В последние годы тема создания национального проекта искусственного интеллекта, аналогичного Манхэттенскому проекту, привлекает все больше внимания среди политиков, экспертов и общественности. Американское правительство рассматривает возможность объединения усилий государственных институтов и частного сектора для стремительного развития технологий искусственного интеллекта (ИИ) и достижения искусственного общего интеллекта (Artificial General Intelligence, AGI). Сравнение подобных инициатив с масштабами и значимостью исторических проектов, таких как Манхэттенский проект и программа Аполлон, помогает понять, насколько амбициозными и крупными могут быть будущие инвестиции и ресурсы, направленные на развитие ИИ. Манхэттенский проект, осуществленный во время Второй мировой войны, обошелся США примерно в 0,4% от ВВП страны того времени, что в современных ценах соответствует примерно 120 миллиардам долларов. Для сравнения, программа Аполлон, направленная на освоение космоса, достигла пиковых затрат в 0,8% от ВВП США, что сегодня эквивалентно около 240 миллиардам долларов в год.
Если использовать эти цифры как ориентир, можно предположить, что национальный проект по ИИ мог бы получить сопоставимое финансирование, которое было бы направлено на приобретение вычислительных мощностей, разработку алгоритмов и создание инфраструктуры для масштабного обучения моделей. Одной из ключевых характеристик подобного проекта станет консолидирование ресурсов, особенно вычислительных мощностей, находящихся сейчас в распоряжении частных компаний. Объединение мощностей позволило бы создавать обучающие задачи существенно больших масштабов. В частности, эксперты прогнозируют, что к концу 2027 года такая объединённая система могла бы реализовать тренировочный запуск с вычислительной нагрузкой порядка 2e29 FLOP (операций с плавающей точкой), что в десятки тысяч раз превышает вычислительную мощность современного GPT-4. Такой скачок открыл бы новые горизонты для исследователей ИИ, позволяя быстрее преодолевать ограничения, связанные с текущими архитектурами моделей и механизмами их обучения.
Однако масштабность проекта накладывает серьезные физические ограничения, главным из которых является энергетическое обеспечение. В настоящее время одни из самых производительных вычислительных платформ для обучения моделей ИИ, например, графические процессоры NVIDIA H100, обладают уровнем энергоэффективности около 2,2e10 FLOP в секунду на каждый доллар при вычислениях с точностью FP16. С учётом предполагаемых бюджетов на уровне программы Аполлон, порядка 240 миллиардов долларов в год, можно приобрести оборудование, способное обеспечить внушительный объем вычислений. Анализ предполагает, что на протяжении около 100 дней непрерывного обучения можно достичь вычислительной мощности свыше 1e29 FLOP. Для работы такого масштаба потребуется мощность порядка 7,4 гигаватт – примерно столько же, сколько потребляет Нью-Йорк в среднем или одна из крупнейших в мире АЭС.
Создание и эксплуатация такой энергоемкой вычислительной инфраструктуры сталкивается с таймлайнами и трудностями строительства новых объектов энергогенерации – возведение такой мощности традиционно занимает около пяти лет по историческим аналогиям. Тем не менее с мощной поддержкой и концентрацией ресурсов государство может значительно ускорить процессы и, например, использовать уже запланируемые мощности газовых электростанций, которые должны начать работу в 2027 году. Также возможно применение законов, подобных Defense Production Act, предоставляющих исполнительной власти право мобилизовать необходимые ресурсы и приоритеты для ускоренного строительства и развертывания энергетической инфраструктуры. Еще одним фактором, который усложняет реализацию «Манхэттенского проекта» по ИИ, является зависимость от поставок высокотехнологичного оборудования, в первую очередь от производителей, таких как NVIDIA. В условиях геополитической нестабильности и возможных конфликтов цепочки поставок могут подвергаться серьезным испытаниям.
Однако противовесом этому является высокий государственный интерес и возможные военные сценарии, которые могут мотивировать ускоренное внедрение и концентрацию ресурсов внутри страны. Потенциальное объединение государственных и частных ресурсов, значительные ежегодные инвестиции и технологический прогресс позволят как минимум в несколько раз увеличить масштаб вычислительных задач, что уже само по себе ускорит прогресс в развитии ИИ за счет более мощных моделей и возможностей для экспериментальных исследований. При этом ключевое значение будет иметь не только «сырые» мощности, но и оптимизация процессов обучения, уменьшение требований к энергопотреблению на единицу вычислений, а также разработка новых архитектур, лучше использующих доступные ресурсы. С учетом текущих трендов бизнеса крупных производителей оборудования для ИИ, таких как NVIDIA, и прогнозируемого спроса на вычислительные ресурсы, общие инвестированные мощности в США уже движутся к масштабам, позволяющим реализовать такого рода инновационные проекты. По оценкам, в стране уже существует оборудование стоимостью порядка 99 миллиардов долларов, сосредоточенное на задачах ИИ, а в ближайшие годы эта цифра может вырасти до 230 миллиардов долларов ежегодных инвестиций.
Вместе с тем важным аспектом является то, что подобные проекты, несмотря на свою впечатляющую мощь и амбиции, не гарантируют мгновенного и беспрепятственного успеха. Создание и настройка таких масштабных систем требует времени, многочисленных испытаний и этапов «разминирования» технологических рисков. Примеры прошлых проектов показывают, что даже при наличии ресурсов масштабирование обучения в тысячи раз выше предыдущих требует тщательной координации и последовательных шагов. Кроме того, существует вероятность того, что сама идея национального проекта может столкнуться с экологическими, юридическими и общественными преградами. Вызовы, связанные с энергетическим потреблением, распределением ресурсов и влиянием на экосистему, требуют системного подхода и могут стать ограничивающими факторами в реализации амбициозных планов.
Также нельзя исключать риски, связанные с геополитикой, способные повлиять на цепочки поставок и международные отношения в сфере технологий. Тем не менее анализ текущих данных и перспектив развития показывает, что объединение усилий на национальном уровне в области ИИ не только является технически осуществимым, но и может значительно ускорить развитие индустрии искусственного интеллекта. Сравнительный взгляд на проекты типа Манхэттенского или Аполлона помогает осознать, какой масштаб государственных инвестиций и государственных инициатив может стать точкой перелома в истории компьютерных наук и технологий. Подводя итог, можно утверждать, что масштабы национального проекта в области искусственного интеллекта способны превзойти все существующие по интенсивности и вложениям проекты в сфере высоких технологий. Синергия государственной поддержки, инноваций в области вычислительной техники и непрерывного технологического прогресса позволит в ближайшее время вывести развитие ИИ на качественно новый уровень, который станет фундаментом для появления искусственного общего интеллекта и невероятных возможностей для общества и экономики в целом.
Текущие тенденции и предстоящие вызовы показывают, что реализация такого грандиозного проекта потребует мобилизации огромных ресурсов, но при этом открывает двери для прорывов в науке и технологиях, которые определят будущее человечества в XXI веке.
