Почему революция искусственного интеллекта не изменила мировую экономику
Внедрение ИИ-технологий требует значительных инвестиций. Пять крупнейших американских технологических компаний — Alphabet, Amazon, Apple, Meta и Microsoft — в 2024 году выделят около $400 млрд на капитальные расходы, главным образом на оборудование, связанное с ИИ, и на исследования и разработки в этой сфере. Однако даже эти огромные инвестиции не всегда приводят к значительным экономическим результатам. В 2023 году компании добавили более $2 трлн к своей рыночной стоимости, что должно было привести к увеличению выручки на $300–400 млрд в год, однако даже самые оптимистичные прогнозы говорят о выручке Microsoft от ИИ всего в $10 млрд в 2024 году.
Для разработки и обслуживания ИИ-систем необходимы высококвалифицированные специалисты, которых на данный момент не хватает. Конкуренция за талантливых инженеров, исследователей и аналитиков данных ведёт к повышению зарплат и усложняет процесс найма, снижая эффективность внедрения ИИ.
Развитие ИИ сталкивается с многочисленными этическими и правовыми вопросами. Регуляторы во многих странах пока не успевают за технологическим прогрессом, что создаёт правовую неопределённость для бизнеса. Вопросы конфиденциальности данных, ответственность за решения, принимаемые ИИ, и потенциальные риски дискриминации также тормозят повсеместное внедрение этих технологий. Интеграция ИИ в существующие бизнес-процессы требует значительных изменений в операционных и управленческих структурах компаний. Сопротивление сотрудников и менеджмента затрудняет адаптацию ИИ и снижает его потенциальную эффективность.
Исследователи пытаются глубже понять, как работают большие языковые модели (LLM), такие как GPT-4, Claude и Gemini. Эти модели построены на основе глубокого обучения, где сеть из миллиардов нейронов, смоделированных по структуре человеческого мозга, обучается на триллионах примеров текстов, чтобы выявить скрытые закономерности. Однако точные механизмы их работы остаются загадкой. Исследователь Джош Батсон из компании Anthropic объясняет, что модели ИИ не программируются явно, поэтому никто не может точно объяснить, почему они обладают такими выдающимися способностями или почему иногда выдают ложные или вымышленные ответы, известные как "галлюцинации". Исследователи работают над задачей "механистической интерпретируемости" — возможности понять внутренние процессы модели.
В исследовании на модели Claude 3 Sonnet было выявлено 34 миллиона паттернов, связанных с различными концептами, такими как города, известные личности, животные и элементы. Исследователи из Оксфорда предложили использовать показатель "семантической энтропии" для оценки вероятности галлюцинации ответа модели ИИ, что позволяет с 79% точностью отличать точные ответы от вымышленных.
Макроэкономические данные не подтверждают резкий рост производительности или занятости благодаря ИИ. В США производительность в час остаётся ниже показателей до 2020 года, а безработица в развитых странах составляет менее 5%. Опросы показывают, что только 5% компаний в США и 6% в Канаде используют ИИ, что значительно ниже заявленных показателей в опросах среди технологических компаний.
Для реализации полного потенциала ИИ необходимо решить ряд технологических, экономических и социальных проблем. Понимание внутренних механизмов работы ИИ и улучшение его интерпретируемости и безопасности — важные шаги на пути к более широкому и эффективному внедрению ИИ в различные сферы жизни. Со временем компании могут осознать истинный потенциал искусственного интеллекта. Большинству технологических изобретений потребовалось время, чтобы их повсеместно стали использовать в экономике. Если "золотой век" ИИ наступит, то можно ожидать повышения цен на акции и тех компаний, которые его разрабатывают, и тех, кто просто применяет его.
![](/upload/iblock/7a0/j4cm79bdjqun21ddblfto3gvt723uhku.jpg)
Источник: The Economist
Опубликовано 13.07.2024