ИИ достиг своего пика?

В последнее время в воздухе витает ощущение, что развитие ИИ, особенно больших языковых моделей, замедлилось. Громкие обещания о появлении сверхинтеллекта сменились более сдержанными прогнозами, а недавний запуск GPT‑5 — не впечатляет. Что, если это не временная передышка, а плато, на котором мы задержимся надолго?

Давайте разберёмся в причинах этого замедления и возможных последствиях.

Три стены на пути к AGI

Существуют три фундаментальных барьера, которые мешают текущей парадигме ИИ развиваться дальше простым масштабированием:

— Барьер данных. Мы исчерпываем качественные, созданные человеком данные в интернете. Модели уже «прочитали» почти всё, что было доступно. Обучение на синтетических данных, сгенерированных другими ИИ, рискует привести к «коллапсу модели», когда ИИ начнёт обучаться на собственных ошибках и искажениях, теряя связь с реальностью.

— Вычислительный барьер. Затраты на обучение и работу передовых моделей растут экспоненциально, а отдача от этих вложений становится всё меньше. Поддержание текущих темпов требует огромных и экологически неустойчивых затрат на электроэнергию и инфраструктуру.

— Архитектурный барьер. Нынешние LLM, по сути, являются очень продвинутыми статистическими «попугаями». У них нет реального понимания мира, причинно-следственных связей или здравого смысла. Они не могут по-настоящему рассуждать или планировать, что является фундаментальным ограничением их архитектуры. Масштабирование не решает эту проблему.

Эхо «зимы ИИ»

История развития ИИ циклична. Периоды бурного роста и завышенных ожиданий («лето ИИ») сменялись «зимами» — временами разочарования и сокращения финансирования, когда технология не оправдывала возложенных на неё надежд. Нынешний ажиотаж, огромные инвестиции в неприбыльные стартапы и разрыв между обещаниями и реальностью напоминают условия, предшествовавшие прошлым «зимам».

По теме → Первая «зима ИИ»: Крах надежд и начало нового пути

Что дальше? Конец LLM или конец ИИ?

Важно понимать: плато в развитии LLM не означает конца развития ИИ как области в целом. Скорее, мы наблюдаем завершение одной S‑образной кривой — эры «грубой силы» и масштабирования. Следующий прорыв, вероятно, будет связан с принципиально новыми архитектурами.

Одним из самых многообещающих направлений является нейросимволический ИИ, который объединяет сильные стороны нейронных сетей в распознавании образов с логикой и рассуждениями символического ИИ. Такой подход может решить проблемы с «галлюцинациями», повысить эффективность использования данных и сделать ИИ более прозрачным и надёжным.

Желанная передышка?

Замедление гонки ИИ может иметь и положительные стороны. Оно даёт обществу время на адаптацию, разработку адекватного регулирования и систем безопасности. Это шанс подготовиться к изменениям на рынке труда и смягчить социальные риски, связанные с автоматизацией.

Однако главный риск — это сценарий «худшего из двух миров»: финансовый пузырь ИИ лопается до того, как технология станет достаточно зрелой, чтобы принести обещанный рост производительности. В этом случае мы получим социальные издержки от автоматизации без экономических выгод.

/ Не запрещена в РФ