Большинство исследователей ИИ считают, что индустрия технологий вкладывает миллиарды в тупик.

Основанная в 1979 году, Ассоциация по развитию искусственного интеллекта (AAAI) — международное научное общество.

Недавно 25 исследователей ИИ из AAAI опросили 475 респондентов в сообществе AAAI о «траектории исследований в области ИИ» — и их результаты оказались неожиданными.

Publication Futurism называет результаты «решительным отказом от давно предпочитаемого технологической отраслью метода достижения прогресса в ИИ» — а именно, добавления большего количества оборудования.

Как можно только потратить так много денег на решение проблемы. Примерно таким образом рассуждают исследователи ИИ в недавнем опросе. Когда их спросили, может ли «масштабирование» существующих подходов к ИИ привести к достижению искусственного общего интеллекта (AGI), или универсального ИИ, который соответствует или превосходит человеческое познание, подавляющее большинство респондентов (76 процентов) ответили, что это «маловероятно» или «очень маловероятно».

«Огромные инвестиции в масштабирование без каких-либо сопоставимых усилий по пониманию того, что происходит, всегда казались мне необоснованными», — сказал Стюарт Рассел (Stuart Russell), специалист по информатике из Калифорнийского университета в Беркли, который помогал организовать отчет, изданию New Scientist. «Я думаю, что примерно год назад стало очевидно для всех, что преимущества масштабирования в традиционном смысле достигли плато....»

В ноябре прошлого года сообщалось, что исследователи OpenAI обнаружили, что предстоящая версия их крупной языковой модели GPT демонстрирует значительно меньшее улучшение, а в некоторых случаях вообще никакого улучшения по сравнению с предыдущими версиями. В декабре генеральный директор Google Сундар Пичаи (Sundar Pichai) публично заявил, что легкие достижения в ИИ «закончились» — но с уверенностью утверждал, что отрасль не имеет причин не «продолжать масштабироваться».

Исследуются более дешевые и эффективные подходы. OpenAI использовала метод, известный как вычислительные операции во время тестирования, со своими последними моделями, в которых ИИ тратит больше времени на «обдумывание», прежде чем выбрать наиболее перспективное решение.

Как утверждают исследователи, это достигло прироста производительности, который в противном случае потребовал бы огромного масштабирования. Но этот подход «маловероятно станет панацеей», — сказал Арвинд Нараянан (Arvind Narayanan), специалист по информатике из Принстонского университета, изданию New Scientist.