ИИ, как преобразующая технология. Перспективы и заблуждения

Время на прочтение: 2 мин

В настоящее время в зарубежной повестке отмечается значительное снижение шумихи вокруг искусственного интеллекта. Кроме этого, может наступить разочарование в области применения ИИ и снижение ожидаемой прибыли от его использования. Это связано с замедлением темпов совершенствования и возрастание расходов на его эксплуатацию.

В частности, К. Мимс в статье WSJ «Революция ИИ снижает обороты» отмечает, что для оказания широкого влияния все сферы жизнедеятельности требуется значительный временной интервал. Это определяется зависимостью между широким принятием преобразующей технологии и последующим влиянием на экономику. Э. Бриньолфссон, Д. Рок и Ч. Сиверсон объясняют это в работе «J- кривая производительность: как нематериальные активы дополняют технологии общего назначения» и связывают с возможностью понимания потенциала преобразующих технологий, который требует более крупных нематериальных и неизмеримых инвестиций и фундаментального переосмысления организации производства. Согласно данной работе жизненный цикл преобразующей технологии имеет две ключевые фазы: инвестиции и получение прибыли. Кроме инвестиций необходимо перепроектирование бизнес-процессов, изобретение новых продуктов, разработка новых бизнес-моделей и переквалифиция рабочей силы. Соответственно, чем значительнее преобразующая технология, тем больше времени требуется для достижения второй фазы. Эта эволюция известна как закон Амары – переоценка эффекта технологии в краткосрочной перспективе и недооценка в долгосрочной. Переоценка ИИ началась с 1950-х во время разработки интеллектуальных машин, далее последовало снижение интереса и финансирования. Возрождение в 1990-х годах в виде дисциплины, ориентированной на поиск закономерностей в больших объемах данных с помощью усложнения алгоритмов. В 2000-х Интернет привел к инновациям в области науки о данных. Это обусловило появление новых многоуровневых алгоритмов глубокого обучения в 2010-х. Недавнее появление базовых моделей, включая генеративный ИИ, больших языковых моделей не оставляет сомнений относительно ИИ, как преобразующей технологии. Вместе с тем, нереалистичные ожидания и постоянный ажиотаж могут привести к разочарованию. Это подтверждается оценкой соотношения затрат на чипы Nvidia в размере 50 млрд долл. для обучения ИИ в 2023 году и прибылью всего в размере 3 млрд долл., проведенной венчурной компанией Sequoia. Кроме этого, согласно К. Мимсу, изменение мышления и привычек людей станет одним из самых больших препятствий для быстрого внедрения ИИ. Это последовательная тенденция при внедрении любых новых технологий. Таким образом, рыночный успех зависит от принятия технологии в экономике и от технологических достижений. Среди ключевых заблуждений относительно ИИ Мимс выделяет переоценку разрушительных последствий для компаний и отраслей, не отвечающих новым требования; недооценку человеческого фактора, как фактора торможения развития новых технологий; вред инвестиционного пузыря, который провоцирует новое развитие и новые инновации; культурные изменения обусловлены технологиями, что может означать и обратный процесс.