В последнее время мир охватила настоящая лихорадка вокруг искусственного интеллекта. Кажется, каждую неделю мы видим новые невероятные достижения LLM-моделей: они пишут тексты, программируют, ведут осмысленные диалоги и даже генерируют изображения. Но означает ли это, что искусственный общий интеллект (AGI) уже почти на пороге? Согласно мнению Dwarkesh Patel — далеко не факт.
Почему же, несмотря на впечатляющие успехи современных моделей, мы не так уж близко к AGI?
🛑 Причина первая: неспособность к непрерывному обучению
Одно из фундаментальных отличий человеческого интеллекта от сегодняшних моделей AI заключается в способности человека непрерывно учиться. Представьте, что вы изучаете французский язык: каждый день вы запоминаете новые слова, конструкции, выражения. Со временем вы овладеваете им всё лучше и лучше. Ваша способность говорить на французском сегодня — это результат многомесячного (или многолетнего) последовательного обучения.
Нынешние LLM (например, GPT-4 или Claude 3) устроены иначе. Они обучаются однократно, на огромном объёме данных, и после этого «замораживаются». Они не продолжают совершенствоваться в процессе работы, не запоминают полученный опыт в долгосрочной перспективе.
Таким образом, чтобы LLM совершили качественный скачок и стали ближе к AGI, необходимо решить проблему «lifelong learning» — непрерывного обучения.
🖥️ Причина вторая: ограниченная автоматизация взаимодействия с компьютером
Сегодняшние модели прекрасно работают с текстами, диалогами и некоторыми формами данных. Однако, задачи, требующие полноценного взаимодействия с компьютером, например:
- 🧾 Подготовка налоговых деклараций
- 📊 Составление отчётов
- 📈 Анализ финансовых данных в Excel
- 🔧 Выполнение многоступенчатых сценариев и скриптов
пока не поддаются полной автоматизации. Основные причины здесь:
- ❌ Недостаток специализированных обучающих данных для таких узких задач
- 💾 Ограниченность вычислительных ресурсов, чтобы модели могли быстро и эффективно осваивать подобные задачи
По мнению Пателя, надёжная автоматизация таких рутинных задач, как налоги и сложный документооборот, возможна только к 2028 году — и это оптимистичный прогноз.
🚧 Что мешает решить эти проблемы быстрее?
Сегодняшние модели вроде GPT или Claude создаются и обучаются огромными усилиями и с огромными затратами. Каждое новое поколение требует всё больше вычислительных мощностей и данных. Сейчас мы ещё находимся в эпохе, когда прирост масштабирования моделей и вычислительной мощности идёт достаточно быстро. Однако, по мнению автора, этот процесс замедлится после 2030 года. Тогда прогресс станет зависеть преимущественно от алгоритмических инноваций.
Другими словами, просто увеличить модель в 10 раз уже будет невозможно: разработчикам придётся создавать принципиально новые подходы к обучению, архитектурам нейросетей и оптимизации их работы.
📅 Когда же ожидать прорывов? Прогноз автора статьи
Patel даёт конкретные временные прогнозы относительно ключевых вех:
- 📌 2028 год: надёжная автоматизация рутинных задач типа подготовки налогов станет реальностью.
- 📌 2032 год: модели смогут полноценно обучаться в процессе работы и существенно улучшать свои навыки в долгосрочной перспективе (lifelong learning).
Только после того, как будет решена проблема непрерывного обучения, возможен мощный и резкий скачок в развитии искусственного интеллекта, который приблизит нас к AGI.
🔮 Личное мнение: почему не стоит ждать AGI прямо сейчас
На мой взгляд, автор абсолютно прав, указывая на серьёзные технические ограничения современных моделей. Действительно, мы можем восхищаться успехами LLM, но не стоит забывать о том, что они пока очень далеки от универсальности человеческого разума.
Сейчас ИИ-модели — это скорее талантливые, но ограниченные специалисты. Они отлично справляются с узкими задачами, но не способны к гибкой адаптации в долгосрочной перспективе. Именно поэтому AGI — это гораздо более отдалённая перспектива, чем кажется на первый взгляд.
Важно понимать, что продвижение к AGI будет зависеть не от количества вычислительных ресурсов, а от революционных алгоритмических решений. Возможно, некоторые из них появятся уже в ближайшие годы, но скорее всего, реальный общий искусственный интеллект — это задача на ближайшие десятилетия, а не годы.
📚 Полезные ссылки и материалы по теме:
🌌 Заключение очевидно: AGI уже не кажется научной фантастикой, но и не стоит ждать его завтра. Нас ждёт долгий и увлекательный путь, на котором каждый маленький шаг — это огромное достижение для человечества.