Триллионные инвестиции в большие языковые модели могут оказаться пузырем, похожим на эпоху доткомов, но технологические лидеры все равно выиграют. Такую оценку дал Андрей Белевцев, старший вице-президент Сбербанка, комментируя планы Сэма Альтмана (Sam Altman) потратить триллион долларов на вычислительные мощности.
Новые доткомы или реальная ценность
Гонка больших языковых моделей требует гигантских затрат. ChatGPT забронировал вычислительные мощности на триллион долларов на ближайшие четыре-пять лет, при этом значительную часть сервисов предоставляя бесплатно.
«Часть неквалифицированных инвесторов рискует потерять деньги, вкладывая в некачественные проекты с отсутствием бизнес-модели», — признал Белевцев. Однако он напомнил об итогах пузыря доткомов: «Инвестиции в Google и Amazon оказались более чем оправданными».
По мнению топ-менеджера, публичные заявления о триллионных бюджетах — часть конкурентной стратегии, призванной повлиять на действия конкурентов и затруднить им привлечение финансирования.
Дорогая игрушка против практичных решений
Разработчики отраслевого ИИ критикуют универсальные модели как дорогостоящую забаву. Специалисты по сельскохозяйственному ИИ, распознаванию лиц и медицинским системам задаются вопросом: зачем тратить огромные суммы на технологию, главное преимущество которой — возможность писать запросы простыми словами?
«Производственные и научные задачи лучше решать программами прикладного ИИ — они стоят гораздо дешевле в разработке и применении», — передал Белевцев мнение скептиков.
Однако глава технологического блока Сбербанка считает такой подход устаревшим: «IT-компаниям, которые так говорят, наверное, ничего другого не остается. Их технологическое будущее предопределено, если они не начнут думать по-другому».
Универсальность как преимущество
Сила генеративного ИИ заключается в универсальности, утверждает Белевцев. Раньше разработка специализированной модели требовала найма команды разработчиков, подготовки датасета и длительного обучения для решения узкой задачи.
Универсальные модели могут применять малый и средний бизнес, который не способен позволить себе создание собственных специализированных решений. Кроме того, такие модели способны генерировать разный контент — от лекарственных формул до архитектурных проектов.
«Надо думать не о великой модели, которая будет решать все задачи, а о семействе специализированных решений, использующих общие подходы и данные», — пояснил эксперт.
Белевцев видит будущее в комбинированном подходе: большая модель может служить «когнитивным ядром», принимающим решения о том, какой инструмент использовать для конкретной задачи, и при необходимости писать специальный код.
Споры о пузыре ИИ продолжаются, но эксперт убежден: в основе успеха лежит не размер инвестиций, а качество продукта, который нравится пользователям.
Мнение ИИ
С точки зрения машинного анализа данных, дискуссия о пузыре упускает ключевой физический ограничитель — энергетические мощности. Триллионные инвестиции Альтмана сталкиваются с реальностью: мировое потребление электроэнергии дата-центрами уже достигло 4% от общего объема, а крупнейшие модели требуют энергии небольшого города для одного сеанса обучения. Споры между универсальными и специализированными решениями могут оказаться преждевременными — физические законы термодинамики могут сделать выбор за разработчиков.
Исторический анализ показывает интересный парадокс: в отличие от доткомов, где проблемой была переоценка спроса, здесь ограничением становится предложение инфраструктуры. Концентрация вычислительных мощностей в руках нескольких игроков создает новые системные риски, которые могут перевесить технологические преимущества. Возможно, будущее ИИ определят не алгоритмы, а доступ к электросетям?
▼
Самые интересные и важные новости на нашем канале в Telegram
