Искусственный интеллект начали активно развивать примерно десять лет назад, когда мощность компьютеров позволила проводить масштабные вычисления и заняться так называемым глубоким машинным обучением — загружать большие объёмы информации и обсчитывать их.
Однако сейчас развитие нейросетей оказалось под угрозой. В Массачусетском университете выяснили, что для роста производительности существующих моделей искусственного интеллекта всего в 10 раз потребуется в общей сложности 100 квинтиллионов (10 в 20-й степени) долларов — это в 100 млн раз больше всех денег во всех странах мира вместе взятых (по разным подсчётам, это примерно 60–80 триллионов (10 в 12-й степени) долларов).
Учёные выяснили, что с 2012 по 2019 год производительность существующих нейросетей выросла в 35 раз, тогда как вычислительная мощность, которая её обеспечивала, увеличилась в среднем на девять порядков (в миллиард раз).
Сейчас коэффициент ошибок нейросетей при распознавании изображений — 11,5%. Это довольно большая погрешность. При этом на их работу тратят десятки миллионов долларов (10 в 6-й степени).
Чтобы снизить число ошибок в 10 раз — до 1% — потребуются вычислительные мощности в 10 в 28-й степени гигафлопсов (10 ундециллионов операций в секунду!). Это в 100 триллионов раз больше, чем сейчас.
Распознавание картинок с такой точностью обойдётся человечеству в 10 в 20-й степени долларов и приведёт к росту выброса углерода в атмосферу на 14 порядков (в квадриллион раз).
Понятно, что никто такие ресурсы тратить не собирается. Скорее всего, исследователи смирятся с большими погрешностями нейросетей или будут использовать другие способы обучить машины нестандартным решениям.
К тому же исследовали надеются, что с появлением квантовых компьютеров и нейроморфных систем расход энергии на проведение мощных вычислений снизится в разы. Но когда это произойдёт, никто не знает.
