В последние годы генеративный искусственный интеллект (Gen AI) С момента запуска ChatGPT широко обсуждалась идея о том, что ИИ приведёт к масштабным изменениям, включая потерю 300 миллионов рабочих мест. Однако спустя 18 месяцев после пика ажиотажа реальность оказалась иной.
Цикл ажиотажа вокруг искусственного интеллекта
Как и многие новые технологии, генеративный ИИ прошёл хорошо известный путь, называемый циклом ажиотажа Гартнера. Эта модель описывает повторяющийся процесс, в котором первоначальный успех технологии приводит к завышенным общественным ожиданиям, которые в конечном итоге не оправдываются. После «пика завышенных ожиданий» наступает «впадина разочарования», за которой следует «спад просветления» и, наконец, «плато продуктивности».
В отчёте Gartner, опубликованном в июне 2024 года, указано, что большинство технологий генеративного ИИ всё ещё находятся на пике завышенных ожиданий или близки к нему. Практическое внедрение этих технологий оказалось менее успешным: согласно исследованию RAND, 80% проектов в области ИИ терпят неудачу, что более чем вдвое превышает показатель для проектов без ИИ.
Текущие ограничения генеративного ИИ
Проблемы, с которыми сталкивается генеративный ИИ, многочисленны: от высоких инвестиций в инфраструктуру данных и ИИ до нехватки квалифицированных специалистов. Однако необычный характер ограничений генеративного ИИ представляет собой серьёзную проблему.
Например, генеративные системы искусственного интеллекта способны решать сложные университетские тесты, но не справляются с простыми задачами, как это показала неудачная попытка McDonald's автоматизировать заказы через автокассу. Это несоответствие создаёт ложную уверенность у пользователей, которые в итоге используют модели в неподходящих ситуациях.
Опыт успешных проектов показывает, что добиться от генеративной модели точного следования инструкциям сложно. Примером служит Khanmigo, обучающая система Khan Academy, которая выдаёт правильные ответы, даже если её не учили делать этого.
Почему ажиотаж еще не утих?
Несмотря на трудности, технологии генеративного ИИ быстро развиваются, главным образом за счёт увеличения масштаба и размера моделей. Исследования показывают, что количество параметров, объём данных и вычислительная мощность, используемые при обучении, влияют на эффективность модели, тогда как архитектура нейронной сети оказывает минимальное влияние.
Большие языковые модели также демонстрируют неожиданные эмерджентные способности, такие как рассуждения по аналогии и воспроизведение оптических иллюзий, которые возникают, когда модели достигают критического размера. Причины этих достижений являются предметом споров, но существует общее мнение, что модели становятся всё более сложными.
Компании, занимающиеся разработкой ИИ, продолжают работать над более крупными и дорогими моделями, в то время как такие компании, как Microsoft и Apple, рассчитывают на окупаемость своих текущих инвестиций. По оценкам, для оправдания текущих инвестиций в генеративный ИИ потребуется ежегодный доход в размере 600 миллиардов долларов, который в ближайшие годы может достичь 1 триллиона долларов.
O Que Vem a Seguir?
По мере того, как ажиотаж вокруг ИИ начинает угасать, и мы вступаем в период разочарования, мы видим всё более реалистичные стратегии его внедрения. Компании используют ИИ для поддержки людей, а не для их замены. Недавний опрос показал, что американские компании используют ИИ в первую очередь для повышения эффективности (49%), снижения затрат на рабочую силу (47%) и повышения качества продукции (58%).
Мы также наблюдаем рост числа небольших и более дешевых генеративных моделей ИИ, обученных на конкретных данных и развернутых локально для снижения затрат и повышения эффективности. Например, OpenAI выпустила модель GPT-4o Mini для снижения затрат и повышения производительности.
Кроме того, всё больше внимания уделяется повышению грамотности в области ИИ и обучению персонала принципам работы ИИ, его возможностям и ограничениям, а также передовым практикам этичного использования ИИ. В ближайшие годы нам придётся учиться и переучиваться использованию различных технологий ИИ.
В конечном счёте, революция ИИ, скорее всего, будет представлять собой скорее эволюцию, постепенно развивающуюся с течением времени и постепенно изменяющую и преобразующую деятельность человека. Что, пожалуй, гораздо лучше, чем его замена.
