ИИ в том виде, который мы имеем несколько отличается от представлений в IT среде ну, лет 30 назад и раньше.

Что предполагалась тогда в уже далеком XX веке?

Есть программы для бизнеса. По сути в эти программы вводятся данные, программы их обрабатывают и выдают в виде каких-то структурированных данных по заданным критериям. Раньше они это делали медленнее – сейчас быстрее. Раньше было меньше данных – сейчас больше. А зачем нужны эти данные? А нужны они для того, чтобы на их основании принимать решения. Управленец любого уровня смотрит данные и принимает решения что-то изменить (или ничего неменять). Но ведь логично, что решения на основе всех этих данных мог бы принимать не человек. Тем более, что компьютер гораздо лучше справится с анализом и сопоставлением данных, с поиском соотношений, закономерностей. В этом виделась одна из главных задач ИИ.

А чем сейчас занимается ИИ? Обработка видео, аудио, текста.

Успехи в этих областях впечатляют, но то ли это, что нам всем нужно?

Но и в этих областях не все так гладко.

Не приведет ли тотальное использование ИИ к обнулению стоимости контента? Генеративные модели снижают предельную стоимость производства контента и снимают барьеры входа.

Чем определяется ценность продукта или услуги?

В первую очередь востребованностью, которая в общем-то ограничена и не всегда упирается в платежеспособность потенциальных клиентов.

Ограниченностью предложения, которое определяется высоким порогом входа и дефицитностью.

Как это работает на практике? Предположим, совокупность талантливых графических дизайнеров, которые долго учились и имеют средний опыт работы более 7-8 лет в специализированных приложениях по созданию и редактированию изображений (т.е. крепкие профессионалы, каковых не так много на рынке), имея предельную способность по генерации конечного продукта объемом X.

Рынок сбалансировал спрос и предложение и в целом обеспечивая незначительные колебания спроса вокруг X.

Появляется ИИ, способный выполнять работу профессиональных графических дизайнеров буквально на порядки быстрее, т.е. изначальная совокупность профи уже может выдавать не X, а 40X предложения при том, что рынку не нужно больше, чем X, что обрушает цены в десятки раз и приводит к увольнению графических дизайнеров в серьезных масштабах.

Кроме того, сложные графические редакторы заменены простыми в использовании автогенераторами ИИ с широкими возможностями авто-редактирования, что снижает порог входа в этот сегмент рынка заполоняя рынок дилетантами, заваливающие рынок сгенерированным ИИ контентом, что расширяет предложение еще в сотни раз. В итоге изначальный X превращается в 1000X или 10000X, что полностью уничтожает стоимость конечного продукта.

Все, что способен генерировать ИИ не будет стоить ничего (графика, видео, аудио, текст).

Любая работа, связанная со сбором, обработкой, интерпретацией и воспроизведением информации под угрозой.

Медицинские специалисты в рамках первичной консультации и обработки медицинской документации, репетиторы, коучи и консультанты, бухгалтеры и аудиторы, копирайтеры и контент-маркетологи, секретари, стенографисты, редакторы, переводчики и лингвисты, юристы, финансовые консультанты и аналитики, консалтинг специалисты, ну и конечно же программисты.

Это не убивает профессии, но радикально снижает спрос в сегменте низко и среднеквалифицированного персонала, что в перспективе убьет и верхний эшелон эволюции, т.к. профессионалы получаются из низко и среднеквалифицированного персонала.

Скорость вытеснение вероятно будет выше, чем скорость переквалификации работников в другие виды профессий из-за скорости развития, внедрения и развертывания ИИ и масштаба применения.

ИИ не создает рабочие места (не пойдут же секретари или переводчики и инженеры ядра LLMs, в спецы обучения моделей или в инженеры развертывания дата центров или прокладки электрокабелей), а сильно трансформирует структуру занятости с выраженным эффектом вытеснения.

Чем лучше, надежнее и стабильнее будет становиться ИИ – тем хуже макроэффект, что будет выражаться в росте безработицы, в падении доходов и снижении спроса.

И ИИ уже сейчас начинает пылесосить капитал, отвлекая венчурный и корпоративный капитал от вложений в другие технологические направления. Капитализация ИИ-компаний основана на экспоненциальных ожиданиях будущего роста. Однако, обнуление стоимости контента и вытеснение работников подрывают платежеспособный спрос на многие ИИ-продукты. Когда-то пузырь ожиданий лопнет и огромный капитал исчезнет.

Уже сейчас некоторые аналитики считают, что капитализация американского рынка от ожиданий первичных, вторичных и третичных эффектов от потенциального применения ИИ составляет 35 триллионов (!).

Да, LLMs – это удивительное изобретение, которое позволяет «оживлять» мертвецов (с очень правдоподобной симуляцией голоса, анимацией лица и движений), создавать удивительные дипфейки, что открывает фантастические возможности в мошенничестве, генерировать бесконечные потоки контента, не отличимого от человеческого бреда в социальных сетях, писать душещипательные поздравительные открытки для друзей, с которыми не хочется разговаривать, и, конечно же, помогать школьникам и студентам списывать домашние задания на качественно новом, доселе невиданном технологическом уровне.

LLMs способны создавать миллионы рецептов несъедобных блюд, сочинять бездарные стихи в промышленных масштабах и убедительно доказывать в интернете, что земля плоская, используя для этого тысячи безупречно сгенерированных псевдонаучных статей.

Главным двигателем нового времени стала концентрированная, вера в чудо, помноженная на панический страх упустить возможность поучаствовать в коллективном безумии.

Если рынок оценил компанию, сжигающую миллиарды на генерации картинок с котиками, в триллион долларов, значит, так тому и быть.

Видимо это и есть та новая нормальность, которую пытаются навязать сверху, – мир, где галлюцинации официально признаны более весомым активом, чем нечто, хоть отдаленно похожее на реальность.

Мне нравится определение: ИИ – галлюцинация.

Если взять 2015-2016 год, капитализация ТОП-10 бигтехов была около 2 трлн (сейчас 24 трлн), но тогда уже была совершена индустриальная революция в интернете (появление поиска, развитие WEB технологий и все, что с ними связано), тотальное внедрение мобильной связи, создана индустрия мобильных устройств (смартфоны и связанные гаджеты) вместе с созданием экосистемы мобильных приложений, были созданы социальные сети и их производные, AR/VR технологии, 3D печать, Big data, текущая конфигурация железа и софта, к которой мы привыкли, интернет вещей (IoT), стриминговые сервисы и т.п.

Если рынок оценивал все это в 2 трлн 10 лет назад, то чатботы, которые не генерируют ничего, кроме убытков, оцениваются в 22 трлн.

При этом вообще нет никакой логической связи между развитием ИИ и монетизацией, тем более в сопоставимых масштабах при всей исключительно полезности ИИ в отдельных задачах.

97.3 млрд составили капитальные расходы Amazon, Google, Microsoft, Meta и Oracle в 2кв25, значительная часть которых идет на расширение инфраструктуры под ИИ по их собственным расчетам на основе отчетности компаний.

Для понимания масштаба нужно взглянуть на динамику. В 1кв25 – 77.8 млрд, в 4кв24 – 76.3 млрд, в 3кв24 – 61.2 млрд, в 2кв24 – 55.7 млрд, в 1кв24 – 46 млрд.

За весь 2024 – 239.1 млрд, а в 2023 - 154.3 млрд, в 2022 - 158.1 млрд, в 2021 - 131 млрд, в 2020 - 97 млрд и в 2019 - 71 млрд, но с 2017 по 2022 значительная часть инвестиции шли в облачную инфраструктуру.

До облачных инвестиций в 2016 – 32.1 млрд, в 2015 – 25.2 млрд, а в 2014 – 23.7 млрд.

Сейчас за последние 12м фактические инвестиции составили 312.6 млрд, но учитывая намерения компаний, плановые инвестиции за 2025 могут превысить 350 млрд.

Если учесть изменение цен в полупроводниковой отрасли и изменение масштабов компаний эффект облака оценивается в 70 млрд, а эффект ИИ хайпа в 230 млрд за год.

Накопленные капитальные расходы с января 2023 уже составили почти 570 млрд и еще впереди 165-185 млрд в 2П25, т.е. почти 750 млрд инвестиций за три года.

Сюда следует добавить расходы на электроэнергию и прочие коммунальные платежи, R&D неадекватно дорогих ИИ специалистов, средняя годовая зарплата которых перевалила за 1 млн долларов, маркетинг и прочие расходы.

Точно намного больше 1 трлн за 3 года с экспоненциально растущей траекторией расходов. Сейчас нужно вваливать едва ли не по 500 млрд в год, чтобы держать рынок ИИ.

При этом совокупная годовая выручка крупнейших поставщиков ИИ составляет 32-35 млрд за 12м. Это прямая выручка от ИИ, а не прибыль.

Ни одна компания за три года не представила ни концепцию монетизации, ни дорожной карты, ни проекций намерений или хотя бы представления о будущем в ИИ мире.

Все разговоры об отдаче от инвестиций сводятся к рассуждениям о том, что ИИ улучшает пользовательский опыт наших существующих продуктов, улучшая время удержания клиентов через алгоритмы рекомендаций, повышает конверсию от рекламы через более точное целевое таргетирование. Но это манипуляции, это вообще не относится к LLMs, а представляет совершенно другое направление ИИ, где не нужны сотни миллиардов в год инвестиций.

Флагман индустрии – OpenAI имеет всего 13 млрд выручки при аудитории 700 млн человек и конверсии в подписчики менее 5%. Они уже достигли потолка расширения, чатботы не нужны миллиардам, просто нет столько заинтересованных людей (аудитория по умолчанию ниже, чем в соцсетях).

Будет у них 1 млрд аудитории, а конверсия в платных 6-7% - это около 26 млрд выручки, пусть еще сверху дополнительные 15 млрд нагонят через корпоративных клиентов при использовании API. Это потолок, учитывая конкуренцию и бесплатные китайские аналоги.

Появляется много сообщений о фантастических успехах ИИ в науке и инженерии.

В первую очередь следует отметить, что НЕ ИИ имеет потенциал к научно-техническому прогрессу, а ученые и инженеры, использующие ИИ, как достаточно эффективный в некоторых направлениях инструмент.

Это, как если бы сказать, что Excel создал нетривиальную финансовую модель или AutoCAD спроектировал элемент двигателя. Поэтому я как-то не очень воспринимаю новости, относящиеся к тому, что «ИИ открыл новый закон или совершил прорывное изобретение».

Самостоятельно (изолировано) – ИИ бесполезен, т.к. пока не обладает мотивацией, целеполаганием и необходимым синтезом когнитивных функций для творческого или научного прорыва.

LLMs, как инструмент (при больших стабильности и надежности) в руках профессиональных ученых – да, полезно со способностью ускорить прогресс. Но, сие ускорение может быть компенсировано деградацией качества человеческого капитала, нивелируя положительный вклад ИИ.

В перспективе ИИ может проанализировать все существующие научные статьи, найти неочевидные корреляции, предложить гипотезы на основе существующих данных и автоматизировать рутинные расчеты, эффективно обобщая и сравнивая неструктурированные массивы данных. Потенциально ИИ помогает ученым справляться с растущей сложностью их областей.

Но, вероятно, применение ИИ в науке приведет к взрывному росту числа вторичных научных работ, так как ИИ сможет легко генерировать новые комбинации старых идей. Это будет выглядеть как ускорение прогресса. Однако подавляющее большинство этих работ будут вторичными или не имеющими практической или научной ценности.

Современные ИИ-модели являются гениальными интерполяторами и комбинируют то, что уже есть в их обучающих данных. Они находят наиболее вероятные пути между точками в многомерном пространстве знаний, на котором они обучались.

Фундаментальные прорывы в ключевых научно-технологических направлениях требует несколько иной комбинации когнитивных навыков.

ИИ эффективно решает проблему обработки огромного массива накопленной научной информации, но по своей природе неспособен к нелинейным, интуитивным скачкам, необходимым для смены научных парадигм. Вместо этого он создает имитацию прогресса – взрывной рост количества вторичных публикаций.

Плюс к этому LLMs не могут создать гипотезу, которой нет в данных. Для прорывов в фундаментальной науке часто нужны новые данные, которые можно получить только через физический эксперимент.

LLMs прекрасны для цифровых задач, но ограничены данными, стабильностью и физическими барьерами. В цифровой среде, где ограничения определяются только вычислительной мощностью и алгоритмами, ИИ действует как катализатор стремительного роста, и способен значительно ускорять написание и оптимизацию кода, создание цифрового контента, анализ данных и моделирование виртуальных систем.

Прогресс в физическом мире ограничен не скоростью вычислений, а фундаментальными законами природы, свойствами материалов, скоростью химических реакций и сложностью биологических систем. Эти процессы не ускоряются экспоненциально с ростом вычислительной мощности.

Главный долгосрочный барьер — это трансляция цифровой модели в физический объект. ИИ может за час смоделировать миллионы потенциальных белковых структур, но их физический синтез и лабораторное тестирование (не говоря уже о клинических испытаниях) по-прежнему занимают годы. Физический эксперимент и промышленное масштабирование, а не генерация идей, являются главным тормозом прогресса.

И по поводу деградации. Существует риск когнитивной атрофии вследствие чрезмерной зависимости от систем ИИ.

Увы, но человеческий мозг всегда идет по пути наименьшего сопротивления.

Нейронные связи, отвечающие за определенные навыки (критический анализ, системный анализ причинно-следственных связей, способность к планированию, установление динамических иерархических связей, оперирование высокоуровневыми абстракциями, расширенный список здесь), укрепляются при регулярном использовании.

Если эти функции делегируются ИИ, соответствующие нейронные связи ослабевают. Мозг, по сути, оптимизирует свои ресурсы, отключая невостребованные когнитивные функции.

Невозможно перескочить через эволюционную последовательность, нельзя развить более сложные навыки без развития и закрепления базовых навыков.

ИИ может предоставить практически неограниченный доступ к знаниям, но он лишает человека необходимости самостоятельно проходить через процесс проб и ошибок, который формирует глубокое, интуитивное процедурное знание с широким развитием когнитивных навыков.

Сложные когнитивные навыки требуют не просто анализа отдельных данных, а их синтеза в целостную картину.

ИИ-системы часто предоставляют готовый ответ или решение, скрывая процесс анализа и синтеза. Пользователь получает результат, не понимая, как он был достигнут, что подрывает способность видеть взаимосвязи, оценивать систему в целом и прогнозировать цепочку эффектов от принимаемых решений.

Эксперт от новичка отличается тем, что способен практически сразу выловить ошибку еще до упаковки финального продукта, поняв момент искажения, предпринимая действия для решения проблемы и улучшения результата. Новичок же на веру принимает любое выходное решение вне зависимости от правильности и надежности.

Есть сценарии, где ИИ полезен, когда берет на себя рутинные и вычислительно сложные операции (первичный сбор данных, сортировка информации, сравнение, обобщение и сопоставление больших массивов данных).

Это освобождает ресурсы для решения задач более высокого порядка: постановка целей, стратегическое планирование, творческий синтез, принятие решений в условиях неопределенности, но в условиях, когда у человека развиты первичные навыки по сбору, обработке, сравнению и обобщению информации).

Однако, по мере развития ИИ человечество передаст ИИ не только рутину, но и сам процесс анализа, принятия решений и генерации идей, что неизбежно ведет к атрофии не только базовых навыков по работе с информацией, но и творческих, алгоритмических, системных и навыков более высшего порядка по фундаментальному пониманию основ мироздания.

Созревание эксперта - это не накопление информации, а последовательное восхождение по эволюционной лестнице, где развитие совокупности когнитивных навыков имеет нелинейную зависимость.

Это означает, что ИИ вышибает ментальное и интеллектуальное созревание на начальном и среднем этапе, что консервирует человечество на крайне низкой глубине когнитивной эволюции.

Практически все человечество под угрозой деградации, но люди, рожденные после 2010 года в особой опасности, т.к. не знают мира без ИИ и все всяких сомнений будут намного тупее, чем более взрослое поколение, а следующее поколение еще тупее, чем существующее.