших глазах сменяется, всеобщим разочарованием и приостановкой инвестиций с заморозкой многих проектов.
Индустрия 4.0 Новые модели искусственного интеллекта сделают прогноз погоды точнее
Законодательное регулирование ИИ
Не меньшего внимания заслуживает тот факт, что ChatGPT и ему подобные модели обучаются на данных, которые, вообще-то говоря, кому-то принадлежат. И все больше людей начинают высказывать недовольство, что их данными без разрешения пользуются посторонние лица. Так, в конце 2023 года The New York Times подало в суд на OpenAI и Microsoft. Издание обвинило IT-компании в том, что те незаконно используют «уникально ценные произведения NYT».
Законодательное регулирование ИИ тоже может привести к новой зиме. В марте 2024 года Европейский парламент одобрил закон, регулирующий использование искусственного интеллекта (в частности, для технологий ИИ вводятся категории риска - от низкой до неприемлемой, а также попадают под запрет системы распознавания лиц в режиме реального времени и социальный рейтинг). «Яндекс» первым на российском рынке начал маркировать рекламу, сгенерированную с помощью искусственного интеллекта. Следует ожидать, что подобных законов и ограничений в будущем станет только больше.
Причины этого процесса понятны. Государство должно следовать воле своих избирателей, а те, во-первых, желают знать, какой контент был создан человеком, а какой - машиной. Во-вторых, они не хотят, чтобы ИИ учился на их данных. Едва ли кому-нибудь понравится, что после посещения условного сайта с квартирами на продажу ему вскоре начинают звонить и предлагать выгодные ипотеки, кредиты и тому подобное.
Экономика и экология
Отдельно стоит рассмотреть вопрос энергопотребления и экологический вред от технологий ИИ. ChatGPT потребляет не просто огромное, а чудовищно огромное количество энергии - чат-бот OpenAI отвечает на 200 млн запросов ежедневно, и серверам, на которых работает сервис, для этого необходимо 500 тыс. кВт·ч энергии (для сравнения - в год среднестатистическое домохозяйство в США использует лишь 29 кВт·ч). И это не предел - по оценкам одного из крупнейших в мире инвестиционных банков Goldman Sachs, искусственный интеллект способен увеличить потребность в электроэнергии в центрах обработки данных на 160% к 2030 году.
Экономические издержки, вызванные чрезмерным потреблением ИИ электроэнергии, могут в какой-то момент перевесить выгоды от использования технологии, и это приведет к уменьшению числа дата-центров. А помимо чисто экономических соображений, существуют еще и экологический фактор. Например, в 2023 году у Google был зафиксирован 13% рост выбросов парниковых газов, вызванный интеграцией ИИ в продукты компании и нехваткой возобновляемых источников энергии в Азии и некоторых регионах США. Сейчас эксперты высказывают серьезные опасения насчет того, что искусственный интеллект способствует приближению климатического кризиса, и это тоже может привести к приостановке в скором будущем многих ИИ-проектов.
Индустрия 4.0 Почему нанимать на работу искусственный интеллект будут не скоро
Когда снова наступит зима искусственного интеллекта
Чтобы предотвратить новую зиму, необходимо сосредотачиваться на тех технологиях и тех проектах, которые принесут очевидную пользу с точки зрения производительности труда и экономики. Ресурсы человечества не бесконечны, а это значит, что их нужно использовать максимально эффективно. Касаемо «наших» нейросетей, таких как Kandinsky или GigaChat - конечно, хорошо, что мы смогли повторить успехи Америки. Но, откровенно говоря, это не лучшие достижения Соединенных Штатов. Если бы мы сделали нейросеть, которая умеет предсказывать новые материалы и лекарства, и внедрили ее в промышленность, то это дало бы ощутимую пользу и экономике, и людям. Или всерьез занялись компьютерной томографией и новыми методами, позволяющими осуществлять исследование объектов без их разрушения. Это способствовало бы прорыву в производстве авиадвигателей или иных сложных аппаратов.
Все перечисленное дало бы понятный экономический эффект, который ChatGPT или Kandinsky пока продемонстрировать не могут. Но, к сожалению, это понимают в основном специалисты, а тем временем широкая публика очарована тем, что новая разработка OpenAI Sora умеет на основе текстового запроса генерировать видео в высоком качестве. Но когда-нибудь, а, скорее всего, в ближайшие годы, люди пресытятся новостями о нейросетях или появится новый инфоповод, например, Илон Маск колонизирует Марс, и этот пузырь языковых моделей лопнет, как в свое время было с доткомами.