Общий искусственный интеллект может появиться до 2030 года

Эксперты из института Epoch AI проанализировали все прогнозы профессиональных исследователей относительно того, когда человечество создаст AGI. Вероятность создания общего искусственного интеллекта к 2030 году оценивается ими в среднем в 25%, к 2050 году в 57%, к 2100 году в 88%.

В отношении первого и третьего пункта все вроде бы понятно: если заложить в память компьютера все известные решения в какой-то области и поставить задачу решить некоторую конкретную задачу, то (при условии установления правильных ограничений) найденные решения, с большой вероятностью, не будут пересекаться с уже известными и будут пригодны к использованию.

Организация, в которой создано изобретение, заинтересована в получении исключительного права на него и, соответственно, в возможности его монопольного коммерческого использования. Однако при подаче заявки на регистрацию такого изобретения возникнет вопрос: кого указать в качестве автора?

Сегодня рынок искусственного интеллекта является самым быстрорастущим в мире. Согласно прогнозам исследовательской компании Statista, c 2024 по 2030 год мировой рынок ИИ будет расти со скоростью 28,46% в год. А по мнению заместителя председателя правительства Российской Федерации Дмитрия Чернышенко, экономический эффект от внедрения искусственного интеллекта увеличит ВВП России к 2030 году на 11 трлн руб.

Популярный пример – программа AlphaZero, обучавшаяся игре в шахматы в течение всего нескольких часов путем игры «сама с собой» на основе знания правил. После такого обучения она вышла победителем в игре с признанным «чемпионом» — программой Stockfish, которая пользовалась огромной базой данных гроссмейстерских партий и просчитывала 70 млн. операций в секунду (против 400 тысяч у AlphaZero). Из 100 партий AlphaZero не проиграла ни одной.

Однако с появлением систем искусственного интеллекта, основанных на машинном обучении, многое изменилось. Системы, которые способны самообучаться, могут достигать большего знания, чем их создатели. Соответственно, вполне вероятно, что они могут выдавать решения, которые являются гениальными с точки зрения сегодняшнего знания, доступного изобретателю-человеку.

Долгое время считалось, что компьютеры не могут «мыслить» оригинально. Человек всегда приписывал себе способность к «творческому» труду, к нахождению нестандартных вариантов. Ведь именно создание чего-то особенного, неординарного всегда составляло суть изобретательства, продвигало вперед технический прогресс и приносило человеку моральное удовлетворение.

Но главное, что некоторые ходы AlphaZero были абсолютно неожиданными для профессиональных шахматистов. Такими, которые признаются «гениальными» и выглядят результатом некого «озарения». Именно такого озарения, которое мы привычно связываем с изобретательской деятельностью. Понятно, что с точки зрения компьютерного алгоритма ходы были вполне закономерными и основывались на знаниях, полученных в процессе машинного обучения.

В конечном итоге, ответить на вопрос о способности искусственного интеллекта создавать изобретения может только практика. А она показывает, что уже сегодня искусственным интеллектом создаются технические решения, которые могут быть запатентованы в качестве изобретений. (Наиболее «нашумевший» пример 2019 года – изобретение пищевого контейнера системой искусственного интеллекта DABUS.)

Что же делать в случае создания таких объектов искусственным интеллектом? Возьмем к примеру созданное искусственным интеллектом техническое решение, которое может быть зарегистрировано в качестве изобретения (всё сказанное ниже в одинаковой степени применимо и к полезной модели, и к решению внешнего вида изделия, которое может быть зарегистрировано как промышленный образец).

При этом руководитель научных исследований обработки естественного языка в лаборатории T-Bank AI Research Даниил Гаврилов считает, что общий ИИ появится раньше. Он отметил, что и аналитики, и разработчики, делая прогноз в 2021 году относительно качества нейросетевых моделей к 2022 году, ошиблись более чем в два раза, причем, в меньшую сторону. «Нам очень тяжело думать об экспоненциальном росте, а именно так сейчас развиваются большие языковые модели. Такая скорость тяжело укладывается в голове, поэтому те предсказания, которые мы слышали оказались более пессимистичны, чем реальность. Если экстраполировать текущую скорость развития ИИ, то уже к 2027 году мы получим, если не полноценный AGI, то что-то качественно иное относительно того, что мы имеем сейчас», — считает Гаврилов. Согласно данным Epoch AI, сегодня существуют несколько разнонаправленных трендов, которые будут влиять на скорость развития ИИ в ближайшие годы. Так производительность «железа», которое требуется обучения и работы нейросетей, удваивается каждые 2,3 года. А переход на новые (FP16) тензорные ядра в графических процессорах NVIDIA привел к одномоментному 10-кратному росту производительности. Объем вычислений, используемых для обучения нейросетевых моделей, с 2010 по 2024 ежегодно увеличивался в 4-5 раз. Такой рост наблюдается в новых больших языковых моделях (LLM) всех ведущих компаний. Алгоритмический прогресс в производительности LLM происходит со скоростью эквивалентной удвоению вычислительной мощности каждые 5-14 месяцев. То есть ИИ-алгоритмы становятся более совершенными и производительными. Среди негативных факторов, тормозящих развитие ИИ, эксперты Epoch AI отметили рост стоимость LLM. За последние восемь лет стоимость обучения новейших ИИ-моделей росла в 2-3 раза в год, а к 2027 году стоимость крупных LLM превысит миллиард долларов. Также сдерживающим фактором является дефицит данных для обучения искусственного интеллекта. Запас публичных текстов, созданных человечеством, оценивается примерно в 300 триллионов токенов. Если актуальные тенденции сохранятся, то языковые модели полностью используют этот запас между 2025 и 2032 годами (под токенами подразумевается последовательность текстовых символов — слов или отдельных знаков — ред.). В дальнейшем для дальнейшего обучения нейросетевых моделей потребуется использовать синтетические данные, то есть сгенерированные ИИ. Таким образом искусственный интеллект начнет обучать себя сам, но как это отразится на качестве и характере обучения пока неизвестно. В любом случае аналитики считают, что 2027-2030 года станут рубежом, когда станет ясно, насколько человечество приблизилось к созданию общего искусственного интеллекта. Среди экспертного сообщества нет сомнений, что создание AGI вызовет мощные технологические, экономические и социальные изменения в обществе.

Точное определение AGI еще не сложилось, но большинство экспертов определяет его, как ИИ, который соответствует или превосходит человеческие возможности в широком спектре когнитивных задач. Именно это, по мнению директора управления экспериментальных систем машинного обучения SberDevices Сергея Маркова, отличает AGI от существующих сегодня нейросетевых моделей. «Пчела найдет оптимальный маршрут в улей быстрее и лучше, чем это сделал бы человек, хотя в ее нервной системе несколько сотен тысяч нейронов, а у человека восемьдесят шесть миллиардов. Шахматная программа или даже калькулятор в решении конкретной задачи тоже превосходит человека. Уже сегодня можем сейчас взять почти любую простою задачу и сделать систему, которая будет лучше человека в ее решении. А вот AGI или общий искусственный интеллект — это универсальная система, которая сможет решать неизвестные ей ранее задачи. Сила человеческого интеллекта именно в том, что мы умеем решать задачи, с которыми ранее не сталкивались. И к созданию таких систем мы сейчас только приближаемся» , — отметил Марков в своем выступлении на конференции Turbo ML Conf.