За гранью хайпа: почему современные ИИ не достигнут человеческого интеллекта

Альткойны Стартапы и венчурный капитал

Современный искусственный интеллект (ИИ) захватывает воображение миллионов людей по всему миру. Из-за широкой популярности таких технологий, как большие языковые модели (БЯМ) и генеративные системы, которые умеют создавать тексты, изображения и много другое, возникает много вопросов: насколько интеллектуальны эти системы, способны ли они мыслить как человек и когда ждать настоящего искусственного интеллекта общего назначения (AGI)? Однако реальность намного прозаичнее и требует более глубокого взгляда, чтобы отделить факты от иллюзий и маркетингового шума. Основные подходы, лежащие в основе ИИ сегодня, базируются на машинном обучении и статистическом анализе огромных массивов данных. Современные модели просто устанавливают вероятностные связи между элементами информации — например, между словами в тексте. Они прогнозируют, какие слова вероятнее всего появятся после предыдущих, основываясь на данных, на которых обучались.

Благодаря этим возможностям они могут создавать убедительные тексты, но это не означает, что у них есть понимание, сознание или истинный интеллект. Важным аспектом является масштаб: многие предполагают, что увеличение объема данных и более крупные сети приведут к появлению человеческого интеллекта. Однако это заблуждение похоже на попытку сложить тонны муки в надежде, что она сама по себе превратится в блин. Без дополнительных элементов и кардинально новых идей, таких как «яйца» и «молоко» в рецепте, результат будет неполноценным. Аналогично, современные алгоритмы, собирающие и анализирующие статистические зависимости, без объяснения и понимания природы человеческой креативности не смогут достичь самосознания или обобщенного интеллекта.

Термин «искусственный интеллект» менял свое значение в последние годы. Раньше он обозначал обобщенный интеллект машины, способный решать любые задачи, которые может выполнить человек, то есть AGI. С тех пор, как машинное обучение стало доминирующей технологией, границы понятия сдвинулись, и современный ИИ чаще отождествляют именно с узкоспециализированными системами, неспособными самостоятельно мыслить или проявлять волю. Это создает путаницу и приводит к завышенным ожиданиям, а также опасениям, которые зачастую не соответствуют технической реальности. Разговоры о сознании и воле искусственного интеллекта часто построены на неверных предположениях.

В настоящее время ни один ученый не может дать однозначное определение сознанию, не говоря уже о том, как его воспроизвести в машине. Появляющиеся ошибки, нелогичные ответы и даже забавные выдумки ИИ скорее указывают на механистический характер системы, чем на наличие осознанности. Что касается воли, ИИ действует только по заданным алгоритмам и целям, установленных людьми: без них он остается пассивным инструментом, не принимающим самостоятельных решений. Касательно интеллекта существует отдельный и важный момент. Научные исследования подтверждают, что современные языковые модели не способны к настоящему логическому рассуждению.

Они имитируют процесс мышления, базируясь на паттернах, извлеченных из обучающих данных. Например, исследование октябрь 2024 года показало, что качество математических рассуждений резко падает, если задача усложняется. Модели не оперируют понятиями и не выстраивают логические цепочки, а лишь повторяют похожие шаги из тренировочного материала. Это доказывает, что на самом деле «разум» здесь отсутствует, и мы имеем дело с очень продвинутым статистическим предсказателем. Одним из наиболее интересных и понятных примеров недостатков современных ИИ является так называемая «проблема блина».

Если попросить систему создать изображение одного блина из огромного количества муки, она с большой вероятностью выдаст стопку блинов, а не один конкретный объект. Почему? Потому что в обучающих данных слова «блин» ассоциируются преимущественно с изображениями их стопок. Поскольку ИИ не понимает сути, а лишь изучает типичные совпадения, он не способен сгенерировать именно одну блину. Этот пример иллюстрирует фундаментальный разрыв между человеческим пониманием и статистической обработкой информации машиной. Человек познает мир не путем заучивания миллионов примеров, а через опыт и способность выстраивать ассоциации.

Ребенок достаточно один раз увидит, как катится мяч, чтобы понять принцип его движения, что гарантирует быстрое и эффективное усвоение знаний. Компьютерам же для достижения хоть какого-то подобия этого процесса пришлось бы обработать непредставимо огромное количество данных, что все равно не заменит реального понимания. Это проблема представления знаний: как формализовать и структурировать информацию так, чтобы машина могла использовать ее подобно человеку. Несмотря на попытки создавать для этого специальные схемы и регистрационные форматы, задача остается открытой и крайне сложной. Признание ограничений нынешнего машинного обучения помогает оценить его реальное место и роль.

Вместо того чтобы ждать чудес и появления AGI в ближайшие годы, стоит концентрироваться на развитии и применении уже имеющихся инструментов, понимая их слабые стороны. Большие языковые модели могут служить эффективными помощниками в творчестве, автоматизации рутинных задач, генерации идей и анализе огромных массивов текста, однако воспринимать их как обладающих интеллектом в человеческом понимании просто ошибочно. Фундаментальная проблема создания искусственного интеллекта, схожего с человеческим, связана с непознаваемыми природой человеческого творчества и способности открывать новое. Великие ученые прошлого, такие как Майкл Фарадей и Альберт Эйнштейн, делали революционные открытия, объединяя, казалось бы, несвязанные факты и формируя новые концепции. Современные системы не в состоянии такого уровня творчества, они лишь комбинируют уже известные элементы.

Эта «хомогенизированная каша» создана для имитации, но не для генерации подлинно нового знания. Изменение терминологии и маркетинговые ходы вокруг ИИ приводят к переоценке возможностей технологий. Многие предсказатели утверждают, что AGI появится уже через пару лет, хотя их обещания часто базируются на предположениях без глубокого научного объяснения. Как справедливо отмечал физик Дэвид Дойч, прогноз без основания — не наука, а пророчество. Истинный прогресс требует не только успешных моделей, но и понимания принципов, которые позволят построить универсальную машину мышления.

Нельзя игнорировать и социальные аспекты развития ИИ. В конечном итоге, как и любое средство, искусственный интеллект — инструмент, эффективность и последствия использования которого зависят от человека. Интернет, одна из крупнейших технологических революций, проста по сути своей конструкции, но изменил мир благодаря идеям и решениям, которые создали люди. Аналогично, ИИ может привести как к положительным, так и к негативным последствиям в зависимости от целей и мотиваций разработчиков и пользователей. Научное сообщество продолжает активно исследовать возможности и ограничения современных технологий, стремясь выйти за рамки узких моделей и приблизиться к истинной универсальности и интеллектуальной автономии.