Вчера читала большую статью MIT Technology Review про то, что происходит с искусственным интеллектом прямо сейчас

Вчера читала большую статью MIT Technology Review про то, что происходит с искусственным интеллектом прямо сейчас. Они называют это "великой коррекцией хайпа 2025 года".

Картина такая. После запуска ChatGPT в конце 2022-го началась настоящая лихорадка. Инвесторы вкладывали деньги в любой стартап со словом AI в названии. Компании обещали автоматизировать всё от медицины до юриспруденции. Говорили про AGI (искусственный общий интеллект), который вот-вот появится.

Потом начались проблемы. Модели перестали так быстро улучшаться, как раньше. Оказалось, что просто добавить больше данных и мощностей уже не работает. Мы упёрлись в потолок масштабирования. Компании столкнулись с тем, что внедрение ИИ в реальные процессы стоит дорого и даёт непредсказуемый результат.

MIT пишет про конкретные вещи. Многие корпорации запустили пилотные проекты с ИИ, но дальше пилотов дело не пошло. Слишком сложно масштабировать.

Ещё момент про экономику. Обучение больших моделей требует безумных денег, сотни миллионов долларов на одну модель. Дата-центры потребляют столько энергии, сколько небольшие города. Отдача пока не покрывает затраты. Инвесторы начинают нервничать и требовать конкретных бизнес-результатов, а не красивых презентаций.

Авторы разбирают несколько болевых точек:

1️⃣ Разрыв между демонстрацией и продуктом. На сцене показывают блестящие примеры, но когда пытаешься применить ту же модель к своей задаче, она спотыкается. Контекст теряется, инструкции понимаются криво, результат требует столько проверки, что проще сделать самому.

2️⃣ Инфраструктура. Чтобы ИИ заработал в компании, нужно перестроить процессы, обучить людей, интегрировать систему с существующими инструментами. Это месяцы работы и миллионы бюджета. А гарантий успеха никто не даёт.

3️⃣ Юридические и этические вопросы. Кто отвечает, если ИИ дал неверный совет в медицине или финансах? Как защитить данные клиентов? Как избежать дискриминации, если модель обучалась на предвзятых данных? Законы не поспевают за технологией, и компании боятся рисков.

Мне понравилось, как авторы разделяют два типа прогресса. Есть прогресс в лабораториях: модели становятся лучше в тестах, набирают больше баллов в бенчмарках. И есть прогресс в реальном мире, когда технология действительно меняет чью-то работу или жизнь. Разрыв между ними огромный. Модель может быть гениальной в тесте и бесполезной на практике.

Статья не про то, что ИИ умер или провалился. Наоборот, технология рабочая и полезная. Но мы переоценили скорость её развития и недооценили сложность внедрения. Думали, что через год получим универсального помощника для всего. А получили инструмент, который хорош для узких задач и требует умения с ним обращаться.

Авторы предсказывают, что следующие пару лет будут про отрезвление и адаптацию. Компании научатся находить реальные применения, где ИИ действительно даёт преимущество. Прекратится гонка за самой большой моделью. Появятся более эффективные, специализированные решения. Но ожидать чуда больше никто не будет.

Я сама иногда ловлю себя на том, что жду от ИИ слишком многого. А потом раздражаюсь, когда он не справляется с простой задачей или выдаёт откровенную глупость. Полезно помнить, что мы только в начале пути. И этот путь окажется длиннее, извилистее и сложнее, чем казалось в моменте эйфории. Но пройти его всё равно стоит, просто с открытыми глазами.

Всем здоровья, мира и добра!

#ИИразмышления