Что такое «зима искусственного интеллекта» и когда ее ждать

Первая и вторая зимы искусственного интеллекта

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.

«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.

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.

Искусственный интеллект (ИИ), базирующийся на больших языковых моделях (Large Language Model) и машинном обучении, в публичном поле появился всего два с половиной года назад. Но за короткое время он успел стать технологией, оказывающей заметное влияние на развитие экономики и формирование новых рынков.

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».

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. Начнется очередная «зима ИИ».

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.

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.

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.

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.

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».

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.

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.

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.