Большинство ученых считают, что современные модели искусственного интеллекта не способны достичь уровня человеческого интеллекта, и называют их "тупиком" развития.

Согласно недавнему опросу, проведенному среди 475 исследователей в области искусственного интеллекта, 76% респондентов заявили, что масштабирование больших языковых моделей (LLM) "маловероятно" или "крайне маловероятно" приведет к созданию общего искусственного интеллекта (AGI) - гипотетической системы, способной обучаться и мыслить на уровне человека.

Этот вывод противоречит оптимистичным прогнозам технологических компаний, которые утверждают, что для достижения AGI достаточно лишь увеличить объемы данных, вычислительные мощности и финансирование. Однако, по мнению большинства ученых, опрошенных Ассоциацией по развитию искусственного интеллекта, индустрия ИИ зашла в тупик, и дальнейшее масштабирование LLM не приведет к желаемым результатам.

"Я думаю, это стало очевидно, поскольку вскоре после выпуска GPT-4 выгоды от масштабирования были постепенными и дорогостоящими, - заявил Стюарт Рассел, компьютерный ученый из Калифорнийского университета в Беркли, один из организаторов опроса. - [Компании ИИ] уже слишком много инвестировали и не могут позволить себе признать, что совершили ошибку [и] уйти с рынка на несколько лет, когда им придется выплачивать инвесторам, вложившим сотни миллиардов долларов. Поэтому все, что они могут сделать, — это удвоить ставки".

По мнению экспертов, проблема заключается не только в ресурсоемкости современных моделей, но и в фундаментальных ограничениях их архитектуры. Архитектура трансформатора, лежащая в основе LLM, основана на обучении больших цепей прямой связи, которые, по мнению Рассела, имеют "фундаментальные ограничения как способ представления концепций". Это приводит к необходимости использовать огромные объемы данных и фрагментарному представлению знаний.

Несмотря на это, эксперты не считают, что развитие ИИ остановилось. Они видят перспективы в развитии моделей рассуждений, которые уделяют больше времени и вычислительных ресурсов на обработку запросов, а также в объединении различных систем машинного обучения. Кроме того, успех компании DeepSeek, которая достигла производительности дорогих моделей Кремниевой долины при меньших затратах, указывает на возможности инженерных инноваций в проектировании систем ИИ.

"Индустрия делает большую ставку на то, что появятся высокоценные приложения генеративного ИИ, - сказал Томас Диттерих, почетный профессор компьютерных наук в Университете штата Орегон. - В прошлом для крупных технологических достижений требовалось от 10 до 20 лет, чтобы показать большую отдачу. Часто первая партия компаний терпит неудачу, поэтому я не удивлюсь, если многие из сегодняшних стартапов GenAI потерпят неудачу. Но, похоже, некоторые из них будут невероятно успешными. Хотел бы я знать, какие именно".

Источник: Live Science