В гонке искусственного интеллекта стремительно меняются правила игры: сначала колоссальные американские инвестиции в проект Stargate, следом — неожиданный успех дешевой китайской модели DeepSeek. Так каким будет будущее ИИ? Российский ученый, профессор РАН, генеральный директор Института AIRI Иван Оселедец рассказал «Снобу», как ИИ перестраивает глобальную экономику и куда нас ведет эра высоких вычислений.
Сегодня OpenAI все еще воспринимается как лидер в гонке за создание искусственного интеллекта следующего поколения?
Еще неделю назад вопрос был бы риторическим — OpenAI задавал тренды, вкладывал огромные ресурсы, привлекал лучших специалистов. Но сегодня все обсуждают китайский DeepSeek, который по некоторым метрикам их обошел: например, по стоимости обучения моделей или доступности.
Но разве то, что произошло в последние дни, действительно впервые? Не случалось ли и раньше, что по каким-то метрикам OpenAI проигрывал другим компаниям?
Нет, в таком масштабе не случалось. Поэтому и реакция на фондовых рынках была довольно заметной: многие удивились, что появилась такая модель. Сам факт, что можно обучить модель за существенно меньшие деньги и получить сравнимые или даже лучшие результаты, многих поразил. Мы у себя тоже проверяли DeepSeek в некоторых внутренних сценариях: эта китайская модель действительно не хуже, а порой даже лучше. Ну и дешевле.
А в чем именно она лучше? Можете привести конкретный пример?
Это вообще отдельная тема для обсуждения: что значит «одна модель лучше другой»? Часто люди сравнивают результаты, задавая паре моделей одни и те же вопросы — скажем, всего пять вопросов (например, составить план путешествия или объяснить что-то из химии) — и делают вывод: мол, одна модель набрала 5 баллов из 10, другая — 10 из 10. Но это статистически ничего не доказывает.
Обычно для таких сравнений используют более серьезные наборы бенчмарков — как экзаменационные вопросы для людей, только для ИИ. По итогам получают «лидерборд», который показывает, насколько одна модель превосходит другую.
Тут важно понимать, что модель может где-то «подглядывать» ответы. Она обучалась на триллионах текстов и могла банально что-то запомнить. Само по себе запоминание — не плохо, но честное тестирование становится сложнее. Поэтому есть и открытые бенчмарки, и закрытые внутренние тесты, и, наконец, практическое использование.
Я, например, активно применяю такие модели в своей работе, и у меня есть собственная «корзинка» задач, по которым я проверяю качество. Пока что, условно, гипотезу Римана никто доказать не может (гипотезу выдвинул Бернхард Риман в 1859 году, считается одной из величайших нерешенных задач в математике — Прим. ред.). Но написать достаточно сложный код по простому текстовому запросу — уже да, могут и модели OpenAI, и китайские модели.
В итоге ответить на вопрос «Кто умнее?» — это как сравнивать двух людей. Если один явно умнее, это заметно. Но если они оба на довольно высоком уровне, то становится сложно сказать, кто лучше.
У каждой модели есть сильные и слабые стороны. К примеру, можно сравнить стоимость одного диалога. И вот здесь китайская модель действительно дешевле — примерно в десять раз.
Но в проект Stargate, справедливости ради, только планируют инвестировать 500 миллиардов долларов. Если такие инвестиции станут реальностью, они приблизят OpenAI к тому, что их модель искусственного интеллекта станет намного «умнее» остальных? Или дело все равно не только в «железе»?
Я очень надеюсь, что это не утвердит их окончательно в роли лидера. Потому что, если все сведется к тому, что у кого больше вычислительных мощностей, тот и получает катастрофическое преимущество в области искусственного интеллекта, — ну, это довольно печальная перспектива. Та же DeepSeek дает нам надежду, что не все определяется только «железом». Есть и другие примеры, когда компании с меньшими ресурсами добиваются прорывов за счет идей, подходов к обучению или особых данных.
Но, с другой стороны, нужно отметить, что происходит с 2022 года. OpenAI за год до этого уже шел в нужном направлении, но настоящий прорыв случился в 2022-м с выходом ChatGPT. И все, что мы видим за последние три года (чуть меньше, если точно), подтверждает одну вещь: чем больше данных и чем больше вычислительных мощностей подается на обучение больших языковых моделей, тем выше их качество. Так называемый «скейлинг» (наращивание вычислительных ресурсов) действительно становится ключом.
И дело не только в том, чтобы «дольше обучать» модель, но и в способах проверки гипотез. Когда создается новое поколение модели, нужно перепробовать разные архитектуры, проверить массу гипотез: как она устроена изнутри, из каких блоков собирается. На проверку каждой гипотезы могут уйти миллионы GPU-часов. Если у вас нет доступа к подобным ресурсам, вы вынуждены двигаться только по одной дороге. Если на ней окажется тупик, придется либо возвращаться, либо смотреть, что делают другие.
Поэтому скорость и стоимость проверки гипотез — как менять обучение, какие данные подавать, как все это организовать — сейчас играют ключевую роль. И инвестиции в вычислительные кластеры действительно дают компании существенное преимущество. Большая часть этих денег, насколько известно, пойдет именно на создание новых вычислительных мощностей.
А это уже очевидно? Мы точно знаем, что основную часть этих денег они потратят именно на чипы и дата-центры?
Обычно, когда речь идет о крупных инвестициях, растет и стоимость специалистов. Зарплаты здесь колоссальные. Сейчас в индустрии говорят, что если у вас есть какой-то бюджет, то половину вы тратите на вычислительные мощности, а вторую половину — на людей. Соотношение примерно 50 на 50 или около того.
Но речь не только о программистах или математиках с физиками. Это и инженеры, которые поддерживают инфраструктуру, занимаются охлаждением, заменой вышедших из строя карт и прочей «сантехникой». В дата-центрах все довольно сложно устроено, поэтому расходы делятся примерно поровну.
Такое соотношение будет меняться? От чего оно зависит?
Сейчас открытый вопрос, что дороже — минута работы человека или минута работы GPU. Такую развилку мы уже проходили много лет назад, когда компьютеры только появились. Тогда можно было писать код на низкоуровневых языках, затрачивая много времени программиста, но получая более эффективную программу.
В итоге дороже оказалась именно «минута работы» человека, и все перешли на языки высокого уровня. Теперь, возможно, маятник качается в другую сторону: если минута работы GPU становится дороже, чем человеко-часы разработки, то выгоднее оптимизировать код под «железо». Все это, естественно, учитывается при планировании.
Право первой ночи
Какую роль играют NVIDIA, Oracle и Microsoft в проекте Stargate?
Роль NVIDIA понятна: они делают чипы и фактически являются основным бенефициаром этого бума в области искусственного интеллекта. Oracle традиционно специализируется на базах данных и решениях для хранения, а тут речь идет о колоссальных объемах информации.
В этой тройке каждая компания дополняет другую: есть «железо», есть люди, которые умеют это «железо» эксплуатировать, и есть инфраструктура для хранения огромных массивов данных. Все выглядит логично, потому что, если мы продолжаем масштабировать модели — добавляем новые модальности вроде видео и аудио, — они становятся все лучше и лучше, а рынок при этом только растет.
Что касается Microsoft, чем именно им выгодно партнерство с OpenAI? С Oracle и NVIDIA действительно все более-менее ясно, но непонятно, как именно Microsoft планирует использовать технологии искусственного интеллекта.
Изначально Microsoft зашла в проект как один из первых крупных инвесторов и заключила соглашения с OpenAI. Может, это и не идеальный для них путь, но они ищут свою нишу и сильно поменяли свою бизнес-модель.
Предсказать, какие продукты у Microsoft преобразятся с появлением ИИ, непросто. Я провожу аналогию с зарождением интернета: тогда никто не мог предсказать, какие бизнесы взлетят, но именно интернет создал площадку для появления огромного числа новых компаний.
Сейчас искусственный интеллект — это колоссальная скорость обработки информации. Если интернет ускорил передачу данных, то ИИ ускоряет их интеллектуальную переработку. И кто первым найдет способ построить на этом устойчивую бизнес-модель, тот в выигрыше.
Возможно, Microsoft интегрирует ИИ не только в операционную систему, но и в другие сервисы, создаст новые продукты или улучшит старые. С поиском у них, честно говоря, не задалось, вот, может быть, ИИ здесь что-то изменит.
Есть мнение, что Microsoft — не слишком гибкая, забюрократизированная компания, которая просто не сможет принимать быстрые и эффективные решения на новом рынке. Согласны с такой оценкой?
И да и нет. У Microsoft не самое простое положение. Огромной корпорации сложнее быстро перестраиваться.
С другой стороны, они могут покупать перспективные стартапы, интегрировать их технологии. Взять, к примеру, Amazon: у них есть облако и свои разработки в области ИИ, но нет явных конкурентных преимуществ перед той же «большой тройкой». Их бизнес тоже может оказаться под угрозой, если они не успеют сориентироваться.
Microsoft же хочет оставаться «при деле», иметь доступ к передовым разработкам и первым выпускать новые продукты. Такое «право первой ночи». Станет ли эта стратегия успешной, покажет только время.
Возможно, более подвижные стартапы сойдут с дистанции, а корпорации останутся. Или наоборот — рыночная динамика сейчас очень высокая. Посмотрим, как все сложится.
Не объясняется ли этим «правом первой ночи» тот факт, что изначально OpenAI задумывался как открытый проект со свободным доступом, а теперь превратился в закрытую корпорацию, которая собирается зарабатывать деньги? Именно за это Илон Маск критикует основателя OpenAI Сэма Альтмана: мол, тот отошел от изначальной идеи открытости. Это потому, что, если все смогут пользоваться технологией, непонятно, как на ней зарабатывать? Или есть какие-то другие причины?
Когда создаешь что-то по-настоящему новое, всегда есть два пути. Один — открыть все результаты для всех. Так делается, например, в open source-проектах: ты выкладываешь код и получаешь взамен вклад от сообщества, которое помогает развивать продукт.
Другой путь — закрытый: если у тебя сильное технологическое преимущество и огромные затраты на разработку, ты сохраняешь все внутри, чтобы конкурентам было сложно тебя повторить. Так и поступает OpenAI.
Если компания становится монополистом и все начинают пользоваться ее сервисами, она может успешно на этом зарабатывать. С точки зрения бизнеса тут все логично. Альтман — бизнесмен, и ему, естественно, хочется монетизировать результаты больших вложений в исследования.
Вначале они — OpenAI — были более открыты, собрали внушительные венчурные инвестиции, заработали имя. Затем совершили технологический прорыв с ChatGPT, опередив конкурентов в среднем на полгода. Сейчас их кое-как догнали, но OpenAI все равно сохраняет колоссальную концентрацию талантливых людей и ресурсов.
Свобода или прибыль
А как вы относитесь к критике Маска, который настаивает на том, что ИИ должен развиваться по открытой технологии и быть доступным для всех?
Маск не критикует Альтмана из альтруизма — он развивает собственную модель, вкладывает в свои дата-центры. Это бизнес-стратегия: если твоя модель чуть слабее, ты можешь открыть её коды, чтобы привлечь пользователей, которые не хотят платить за более продвинутые решения. А если у тебя лучший продукт на рынке, то логично его закрыть и зарабатывать.
Инвесторы, кстати, тоже в какой-то момент спросят, зачем они вкладывали колоссальные деньги, если в итоге всё бесплатно? Поэтому здесь важны бизнес и экономическая целесообразность. «Открытость» и «свобода» — это красивые слова, но в реальности OpenAI, как и любая другая компания, стремится к прибыли, и в этом нет ничего удивительного.
Осенью прошлого года я был на мероприятии Сбера, где выступал Герман Греф. И он сказал, что в OpenAI вложены (и ещё будут вложены) такие огромные деньги, что эти инвестиции в принципе невозможно окупить. То есть проект делается не ради заработка, а ради чего-то другого. Но, судя по вашему объяснению, всё же речь идёт о бизнес-логике.
Пока что по стандартным методикам оценки инвестиций проект действительно не окупается, тут глупо спорить. Тем более с Германом Оскаровичем.
Но если смотреть шире: это принципиально новый рынок, новые модели ведения бизнеса и привлечения клиентов. Сейчас становится понятно, что есть масса прикладных задач, где ИИ может хорошо зарабатывать. Пользователи и компании готовы платить за лицензию, если технология становится неотъемлемой частью их бизнеса.
В конечном итоге исходные инвестиции могут вылиться в большую капитализацию самой компании. Можно продать акции, привлечь новых инвесторов. Или просто получать стабильный доход, если удастся удержать лидерство на рынке ИИ.
Поэтому сказать, что всё это «никогда не окупится», довольно сложно. Да, в моменте вложения выглядят колоссальными, и пока они не принесли традиционной прибыли, — но перспектива тут очевидно огромная.
Drill, baby, drill
Считается, что дата-центры для ИИ будут потреблять колоссальные объёмы электроэнергии. Можно хотя бы в общих чертах визуализировать это потребление? О каких гигаваттах или процентах от общемирового уровня идёт речь?
Ещё по меркам «детских» моделей вроде GPT‑3 речь шла о потреблении, сопоставимом с нуждами целого города на протяжении недели. Сейчас ситуация выглядит ещё масштабнее. Считается, что в недалёком будущем эти цифры могут быть сопоставимы с потреблением небольшой европейской страны.
В чуть более отдалённой перспективе речь может идти о нескольких процентах от общемирового энергопотребления — вплоть до 10 процентов. Это действительно очень много.
Значит ли это, что в перспективе дата-центры для искусственного интеллекта могут потреблять энергии больше, чем всё человечество сегодня?
Это слишком смелая оценка. Промышленное производство, заводы — всё это продолжит потреблять колоссальные объёмы энергии.
Но в любом случае, если мы строим гигантские дата-центры, то нужно учитывать не только само потребление, но и охлаждение: видеокарты сильно греются, и требуется всё больше ресурсов на их работу и обслуживание.
Именно поэтому сейчас растёт интерес к новым источникам энергии — термоядерной и атомной, которые долгое время казались «теоретическими» или слишком сложными для быстрого внедрения. Когда нужен дешёвый и стабильный источник энергии, в экономике сразу появляются стимулы для инвестиций в эти сферы.
И может так получиться, что высокоразвитый искусственный интеллект сам подскажет, где эти источники искать?
Безусловно. Уже сейчас, например, в DeepMind экспериментировали с оптимизацией энергопотребления в собственных дата-центрах. ИИ может анализировать сложные системы управления и предлагать, как именно повысить эффективность.
Это типичная история: сначала мы строим что-то «как получится», а потом понимаем, что тратим слишком много ресурсов, и начинаем оптимизировать.
Прогресс не начинается с мыслей об эффективности и надёжности. Бывало, что на обучение модели тратили тысячи графических карт, а через некоторое время кто-то добивался того же результата, используя всего восемь.
Но сделать это «сразу» почему-то не выходит: сначала нужно пройти путь проб и ошибок, а уж потом, когда система отлажена, резко сокращаются вычислительные затраты.
Вот это, честно говоря, загадка — какая-то «процедура намывания золота», когда сначала выкапывают огромную яму, а уже потом начинают отсеивать ненужное.
Но в итоге именно такой подход приводит к прорывам.
Бенефициары и безработица
Помимо энергетики, можем ли мы сейчас спрогнозировать, какие отрасли получат наибольшую отдачу от искусственного интеллекта и многомиллиардных инвестиций в него?
Основные мощности идут на обучение больших универсальных моделей, которые способны решать и рутинные, и довольно сложные задачи. Уже сейчас эти технологии активно используются там, где нужно хорошо понимать клиентов и их предпочтения — начиная от соцсетей и рекламы и заканчивая сложными IT-продуктами. Банковская сфера тоже вовлечена.
Очень интересны перспективы в «реальной» экономике: в нефтехимии, промышленности, производстве. Там дело обстоит сложнее, потому что данных, на которых могла бы обучаться модель, в открытом доступе значительно меньше. Но это неизбежно: рано или поздно предприятия захотят сократить расходы, повысить эффективность и начнут использовать ИИ.
Медицина?
Конечно! В медицине ИИ уже давно используется: есть диагностика с помощью нейросетей, поиск новых лекарств и материалов. Демис Хассабис из DeepMind получил Нобелевскую премию по химии, при том что область его исследований — искусственный интеллект.
Ещё одно важное применение — написание кода. Уже сейчас разработчики экономят уйму времени, отправляя в ИИ запросы на естественном языке и получая готовый код.
В строительстве, особенно в проектировании, огромные перспективы. В итоге сложно представить бизнес, который откажется от универсального помощника, способного трудиться 24/7 за условную подписку и выдавать результаты порой даже лучше, чем человек.
Скорее всего, ИИ продолжит распространяться, и мы ещё увидим совершенно новые, неожиданные сферы, где он окажется полезен.
Может ли так получиться, что искусственный интеллект будет развиваться настолько быстро, что огромное количество людей потеряет работу, не будучи к этим переменам готовыми?
В истории ещё ни разу не было такого, чтобы появление новой технологии полностью вытесняло людей из профессий без появления новых возможностей. Обычно всё происходит наоборот: когда технологии приходят в нашу жизнь, они создают дополнительные рабочие места или дают нам инструменты, чтобы работать эффективнее.
Да, кто-то, кто категорически отказывается учиться новому, может оказаться за бортом, но в целом история показывает, что рынок адаптируется.
Нынешние системы ИИ с точки зрения интерфейса очень просты: мы общаемся с ними, как в обычном чате. Каждый из нас может посмотреть на свой объём работы и попробовать «делегировать» часть задач такому помощнику.
Прежде всего это касается цифровых задач, а вот всё, что связано с физическим миром, — тут мы пока гораздо дальше от массовой автоматизации. Например, роботы всё ещё довольно ограничены: их развитие идёт медленно.
Многие, например, переживают, что когда такси станут беспилотными, водители потеряют работу. Разве это не реальный риск?
Пока что беспилотные машины не готовы к массовому внедрению. Это вопрос не только технологий, но и регулирования: даже если вы можете купить машину, которая умеет ехать сама, никто не даст разрешения выпускать её на дороги без надзора водителя.
Плюс необходима дорогая инфраструктура — мощные компьютеры, камеры, лидары. Даже при нынешнем развитии видеокарт (где NVIDIA, кстати, почти монополист) и снижающихся ценах это всё ещё очень большие расходы.
Конечно, многим хотелось бы нажать кнопку и доехать, не держась за руль, — заниматься в пути чем-то более интересным. Существуют стартапы, которые делают прототипы беспилотных машин, и у некоторых это неплохо получается. Но с точки зрения промышленного применения мы пока далеки от ситуации, когда можно повсеместно заменить водителей.
То есть вы не видите рисков массовой безработицы из-за развития ИИ?
Нет, я не думаю, что нас ждёт волна увольнений.
Надо, конечно, следить за рынком: существуют профессии, в которых и сейчас много рутинного труда, легко поддающегося автоматизации. И рано или поздно это произойдёт. Но в обществе есть инерция, и перемены не происходят в один день.
Плюс, когда у людей появляется помощник, который «умножает» их способности (делает быстрее, точнее), это обычно помогает самим людям делать больше. Они высвобождают время на более творческие и сложные задачи.
В результате такие перемены могут оказаться даже к лучшему. Зачем заниматься механическим трудом, если его можно поручить машине? Лучше потратить время на что-то более полезное и развивающее.
Мы немного отошли от темы Stargate и углубились в философию. Всё-таки, если говорить об этих инвестициях размером в полтриллиона — как вам кажется, этот момент можно уже сейчас назвать поворотным или пока рано?
В математике есть принцип: любая модель, которая пытается предсказывать будущее, крайне нестабильна. Достаточно чуть изменить исходные условия — и весь прогноз пойдёт по-другому.
Здесь то же самое: если всё пойдёт так, как объявлено, и будет создана гигантская вычислительная инфраструктура, это, безусловно, окажет огромное влияние на развитие технологий искусственного интеллекта. Причём влияние будет «волновым», как при землетрясении, когда толчки расходятся в разные стороны и подталкивают всех работать быстрее, эффективнее.
Такие проекты наверняка появятся и в других странах по мере возможностей. У нас, например, на государственном уровне о развитии искусственного интеллекта заговорили даже раньше, чем в США, хотя ресурсов меньше. Но вложения в людей, в создание новых исследовательских центров — всё это началось довольно давно.
И я верю, что можно многого достичь и без 500 миллиардов: нет прямой зависимости между количеством денег и результатом. Это как если 10 человек будут копать одну маленькую яму — толку больше не станет.
Зато крупные инвестиции создают целую экосистему: деньги пойдут в стартапы, коллективы, инфраструктуру, и в итоге всё это будет способствовать развитию ИИ.
Самое главное — эти ресурсы дают возможность рисковать и проверять новые идеи, в том числе в таких сферах, как медицина или биология, где пока до реальных клинических испытаний доходит считанное число новых препаратов.
Если мы сможем ускорить этот процесс, это будет здорово для всех.
Конечно, важно не «надорваться», стремясь слишком быстро бежать вперёд и забывая, зачем это делается. Но в целом подобные инициативы — это хорошая история. Если убрать весь политический подтекст, то от такого рывка выиграют все.
Что же до вопроса, будем ли мы вспоминать это как исторический момент, я отвечу: да, будем.
На месте руководства США я делал бы то же самое: при наличии таких ресурсов и возможностей логично инвестировать в ИИ. Это абсолютно правильная деятельность.
Я бы вообще хотел, чтобы все вкладывались в развитие искусственного интеллекта — в конце концов, это способ сделать мир лучше, эффективнее и интереснее.
Беседовал Чермен Дзгоев
Свежие комментарии