Можно ли предсказать будущее ИИ¶

Коротко

Точно предсказать будущее ИИ нельзя — но можно научиться отличать реальный прогресс от громких заголовков. История этой области полна как недооценок, так и завышенных обещаний, за которыми приходили «зимы ИИ» — периоды разочарования. Сегодня вокруг нас работает узкий ИИ, решающий конкретные задачи, а до общего ИИ, способного на всё как человек, пока далеко. В этом уроке вы получите спокойную рамку, чтобы читать новости об ИИ без паники и без восторга.

Мы прошли путь от определения ИИ до больших языковых моделей. Логичный следующий вопрос: а что дальше? Заголовки обещают то восстание машин, то рай без работы. Давайте разберёмся, почему такие прогнозы так часто промахиваются и как отделить вероятное от выдуманного.

Почему прогнозы про ИИ так часто не сбываются¶

Будущее технологий предсказывать тяжело, а будущее ИИ — особенно. Причин несколько.

Мы плохо чувствуем экспоненту. Прогресс идёт рывками: годами «ничего», потом резкий скачок. Человеку трудно интуитивно ощущать такой рост, поэтому мы то недооцениваем, то переоцениваем темп.
Лёгкое для человека бывает трудным для машины. Сыграть в шахматы на уровне чемпиона компьютер научился раньше, чем уверенно убирать со стола посуду. То, что кажется нам простым, для ИИ может оказаться крепким орешком.
У громких прогнозов есть авторы с интересом. Стартапу нужно привлечь инвестиции, журналисту — клики, поэтому осторожное «возможно, через много лет» превращается в кричащий заголовок.

Вывод не в том, что прогнозировать бесполезно. Просто к любому уверенному «через пять лет ИИ заменит всех» стоит относиться как к ставке, а не как к факту.

История переоценок: что такое «зима ИИ»¶

У области ИИ есть характерный ритм: волна восторга, завышенные обещания, разочарование. Периоды разочарования получили название зима ИИ — это время, когда громкие прогнозы не сбылись, интерес публики угас, а финансирование исследований резко сократилось.

Сценарий повторялся не раз. Сначала появляется яркий результат, и кажется, что до «настоящего разума» рукой подать. Под обещания выделяют деньги. Но задача оказывается куда сложнее, обещанное не выходит в срок — и наступает похолодание: проекты сворачивают, а слово «ИИ» на время становится почти неприличным.

Важно

«Зима ИИ» — это не остановка прогресса, а кризис завышенных ожиданий. Сама технология в такие периоды нередко продолжает тихо развиваться. Замерзает не наука, а раздутый ажиотаж вокруг неё. Помнить об этом полезно, чтобы не принять очередную волну восторга за окончательную правду.

Узкий ИИ сегодня против общего ИИ завтра¶

Чтобы трезво смотреть в будущее, важно различать два принципиально разных понятия.

Узкий ИИ — это система, которая хорошо решает одну конкретную задачу, но не умеет ничего за её пределами. Именно такой ИИ окружает нас сегодня. Голосовой помощник Алиса распознаёт речь, антифрод банка ловит подозрительные операции, спам-фильтр сортирует письма, Яндекс Навигатор строит маршрут, а рекомендации Кинопоиска и маркетплейсов вроде Wildberries и Ozon подбирают, что вам показать. Каждая из этих систем сильна в своём — и совершенно беспомощна в чужом: навигатор не напишет письмо, а спам-фильтр не построит маршрут.

Общий ИИ (AGI, от англ. Artificial General Intelligence) — это гипотетическая система, которая, как человек, способна осваивать самые разные задачи и переносить знания из одной области в другую. Такого ИИ пока не существует. Это цель и предмет споров, а не сегодняшняя реальность.

Разницу удобно представить так:

Признак	Узкий ИИ (есть сейчас)	Общий ИИ / AGI (пока гипотеза)
Круг задач	Одна узкая область	Любые задачи, как у человека
Перенос знаний	Почти нет	Свободно переносит опыт
Примеры	Алиса, антифрод, Навигатор	Пока только в теории
Статус	Работает каждый день	Не создан, сроки неизвестны

Современные большие языковые модели — YandexGPT или GigaChat от Сбера — выглядят «универсальными»: они и текст напишут, и вопрос разберут, и код подскажут. Из-за этого их легко принять за шаг к AGI. Но по своей сути это всё ещё очень мощные предсказатели следующего слова, обученные на огромных текстах. Они впечатляюще широки, и всё же это не тот самостоятельный «общий разум», о котором говорят фантасты.

Экспоненциальный рост и его пределы¶

Любимый аргумент оптимистов звучит так: вычислительные мощности растут по экспоненте, значит, и ИИ скоро станет умнее нас «по экспоненте». В этом рассуждении есть правда, но есть и ловушка.

Правда в том, что рост вычислений и данных действительно подталкивает ИИ вперёд: модели становятся крупнее и способнее. Ловушка — в незаметном допущении, будто «больше вычислений» автоматически означает «ближе к человеческому разуму». На деле одно не равно другому.

Ни одна экспонента не растёт вечно. Рано или поздно она упирается в пределы — стоимость, энергию, объём доступных данных, физику железа.
Больше мощности помогает делать узкие системы сильнее, но само по себе не превращает узкий ИИ в общий. Это не просто «то же самое, только крупнее».
Многие задачи требуют не столько вычислений, сколько новых идей, которые по графику не запланируешь.

Пример: как читать громкий заголовок

Допустим, вы видите новость: «ИИ обошёл человека и скоро заменит профессию X». Прочитайте её трезво по шагам. Сначала спросите: о какой именно задаче речь? Почти всегда это узкая, чётко очерченная задача — например, распознать объект на снимке. Затем: где это проверяли — в реальной работе или в идеальных лабораторных условиях? И наконец: кто автор заявления и что он с него получает? После таких вопросов «сенсация» обычно превращается в скромное и честное: «узкая система стала чуть лучше справляться с узкой задачей». Это и есть настоящий прогресс — без обещанной революции.

В российском контексте полезно замечать осторожность формулировок. Серьёзные компании и отраслевые документы — например, российский Кодекс этики в сфере ИИ — обычно избегают обещаний скорого «сверхразума» и говорят об ИИ как об инструменте с конкретной пользой и конкретными рисками. Спокойный тон — хороший признак зрелого разговора о технологии.

Практические правила: как не вестись на хайп¶

Соберём короткий «детектор хайпа». Эти вопросы помогают оценить почти любое заявление об ИИ.

О какой задаче речь — узкой или универсальной? Реалистичные обещания почти всегда про узкие задачи. «ИИ научился лучше переводить» — правдоподобно. «ИИ скоро всё поймёт сам» — повод усомниться.
Есть ли конкретика и проверяемость? Хороший результат можно измерить и воспроизвести. Размытые «прорывы» без деталей — тревожный сигнал.
Где проходит граница между демо и реальной жизнью? Эффектная демонстрация в идеальных условиях и стабильная работа на миллионах живых пользователей — это разные вещи.
Кому выгоден этот прогноз? За громким сроком часто стоит чей-то интерес: инвестиции, реклама, просто клики.
Сказано ли об ограничениях и рисках? Честный рассказ о технологии всегда упоминает, где она ошибается. Если минусов «нет вовсе» — вам, скорее всего, что-то продают.

Эта рамка опирается на привычное нам мышление в терминах вероятностей: мы не выносим окончательный приговор, а взвешиваем, насколько заявление правдоподобно. Тот же подход к неопределённости мы разбирали в третьей главе — и он отлично работает не только для алгоритмов, но и для чтения новостей.

Упражнение: где прогноз, а где хайп

Перед вами четыре «прогноза». Решите, какие звучат реалистично, а какие тянут на хайп, и обоснуйте.

«В ближайшие годы голосовые помощники станут точнее распознавать речь с акцентом и в шуме».
«Через два года ИИ обретёт собственные желания и сам решит, чем ему заниматься».
«Беспилотные автомобили будут постепенно расширять зоны, где им разрешено ездить».
«Скоро одна нейросеть полностью заменит сразу все профессии».

Разбор.

№1 — реалистично. Это узкая, измеримая задача: распознавание речи давно и постепенно улучшается. Слова «станут точнее» — про эволюцию, а не про чудо.
№2 — хайп. Здесь подменяют узкий ИИ общим и приписывают системе «желания», которых у программы-предсказателя нет. Жёсткий срок «через два года» — дополнительный тревожный сигнал.
№3 — реалистично. Осторожная формулировка «постепенно расширять зоны» честно отражает, как развивается технология беспилотников: шаг за шагом, с проверками и ограничениями.
№4 — хайп. «Полностью заменит сразу все профессии» — обещание универсального AGI, которого пока не существует. Реальность скромнее и сложнее: что-то автоматизируется, что-то меняется, что-то остаётся за людьми.

Главный навык упражнения — замечать слова-маркеры. Осторожные «постепенно», «точнее», «в некоторых случаях» обычно говорят о реальном прогрессе. Категоричные «полностью», «все», «сам решит» и жёсткие короткие сроки чаще выдают хайп.

Проверьте себя¶

Короткий тест по уроку: выберите ответ и нажмите «Проверить» — увидите счёт и разбор.

Частые вопросы¶

Когда появится общий ИИ (AGI)?

Честный ответ — никто не знает. Оценки специалистов расходятся от «через десятилетия» до «возможно, никогда», и единого мнения нет. Любой точный срок стоит воспринимать с осторожностью: это предположение, а не установленный факт. Сегодня у нас есть только узкий ИИ.

Чем узкий ИИ отличается от общего?

Узкий ИИ решает одну конкретную задачу и не выходит за её пределы — это всё, что работает вокруг нас сейчас. Общий ИИ (AGI) — гипотетическая система, которая, как человек, осваивала бы любые задачи и переносила знания между областями. Первый существует и приносит пользу каждый день, второй пока остаётся целью и предметом споров.

Что такое «зима ИИ» и грозит ли она снова?

Так называют периоды разочарования, когда завышенные обещания не сбывались и финансирование исследований резко падало. Такое случалось не раз и в принципе может повториться, если ожидания снова сильно оторвутся от реальных результатов. При этом сама технология в «зимы» обычно продолжает развиваться — охладевает ажиотаж, а не наука.

Значит ли мощный ИИ вроде YandexGPT, что AGI уже близко?

Не обязательно. Большие языковые модели вроде YandexGPT или GigaChat выглядят универсальными, потому что обучены на огромных объёмах текста и хорошо предсказывают следующее слово. Но широта применения — это ещё не тот самостоятельный «общий разум», о котором идёт речь в разговорах об AGI. Это очень способный, но всё же узкий по своей сути инструмент.

В курсе: ← Назад: Глубокое обучение и большие языковые модели (LLM) · Дальше: Этика ИИ, предвзятость и приватность данных →

Авторы курса: Герман Коваленко (основатель ENGRAM) и Сергей Добров.

Попробуйте ENGRAM на своих данных

Нейросеть на ваших встречах, документах и переписке: отвечает со ссылкой на источник. Это ваша вторая память на базе ИИ. Данные хранятся в России, старт бесплатный.

Зарегистрироваться бесплатно