Искусственный интеллект: потенциал, риски пузыря и будущее технологий

Искусственный интеллект: между хайпом, рисками пузыря и реальными возможностями

Искусственный интеллект, безусловно, стал главным действующим лицом финансовых и технологических рынков в последние годы. Однако, по мере роста энтузиазма вокруг его потенциала, также начали появляться сигналы, призывающие к осторожности. Сравнение с пузырем доткомов начала тысячелетия становится все более частым среди аналитиков и инвесторов, которые с тревогой наблюдают за концентрацией ценностей в так называемойСемерке Великолепных: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia и Tesla.

Эти гиганты сегодня представляют более трети индекса S&P 500, доля, которая гораздо выше 15%, удерживаемых основными технологическими акциями во время пика пузыря интернета в 2000 году. Такая концентрация неизбежно увеличивает системный риск.

Это не просто вопрос капитализации. Во время пузыря доткомов стремление инвестировать в телекоммуникационную инфраструктуру привело к чрезмерному расширению волоконно-оптических сетей, которое закончилось катастрофическими провалами, когда обещанный спрос не реализовался в краткосрочной перспективе.

Сегодня история, похоже, повторяется: крупные компании AI инвестируют сотни миллиардов долларов в строительство новых центров обработки данных, общие расходы приближаются к триллионам долларов, цифры, которые когда-то ассоциировались только с ВВП крупных стран. Вопрос, который задают все, заключается в том, оправдана ли эта инвестиционная лихорадка или мы на пороге нового кризиса.

Сводка

• Спрос на искусственный интеллект (AI): за пределами потребительского бума
• Пределы и перспективы текущих AI-моделей
• AI пузырь: между чрезмерным оптимизмом и риском коррекции
• В будущее: дисциплина, исследования и конкретная ценность

Спрос на искусственный интеллект (AI): за пределами потребительского бума

Внимание СМИ часто сосредоточено на массовом использовании таких инструментов, как ChatGPT, который в июле один только раз превысил пять миллиардов посещений. Однако истинное экономическое воздействие AI будет измеряться на основе его принятия как потребителями, так и бизнесом.

Согласно опубликованным данным Национального бюро экономических исследований, около 40% населения США использовали системы генеративного AI к концу 2024 года, и 23% применяли их хотя бы раз для работы за неделю до опроса. Принятие AI на рабочем месте происходит быстрее, чем то, что фиксировалось для персональных компьютеров или интернета в их ранние дни, указывая на то, что мы сталкиваемся с универсальной технологией, предназначенной для глубокого преобразования экономики.

Тем не менее, путь к ощутимой экономической отдаче совсем не прост. Исследование, проведенное MIT, по более чем 300 государственным AI-инициативам, более чем 50 компаниям и сотням руководителей показало, что 95% компаний по-прежнему не получают отдачи от инвестиций в AI. Только 5% проанализированных компаний добились успеха благодаря трем ключевым факторам: предпочтению покупки готовых решений вместо внутренней разработки, интеграции AI напрямую в бизнес-единицы, а не в центральные лаборатории, и выбору инструментов, совместимых с существующими рабочими процессами.

Несмотря на трудности в превращении AI в конкретную ценность, 90% компаний серьезно рассматривают возможность приобретения AI-решений, что подтверждает широкий интерес, который следует классическому циклу хайпа инновационных технологий.

Ярким примером является Bank of America, второй по величине банк в США, который выделил четыре миллиарда долларов на новые технологии, такие как AI. Учреждение разработало инструмент, который помогает банкирам подготовиться к встречам с клиентами, извлекая информацию из различных систем и резко сокращая время подготовки.

Пределы и перспективы текущих AI-моделей

Расширение использования AI разжигает дебаты о его реальном потенциале и устойчивости текущей модели разработки. На данный момент прогресс движется благодаря крупным языковым моделям, которые улучшаются с увеличением вычислительной мощности и объема доступных данных. Однако некоторые авторитетные голоса в отрасли призывают к осторожности.

Ричард Саттон, пионер AI, уже в 2019 году заметил, что общие методы, использующие вычислительные мощности, превосходят те, которые основаны на человеческой изобретательности и сложных эвристиках, определяя эту реальность как «Горький урок». В последнее время Саттон раскритиковал чрезмерное внимание к масштабированию, предлагая необходимость смены парадигмы в сторону агентов, способных к непрерывному обучению.

Даже Гэри Маркус, известный критик хайпа AI, выразил сомнения относительно последних версий ChatGPT, утверждая, что модель разработки, основанная исключительно на масштабе, не является правильным путем. Согласно Маркусу, требуются альтернативные методы, которые могут потребовать еще больших инвестиций в исследования и разработки.

AI пузырь: между чрезмерным оптимизмом и риском коррекции

Дебаты о возможном AI-пузыре становятся все более напряженными, особенно когда такие фигуры, как Сэм Альтман, один из главных архитекторов нынешнего бума, предупреждают о риске перегретого рынка. Альтман и другие инвесторы указывают на заоблачные оценки, капитал, охотящийся за бизнес-моделями, которые еще не были опробованы, и опасность строительства инфраструктуры темпами, превышающими реальный спрос. Обеспокоенность не столько в долгосрочном потенциале AI, сколько в завышенных ожиданиях, которые могут подготовить почву для резкой коррекции.

Настоящий риск, по мнению многих наблюдателей, заключается в том, чтобы впасть в бинарное видение, колеблясь между иррациональным энтузиазмом и страхом перед неминуемым пузырем, не схватывая нюансы сложного явления. Долгосрочный потенциал AI остается колоссальным, однако рынки редко следуют линейным траекториям. Коррекция может временно замедлить рост, но в то же время укрепит инвестиционную дисциплину и заставит уделять больше внимания качеству моделей и реальной экономической ценности.

В будущее: дисциплина, исследования и конкретная ценность

Будущее искусственного интеллекта будет зависеть от способности преодолеть текущую фазу хайпа, сосредоточившись на передовых исследованиях, улучшении качества моделей и целевых инвестициях, направленных на создание измеримой ценности для бизнеса и потребителей. Только так будет возможно избежать ошибок прошлого и в полной мере использовать возможности, предлагаемые технологией, предназначенной для переопределения нашего образа жизни и работы.