Эта статья первоначально появилась в The Algorithm, нашей еженедельной рассылке об искусственном интеллекте. Чтобы первыми получать подобные статьи на свою электронную почту, подпишитесь здесь.
В отрасли, которая не стоит на месте, индекс искусственного интеллекта Стэнфордского университета — ежегодный обзор ключевых результатов и тенденций — это возможность перевести дух. (В конце концов, это марафон, а не спринт.)
В опубликованном сегодня отчете за этот год содержится множество поразительных статистических данных. Большая часть ценности заключается в том, что цифры подтверждают ваши интуитивные ощущения, например, ощущение того, что США стремятся к развитию ИИ активнее, чем все остальные: в стране расположено 5427 центров обработки данных (и их количество продолжает расти). Это более чем в 10 раз больше, чем в любой другой стране.
Также напоминаем, что в цепочке поставок оборудования, от которой зависит индустрия ИИ, есть несколько серьезных узких мест. Вот, пожалуй, самый примечательный факт: «Одна компания, TSMC, производит почти все ведущие чипы для ИИ, что делает глобальную цепочку поставок оборудования для ИИ зависимой от одного завода в Тайване». Один завод! Это просто невероятно.
Но главный вывод, который я сделал из Индекса развития ИИ на 2026 год, заключается в том, что нынешнее состояние ИИ пронизано противоречиями. Как сегодня отметила моя коллега Мишель Ким в своей статье об этом отчете: «Если вы следите за новостями об ИИ, у вас, вероятно, возникает головокружение. ИИ — это золотая лихорадка. ИИ — это пузырь. ИИ отнимает ваши рабочие места. ИИ даже не умеет читать часы». (В отчете Стэнфордского университета отмечается, что лучшая модель логического мышления Google DeepMind, Gemini Deep Think, завоевала золотую медаль на Международной математической олимпиаде, но не может читать аналоговые часы в половине случаев.)
Мишель отлично осветила основные моменты отчета. Но я хотела бы остановиться на вопросе, который не дает мне покоя. Почему так сложно точно понять, что происходит в сфере искусственного интеллекта прямо сейчас?
Наибольший разрыв, по-видимому, наблюдается между экспертами и неспециалистами. «Эксперты в области ИИ и широкая общественность оценивают траекторию развития этой технологии совершенно по-разному», — пишут авторы Индекса ИИ. «Оценивая влияние ИИ на рынок труда, 73% американских экспертов относятся к нему положительно, по сравнению с лишь 23% населения, что составляет разницу в 50 процентных пунктов. Аналогичные различия наблюдаются и в отношении экономики и здравоохранения».
Это огромный разрыв. Что происходит? Что знают эксперты, чего не знает общественность? (Под экспертами здесь подразумеваются исследователи из США, принимавшие участие в конференциях по ИИ в 2023 и 2024 годах.)
Я подозреваю, что отчасти дело в том, что эксперты и неэксперты основывают свои взгляды на совершенно разном опыте. «Степень вашего восхищения ИИ идеально коррелирует с тем, насколько вы используете ИИ в программировании», — написал на днях один разработчик программного обеспечения на X. Возможно, это шутка, но в ней определенно что-то есть.
Новейшие модели от ведущих лабораторий теперь лучше, чем когда-либо, справляются с созданием кода. Поскольку технические задачи, такие как программирование, имеют правильные или неправильные результаты, обучать модели их выполнению проще, чем задачи с более открытым концом. Более того, модели, способные программировать, оказываются прибыльными, поэтому разработчики моделей вкладывают ресурсы в их улучшение.
Связанная статья
Это означает, что люди, использующие эти инструменты для программирования или другой технической работы, получают от этой технологии наилучший опыт. За пределами этих областей применения результаты более неоднозначны. Модели LLM по-прежнему допускают глупые ошибки. Это явление получило название «зубчатый рубеж»: модели очень хорошо справляются с одними задачами и хуже — с другими.
Влиятельный исследователь в области ИИ Андрей Карпати также высказал свои мысли. «Судя по моей [ленте], наблюдается растущий разрыв в понимании возможностей ИИ», — написал он в ответ на тот пост на X. Он отметил, что опытные пользователи (читай: люди, использующие LLM для программирования, математики или исследований) не только следят за последними моделями, но и часто платят 200 долларов в месяц за лучшие версии. «Последние улучшения в этих областях, произошедшие в этом году, просто поразительны», — продолжил он.
Поскольку программы LLM (Learning Learning and Management) все еще быстро совершенствуются, тот, кто платит за использование Claude Code, фактически будет использовать другую технологию, чем тот, кто полгода назад пытался использовать бесплатную версию Claude для планирования свадьбы. Эти две группы говорят на разных языках.
И к чему это нас приводит? Думаю, есть две реальности. Да, ИИ намного лучше, чем многие думают. И да, он по-прежнему довольно плох во многих вещах, которые важны для многих людей (и, возможно, так и останется). Всем, кто делает ставки на будущее в ту или иную сторону, следует это помнить.
Источник: www.technologyreview.com
