Похоже, что искусственный интеллект (AI) достиг плато. Создатели моделей ИИ, похоже, не достигают прогресса так быстро, как раньше. Многие из продуктов, которые они обещали, были переоценены и не оправдали ожиданий, и потребители не совсем уверены, что делать с генеративным ИИ, кроме как использовать его в качестве замены традиционным поисковым системам.
Если этого еще не произошло, похоже, что ИИ начинает выходить из своей ранней стадии роста и входить в период стагнации.
Взрывной рост ИИ с 2022 по 2024 год
С ноября 2022 года до конца 2024 года новые разработки в области искусственного интеллекта происходили очень быстро. ChatGPT был запущен в ноябре 2022 года. Через четыре месяца мы получили GPT-4. Два месяца спустя OpenAI добавила Code Interpreter и Advanced Data Analysis. В то же время значительные достижения произошли в генерации текста в изображение и видео. Похоже, что достижения появлялись каждые 30-120 дней в OpenAI, и их конкуренты, похоже, двигались в одном направлении, вероятно, из страха отстать, если не будут успевать.
С таким количеством ветра в своих парусах компании начали делать большие обещания: автономные ИИ-агенты, которые могли бы планировать, рассуждать и выполнять сложные задачи от начала до конца без участия человека. Креативный ИИ, который заменит маркетологов, дизайнеров, кинематографистов, авторов песен, и ИИ, который заменит целые категории офисных профессий. Однако большинство из этих обещаний все еще не реализовались; если они и реализовались, то были не впечатляющими.
Почему инновации в области ИИ замедляются
Проблема заключается не только в том, что агенты ИИ или автоматизированные рабочие силы были недоставлены; это результат гораздо большей проблемы. Инновации в индустрии ИИ замедляются, и ведущие компании, создающие эти инструменты, кажутся потерянными.
Не каждый продукт, выпущенный в период с 2022 по 2024 год, был революционным. Многие обновления в этот период, вероятно, остались неиспользованными обычными потребителями. Это связано с тем, что большинство людей по-прежнему используют ИИ только как альтернативу поисковой системе или, как начинают называть некоторые, используют ИИ как движок ответов, следующую итерацию поисковой системы.
Хотя это действительно валидный случай использования, можно с уверенностью сказать, что технологические гиганты имеют гораздо более грандиозное видение для ИИ. Однако одна вещь, которая может сдерживать их, и одна причина, по которой более разрекламированные продукты испытывают трудности на рынке, связана с классической проблемой в высокотехнических отраслях: блестящие инженеры иногда заканчивают разработку инструментов и продуктов, которые могут использовать только другие блестящие инженеры, но забывают сделать эти инструменты и продукты доступными для гораздо более широкой аудитории пользователей, которые не являются блестящими инженерами. В данном случае это означает обычных пользователей, аудиторию, которая, безусловно, сделала ИИ мейнстримом в 2022 году.
Однако даже стагнация в продуктах ИИ является следствием еще более крупной проблемы, связанной с тем, как обучаются модели ИИ.
Крупнейшие лаборатории ИИ одержимо улучшают свои базовые модели. Сначала эти улучшения в их моделях ИИ вносили значительные, заметные изменения от версии к версии. Но теперь мы достигли точки убывающей отдачи в оптимизации моделей. В наши дни каждое обновление модели ИИ кажется менее заметным, чем предыдущее. Одна из ведущих теорий заключается в том, что лаборатории ИИ исчерпали высококачественные, уникальные данные, на которых можно обучать свои модели. Они уже собрали все, что можно предположить, из всего интернета, так что где они будут искать данные дальше и чем данные, которые они получат, будут отличаться от данных, которые их конкуренты пытаются заполучить?
Перед тем как наткнуться на эту преграду, формула успеха в моделях ИИ была проста: кормите большие языковые модели большим объемом интернет-данных, и они становятся лучше. Однако интернет — это конечный ресурс, и многие гиганты ИИ исчерпали его. Кроме того, когда все обучаются на одних и тех же данных, никто не может вырваться вперед. А если вы не можете получить новые, уникальные данные, вы не можете продолжать значительно улучшать модели, обучая их на данных. Вот с какой преградой столкнулись многие из этих компаний.
Важно отметить, что постепенные улучшения, которые вносятся в эти модели, все еще очень важны, даже несмотря на то, что их доходность уменьшается. Хотя эти улучшения не так значимы, как улучшения в прошлом, они все равно должны происходить для будущих ИИ-продуктов, которые нам обещали.
Куда идет ИИ отсюда
Итак, как мы можем решить эту проблему? Не хватает внимания к потребительскому спросу на уровне продукта. Потребители хотят ИИ-продукты и инструменты, которые решают реальные проблемы в их жизни, интуитивно понятны и могут использоваться без наличия степени в STEM. Вместо этого они получили продукты, которые не кажутся готовыми к производству, такие как агенты, с расплывчатыми случаями использования и больше похожие на эксперименты, чем на продукты. Продукты такого рода явно не созданы для кого-либо конкретного; ими трудно пользоваться, и, возможно, это связано с тем, что они испытывали трудности с принятием.
Пока ничего не изменится, ИИ, вероятно, останется в состоянии ожидания. Независимо от того, произойдет ли этот прорыв благодаря лучшим тренировочным данным, новым способам интерпретации существующих данных или выдающемуся потребительскому продукту, который наконец-то станет популярным, что-то должно измениться.
С 2022 по 2024 год искусственный интеллект, казалось, прыгал вперед на десять шагов каждые четыре месяца. Но в 2025 году он лишь медленно движется вперед на один маленький шаг за раз и гораздо реже.
К сожалению, здесь нет быстрого решения. Однако сосредоточение на надежном продукте для потребителей может быть легким выигрышем. Если технологические гиганты потратили бы меньше времени на создание футуристически звучащих, но общепurpose AI-продуктов и больше времени на предоставление инструмента с узким применением и высоким воздействием, который люди могут использовать сразу из коробки, тогда они увидели бы больше успеха.
Но в долгосрочной перспективе потребуется какое-то значительное достижение, которое решит проблему нехватки данных, в которой мы сейчас находимся, будь то компании, находящие новые, эксклюзивные источники обучающих данных, или поиск способов, чтобы модели могли использовать больше данных, которые у них уже есть.
Для того чтобы искусственный интеллект (AI) правильно функционировал в рамках закона и процветал в условиях растущих вызовов, ему необходимо интегрировать корпоративную блокчейн-систему, которая обеспечивает качество ввода данных и право собственности — позволяя ему сохранять данные в безопасности, а также гарантируя неизменность данныхОзнакомьтесь с освещением CoinGeekпо этой новой технологии, чтобы узнать большепочему корпоративный блокчейн станет основой ИИ*.*
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Постигла ли инновация ИИ предел?
Похоже, что искусственный интеллект (AI) достиг плато. Создатели моделей ИИ, похоже, не достигают прогресса так быстро, как раньше. Многие из продуктов, которые они обещали, были переоценены и не оправдали ожиданий, и потребители не совсем уверены, что делать с генеративным ИИ, кроме как использовать его в качестве замены традиционным поисковым системам.
Если этого еще не произошло, похоже, что ИИ начинает выходить из своей ранней стадии роста и входить в период стагнации.
Взрывной рост ИИ с 2022 по 2024 год
С ноября 2022 года до конца 2024 года новые разработки в области искусственного интеллекта происходили очень быстро. ChatGPT был запущен в ноябре 2022 года. Через четыре месяца мы получили GPT-4. Два месяца спустя OpenAI добавила Code Interpreter и Advanced Data Analysis. В то же время значительные достижения произошли в генерации текста в изображение и видео. Похоже, что достижения появлялись каждые 30-120 дней в OpenAI, и их конкуренты, похоже, двигались в одном направлении, вероятно, из страха отстать, если не будут успевать.
С таким количеством ветра в своих парусах компании начали делать большие обещания: автономные ИИ-агенты, которые могли бы планировать, рассуждать и выполнять сложные задачи от начала до конца без участия человека. Креативный ИИ, который заменит маркетологов, дизайнеров, кинематографистов, авторов песен, и ИИ, который заменит целые категории офисных профессий. Однако большинство из этих обещаний все еще не реализовались; если они и реализовались, то были не впечатляющими.
Почему инновации в области ИИ замедляются
Проблема заключается не только в том, что агенты ИИ или автоматизированные рабочие силы были недоставлены; это результат гораздо большей проблемы. Инновации в индустрии ИИ замедляются, и ведущие компании, создающие эти инструменты, кажутся потерянными.
Не каждый продукт, выпущенный в период с 2022 по 2024 год, был революционным. Многие обновления в этот период, вероятно, остались неиспользованными обычными потребителями. Это связано с тем, что большинство людей по-прежнему используют ИИ только как альтернативу поисковой системе или, как начинают называть некоторые, используют ИИ как движок ответов, следующую итерацию поисковой системы.
Хотя это действительно валидный случай использования, можно с уверенностью сказать, что технологические гиганты имеют гораздо более грандиозное видение для ИИ. Однако одна вещь, которая может сдерживать их, и одна причина, по которой более разрекламированные продукты испытывают трудности на рынке, связана с классической проблемой в высокотехнических отраслях: блестящие инженеры иногда заканчивают разработку инструментов и продуктов, которые могут использовать только другие блестящие инженеры, но забывают сделать эти инструменты и продукты доступными для гораздо более широкой аудитории пользователей, которые не являются блестящими инженерами. В данном случае это означает обычных пользователей, аудиторию, которая, безусловно, сделала ИИ мейнстримом в 2022 году.
Однако даже стагнация в продуктах ИИ является следствием еще более крупной проблемы, связанной с тем, как обучаются модели ИИ.
Крупнейшие лаборатории ИИ одержимо улучшают свои базовые модели. Сначала эти улучшения в их моделях ИИ вносили значительные, заметные изменения от версии к версии. Но теперь мы достигли точки убывающей отдачи в оптимизации моделей. В наши дни каждое обновление модели ИИ кажется менее заметным, чем предыдущее. Одна из ведущих теорий заключается в том, что лаборатории ИИ исчерпали высококачественные, уникальные данные, на которых можно обучать свои модели. Они уже собрали все, что можно предположить, из всего интернета, так что где они будут искать данные дальше и чем данные, которые они получат, будут отличаться от данных, которые их конкуренты пытаются заполучить? Перед тем как наткнуться на эту преграду, формула успеха в моделях ИИ была проста: кормите большие языковые модели большим объемом интернет-данных, и они становятся лучше. Однако интернет — это конечный ресурс, и многие гиганты ИИ исчерпали его. Кроме того, когда все обучаются на одних и тех же данных, никто не может вырваться вперед. А если вы не можете получить новые, уникальные данные, вы не можете продолжать значительно улучшать модели, обучая их на данных. Вот с какой преградой столкнулись многие из этих компаний.
Важно отметить, что постепенные улучшения, которые вносятся в эти модели, все еще очень важны, даже несмотря на то, что их доходность уменьшается. Хотя эти улучшения не так значимы, как улучшения в прошлом, они все равно должны происходить для будущих ИИ-продуктов, которые нам обещали.
Куда идет ИИ отсюда
Итак, как мы можем решить эту проблему? Не хватает внимания к потребительскому спросу на уровне продукта. Потребители хотят ИИ-продукты и инструменты, которые решают реальные проблемы в их жизни, интуитивно понятны и могут использоваться без наличия степени в STEM. Вместо этого они получили продукты, которые не кажутся готовыми к производству, такие как агенты, с расплывчатыми случаями использования и больше похожие на эксперименты, чем на продукты. Продукты такого рода явно не созданы для кого-либо конкретного; ими трудно пользоваться, и, возможно, это связано с тем, что они испытывали трудности с принятием.
Пока ничего не изменится, ИИ, вероятно, останется в состоянии ожидания. Независимо от того, произойдет ли этот прорыв благодаря лучшим тренировочным данным, новым способам интерпретации существующих данных или выдающемуся потребительскому продукту, который наконец-то станет популярным, что-то должно измениться.
С 2022 по 2024 год искусственный интеллект, казалось, прыгал вперед на десять шагов каждые четыре месяца. Но в 2025 году он лишь медленно движется вперед на один маленький шаг за раз и гораздо реже.
К сожалению, здесь нет быстрого решения. Однако сосредоточение на надежном продукте для потребителей может быть легким выигрышем. Если технологические гиганты потратили бы меньше времени на создание футуристически звучащих, но общепurpose AI-продуктов и больше времени на предоставление инструмента с узким применением и высоким воздействием, который люди могут использовать сразу из коробки, тогда они увидели бы больше успеха.
Но в долгосрочной перспективе потребуется какое-то значительное достижение, которое решит проблему нехватки данных, в которой мы сейчас находимся, будь то компании, находящие новые, эксклюзивные источники обучающих данных, или поиск способов, чтобы модели могли использовать больше данных, которые у них уже есть.
Для того чтобы искусственный интеллект (AI) правильно функционировал в рамках закона и процветал в условиях растущих вызовов, ему необходимо интегрировать корпоративную блокчейн-систему, которая обеспечивает качество ввода данных и право собственности — позволяя ему сохранять данные в безопасности, а также гарантируя неизменность данных Ознакомьтесь с освещением CoinGeek по этой новой технологии, чтобы узнать больше почему корпоративный блокчейн станет основой ИИ*.*
Смотрите: Искусственному интеллекту нужен блокчейн