Не переоцениваем ли мы искусственный интеллект?

Автор статьи: Nicola Costantino, ректор Politecnico di Bari, где он занимал должность ординарного профессора инженерно-экономического управления.

Дискуссия о влиянии искусственного интеллекта (AI) на занятость становится всё более острой, в том числе потому, что имеющиеся данные по-прежнему остаются неполными и зачастую противоречивыми. По данным ISTAT, в 2025 году в Италии 15,7% малых и средних предприятий и 53,1% крупных компаний заявили, что интегрировали AI в свои производственные процессы. Эти показатели значительно выросли по сравнению с 2024 годом — соответственно на 8% и 20,6%. Однако это, по-видимому, пока не оказало существенного влияния на агрегированные показатели: ни на национальный ВВП, который вырос всего на 0,5% по сравнению с предыдущим годом, ни на безработицу, которая, напротив, даже снизилась. Вновь проявляется противоречие между «разумными» прогнозами и реальными результатами.

Даже мнения ведущих экспертов о влиянии AI на занятость не выглядят полностью согласованными. С одной стороны, Mark Zuckerberg заявляет: «Мы уже видим проекты, которые раньше требовали работы целых команд, а теперь выполняются одним талантливым человеком при поддержке AI-агентов». С другой стороны, Andrew Ng, сооснователь Google Brain, утверждает: «Потери рабочих мест из-за AI до сих пор были переоценены».

Прогнозы занятости, которые не подтвердились

В 2013 году большой резонанс вызвало исследование C.B. Frey и M.A. Osborne из University of Oxford, согласно которому в результате процессов автоматизации 47% рабочих мест в США могли оказаться под угрозой замещения в течение следующих 10 лет. Согласно World Bank Development Report за 2016 год, этот показатель возрастал до 57% для стран ОЭСР и даже до 77% для Китая из-за более низкого исходного уровня автоматизации в этих странах. Разумеется, возражали критики, распространение новых технологий также приводит к появлению новых профессий. По данным Forrester Research, в течение 10 лет после 2015 года в США должно было быть создано 13,6 миллиона новых рабочих мест, однако одновременно предполагалась потеря 22,7 миллиона более традиционных профессий, то есть итоговый отрицательный баланс составлял 9,1 миллиона рабочих мест. Почему все эти прогнозы не подтвердились в реальности, по крайней мере в ожидаемые сроки?

В 1987 году Robert Solow, который в том же году получил Нобелевскую премию по экономике, в том числе за исследования производственных эффектов технологического развития, заявил: «Мы видим компьютерную эпоху повсюду, кроме статистики производительности». Вероятно, это объясняется огромной сложностью переменных, вовлечённых в процесс, причём не только технологических, но и организационных и социальных. И действительно, история Третьей и Четвёртой промышленных революций наполнена как взрывными и непредвиденными успехами, например интернетом, так и более или менее громкими неудачами. Можно вспомнить безумие так называемой net economy на рубеже 2000 года, когда пузырь множества dot.com-компаний привёл к астрономическим оценкам ещё до того, как они успели хотя бы протестировать предполагаемый рынок сбыта; недолговечную, но дорогостоящую моду на виртуальную недвижимость в Second Life; или, уже совсем недавно, огромные ожидания от metaverse, которые активно подпитывал Mark Zuckerberg, но которые пока в значительной степени не оправдались. Безусловно, по сравнению с этими примерами AI представляет собой гораздо более структурированную и устоявшуюся реальность, в которую по-прежнему направляются действительно гигантские инвестиции.

Доходность инвестиций

Пять крупнейших по капитализации компаний мира торгуются на Wall Street: Nvidia, Apple, Alphabet (Google), Microsoft и Amazon. Все они в той или иной степени вовлечены в развитие AI, а их совокупная рыночная стоимость превышает 18 триллионов долларов и, вероятно, будет расти по мере того, как они продолжают привлекать капитал для инвестиций во всё более масштабную вычислительную инфраструктуру. Если раньше мы привыкли считать экологическое воздействие ICT относительно незначительным, особенно с точки зрения энергопотребления, то сегодняшние огромные дата-центры, а тем более дата-центры будущего, начинают существенно влиять на потребление электроэнергии и воды для охлаждения в регионах, где они размещаются. Настолько, что уже начинают рассматриваться с технической и экономической точки зрения идеи, ещё недавно казавшиеся научной фантастикой, например размещение дата-центров в космосе для оптимизации использования солнечной энергии и рассеивания тепла.

Эти огромные инвестиции основаны на ожиданиях, насколько оправданных — отдельный вопрос, столь же огромной доходности, которая должна быть обеспечена разработкой инструментов Artificial General Intelligence(AGI), способных понимать и применять человеческие знания как минимум на уровне наших когнитивных способностей, а возможно, и превосходить их в любой области. Будут ли достигнуты такие результаты?

Их достижение в значительной степени основывается на нескольких предположениях, более или менее явно сформулированных, которые вовсе не обязательно оправдаются полностью. Во-первых, предполагается, что пути, по которым идут такие гиганты отрасли, как OpenAI, при разработке AGI, являются наиболее эффективными и поэтому приведут к весьма удовлетворительным показателям доходности. Во-вторых, предполагается, что рост возможностей AI, особенно в области Large Language Models (LLM), практически не имеет ограничений, поскольку эти модели ежедневно пополняются новыми материалами, то есть новой оцифрованной информацией, становясь всё более мощными в рамках экспоненциального роста, которому, как кажется, нет предела. В-третьих, некоторые считают, что именно благодаря такому неограниченному росту AGI неизбежно приведёт к появлению Artificial Super Intelligence (ASI) — Суперинтеллекта, способного превзойти человеческий разум также в творчестве, мудрости и коммуникативных способностях.

Кризис Large Language Models

Эти ожидания, безусловно, выглядят разумными, по крайней мере первые два, однако они всё ещё сталкиваются с не менее существенными неопределённостями. Уверены ли мы, что разработка AGI не может быть реализована способами, которые в целом окажутся значительно дешевле? Опыт DeepSeek, китайской AI-системы, созданной с инвестициями значительно меньшими, чем у западных конкурентов, но демонстрирующей результаты, сопоставимые с ChatGPT, заставляет в этом сомневаться. История промышленных революций наполнена примерами резких скачков эффективности, когда последователи обгоняли первых новаторов. Если то же самое произойдёт и в AI, что станет с нынешними промышленными гигантами, которые сконцентрировали инвестиции в масштабах, не имевших прецедентов в истории человечества?

Уверены ли мы, что объём оцифрованных знаний будет продолжать расти нынешними темпами? Предполагается, что к 2030 году практически всё человеческое знание будет доступно LLM. После этой даты дальнейшая цифровизация будет идти темпами фактического «человеческого» производства новых знаний, дополненного автофагией, которая, к слову, уже происходит, то есть обучением LLM на документах, созданных самими LLM с колоссально более высокой скоростью, чем у человека. Однако если учитывать, что LLM создают документы не путём «мышления», а за счёт «выбора» из уже усвоенных документов наиболее вероятных семантических последовательностей, слово за словом, разумно предположить, что они могут быть неспособны создавать действительно «новые» знания и смогут лишь комбинировать уже имеющиеся.

Более того, накопленный на сегодняшний день опыт, по-видимому, показывает, что многократное повторение автофагии приводит к так называемому Model Autophagy Disorder (MADness), который вызывает «коллапс» вычислительного продукта, то есть постепенную потерю смысла. Если это действительно так, рост возможностей LLM уже через несколько лет может резко замедлиться, поскольку «новые» знания, доступные этим моделям, больше не будут, как сегодня, формироваться за счёт загрузки огромных массивов данных, созданных в прошлом, например текста, написанного 10 лет назад, а будут зависеть только от нового и «оригинального» производства знаний людьми.

Возможно ли создать Суперинтеллект? В 1905 году Albert Einstein опубликовал четыре статьи, полностью изменившие физическое понимание мира. Он пришёл к этим результатам без проведения новых экспериментов, а «всего лишь», если можно так выразиться, размышляя над результатами экспериментов и теоретическими разработками других учёных. Концепция относительности времени, если привести лишь один пример, до этого не существовала. Крайне маловероятно, если не невозможно, что LLM, получивший тот же объём знаний, который был доступен Einstein, смог бы самостоятельно сформулировать эту концепцию независимо от количества вычислительных ресурсов.

В конечном итоге можно сформулировать разумную гипотезу, не более того и уж точно не утверждение: возможно, мы переоцениваем новый инструмент, безусловно очень мощный и чрезвычайно распространённый, но, возможно, неспособный когда-либо заменить человека в наиболее значимых творческих видах деятельности. Так ли это? Niels Bohr, лауреат Нобелевской премии по физике 1922 года, писал: «Предсказывать очень трудно, особенно будущее».