Чи зайшов сучасний ШІ у глухий кут? Вчені сумніваються, що він досягне людського інтелекту

Згідно з новим опитуванням, 76% науковців вважають, що масштабування великих мовних моделей навряд чи призведе до створення штучного загального інтелекту (AGI).

Революція чи застій?

Незважаючи на глобальні інвестиції у $56 мільярдів у 2024 році, сучасні підходи до штучного інтелекту, швидше за все, не дозволять створити системи, які зрівняються з людським інтелектом.

Такий висновок зроблено на основі опитування 475 дослідників у сфері ШІ. Більшість із них (76%) заявили, що навіть подальше масштабування великих мовних моделей (LLM) є «малоймовірним» або «дуже малоймовірним» для досягнення AGI – рівня, коли системи машинного навчання зможуть навчатися не гірше, ніж люди.

Ці результати суперечать очікуванням технологічних гігантів, які з моменту зростання генеративного ШІ у 2022 році вважали, що для досягнення AGI достатньо більше даних, потужнішого обладнання та фінансових вливань.

Проте, як свідчить опитування, більшість дослідників, опитаних Асоціацією з розвитку штучного інтелекту (AAAI), вважають, що компанії зайшли у глухий кут – і жодні інвестиції не допоможуть їм вибратися.

«Стало очевидно ще після випуску GPT-4, що подальше масштабування дає лише незначні й дуже дорогі покращення», – каже Стюарт Рассел, професор Каліфорнійського університету в Берклі та один з організаторів дослідження.

«Технологічні компанії вже вклали надто багато і просто не можуть собі дозволити визнати помилку. Вони змушені подвоювати зусилля, навіть якщо це тупиковий шлях».

Виснаження ресурсів та технічні обмеження

Неймовірний прогрес мовних моделей за останні роки став можливим завдяки трансформерній архітектурі, вперше запропонованій науковцями Google у 2017 році. Ця технологія дозволяє ШІ моделювати ймовірнісні патерни на основі аналізу величезних обсягів текстових даних.

Проте масштабування таких моделей вимагає колосальних фінансових та енергетичних витрат. У 2024 році венчурні інвестори вклали у генеративний ШІ $56 мільярдів, значна частина яких пішла на будівництво гігантських дата-центрів. Водночас викиди CO₂ від цих центрів потроїлися з 2018 року.

До того ж, за прогнозами, доступні людські дані для навчання ШІ вичерпаються до кінця десятиліття. Це означає, що компанії будуть змушені або збирати приватні дані користувачів, або використовувати синтетично згенеровані дані, що може призвести до саморуйнування моделей через накопичення помилок.

«Основна проблема нинішніх підходів у тому, що вони базуються на навчанні гігантських, але все ж таки обмежених схем», – пояснює Рассел.

«Такі схеми мають фундаментальні обмеження у представленні складних концепцій. Це змушує їх працювати як розширені бази даних з величезними прогалинами. Саме тому люди можуть перемагати "суперлюдські" ШІ-програми у грі в Ґо».

Яке майбутнє чекає на штучний інтелект?

Усі ці проблеми стали серйозними викликами для компаній, що прагнуть покращити продуктивність ШІ. Деякі опитані експерти вважають, що саме вони призвели до застою у розвитку та пояснюють, чому OpenAI досі не випустила GPT-5.

Крім того, у 2025 році китайська компанія DeepSeek змогла створити модель, яка за ефективністю зрівнялася з дорогими західними аналогами, витративши значно менше коштів та ресурсів.

Це ще раз доводить, що нинішній підхід до розвитку ШІ має серйозні обмеження. У результаті 79% опитаних дослідників дійшли висновку, що реальні можливості штучного інтелекту суттєво переоцінені.

«Багато експертів вважають, що це просто чергова технологічна бульбашка», – зазначає Рассел.

«Тим більше, коли потужні ШІ-моделі безкоштовні ».

Проте це не означає, що розвиток штучного інтелекту припиниться. Вчені бачать перспективу у нових підходах, таких як моделі логічного мислення (reasoning models), які виділяють більше ресурсів на обробку запитів. Також перспективним є поєднання мовних моделей із іншими системами машинного навчання та використанням ймовірнісного програмування.

«Компанії роблять велику ставку на майбутні прибутки від генеративного ШІ», – каже професор Томас Дітеріх з Університету штату Орегон.

«Як показує історія, великі технологічні прориви потребують 10-20 років, щоб почати приносити значний дохід. Чимало стартапів зникне, але деякі стануть надзвичайно успішними».

Що ж, схоже, що гонка за справжнім AGI ще далека від фінішу, і найбільш значущі відкриття можуть чекати попереду.

Авторка: Дар’я Бровченко

Джерело