Несколько дней назад я прочитал научную статью , которая сразу же напомнила мне о моем старом AbShaper ( https://www.linkedin.com/pulse/o-efeito-abshaper-verdade-inconveniente-sobre-projetos-deivid-bitti-wyzuf ). Исследователи из известных университетов обнаружили то, что мы, находящиеся на передовой проектов в области ИИ, уже подозревали: существует невидимая стена, из-за которой крупные технологические компании буквально строят атомные электростанции, пытаясь ее преодолеть.
Жестокая математика реальности
Исследование выявило цифры, от которых любой финансовый директор не выдержит: чтобы улучшить производительность LLM всего на 10%, необходимо увеличить вычислительную мощность в 10 миллиардов раз . Да, вы правильно прочитали. Не в 10 раз или в 100 раз. А в 10 000 000 000 раз.
Это как если бы кто-то сказал вам: «Чтобы получить на 10% более рельефный пресс с помощью AbShaper, вам нужно сделать не 100, а 10 миллиардов повторений». В таком случае даже самый оптимистичный покупатель сдался бы.
Параллель с нашей бизнес-реальностью
В Flexa Cloud , после реализации сотен проектов, я наблюдаю повторение этой закономерности в менее драматичной, но столь же показательной форме:
- Проект А: Клиент инвестировал 500 200 реалов, ожидая рентабельности инвестиций в размере 15%. Фактический результат? XNUMX% (всё ещё положительно, но далеко от ожиданий).
- Проект Б: Мы увеличили объём данных со 100 ГБ до 1 ТБ. Повышение точности? С 82% до 84%.
- Проект С: Мы утроили вычислительную мощность. Сокращение времени отклика? 20%.
Какой вывод? Больше — не всегда лучше . Иногда это просто дороже.
Синдром «GPT-4.5 решит всё»
Недавно ко мне пришел клиент и сказал: «Дэвид, когда выйдет GPT-5, наши проблемы закончатся, верно?» Мне пришлось провести такой же сложный разговор, какой у меня был с самим собой в 16 лет по поводу AbShaper.
Эксплуатация GPT-4.5 обходится в 30 раз дороже, чем GPT-4. Улучшения? Незначительные в количественных показателях. Это как купить AbShaper Pro Max Titanium Edition за 3.000 реалов, когда настоящая проблема в том, что вы не хотите делать упражнения на пресс.
Истины, с которыми нам нужно столкнуться
1. Проблема ложных корреляций
В статье раскрывается нечто интересное: чем больше набор данных, тем больше генерируется «статистического мусора». Это как сделать 10.000 XNUMX приседаний неправильно: не накачаешь пресс, а заработаешь боль в спине.
В недавнем проекте мы обнаружили, что наша модель «выучила», что продажи растут в дождливую погоду. Почему? Потому что, по случайности, в обучающих данных дождливые дни совпадали с продажами. Корреляция? Да. Причинно-следственная связь? Нулевая.
2. Закон убывающей доходности неумолим
- Удвоение данных = улучшение на 7–9 %
- Двойная обработка = улучшение на 5%
- Двойные инвестиции = половина ожидаемой окупаемости инвестиций
3. Энергия не бесконечна
Крупные технологические компании буквально возрождают атомные электростанции. Тем временем наш мозг работает на 20 ваттах — меньше, чем светодиодная лампочка. В этом уравнении есть что-то фундаментально неверное.
Что действительно работает (спойлер: это не магия)
После всех этих проектов я определил, что действительно движет ситуацией:
1. Конкретность превыше общности
Вместо того, чтобы пытаться создать «модель, которая решает всё», мы создали «модель, которая решает ВАШУ конкретную проблему». Один клиент сократил время обслуживания на 40% благодаря модели, обученной только на ИХ заявках, а не на всех знаниях из интернета.
2. Гибридный интеллект
Лучший проект, который мы реализовали вместе:
- ИИ для первичного скрининга (точность 90%)
- Люди в сложных случаях (10% случаев)
- Непрерывный цикл обратной связи
Результат? Окончательная точность 99.5% при снижении затрат на 70%.
3. Качество данных > Количество данных
Чистый набор данных объёмом 1 ГБ превосходит «грязный» набор данных объёмом 1 ТБ. Всегда. Без исключений.
Сложный разговор с клиентом
Сегодня, когда клиент приходит в восторге от «безграничных возможностей ИИ», я провожу презентацию, которую называю «Моментом реальности»:
Слайд 1 : «Да, ИИ способен на трансформацию». Слайд 2 : «Нет, он не сотворит чудес». Слайд 3 : «Вот какая работа необходима». Слайд 4 : «Вот реалистичные результаты». Слайд 5 : «Всё ещё интересно?»
Удивительно, но именно те клиенты, которые остаются с вами после такого разговора, получают наилучшие результаты.
Устойчивый путь
Будущее не в постоянно увеличивающихся моделях, а в:
- Глубокое понимание проблемы Прежде чем выбрать инструмент, разберитесь в рабочих процессах карты, а не в технологиях
- Индивидуальные решения Небольшая, хорошо оснащенная модель > стандартная гигантская модель. Сосредоточьтесь на вашем конкретном варианте использования.
- Реалистичные ожидания 10–20 % рентабельности инвестиций в первый год — это ОТЛИЧНО. Постоянное совершенствование > мгновенная революция.
- Умные инвестиции Вкладывайте средства в качество данных, а не в их количество. Инвестируйте в людей, которые разбираются в бизнесе и технологиях.
Заключение: AbShaper все еще здесь
Мой AbShaper до сих пор стоит на чердаке у мамы, ежедневно напоминая мне, что бесплатных обедов не бывает. Исследователи математически подтвердили то, чему нас уже научил опыт: бесконечное восхождение — не выход.
Настоящий интеллект — искусственный или нет — заключается в осознании ограничений и более разумной работе в их рамках. Нам не нужны атомные электростанции. Нам нужна ясность в отношении того, какую задачу мы хотим решить, и готовность к тяжёлой работе.
Как вы меняете свой подход к своим проектам в области ИИ? Вы гонитесь за лучшей моделью или разрабатываете правильное решение для своей конкретной проблемы?
Присоединяйтесь к числу наших клиентов, таких как Voith Group , FEBRABAN , Dengo Chocolates , Grupo ADCOS , GE HealthCare и многим другим, и закажите программу погружения в мир искусственного интеллекта для руководителей, чтобы узнать, как мы действительно превращаем идеи в проекты с реальными и измеримыми результатами.
Пример проекта Febraban , представленный на конференции FEBRABAN TECH.
Ссылка на статью: https://arxiv.org/pdf/2507.19703
