Когда речь заходит об AGI и ASI, дискуссии обычно вращаются вокруг амбициозных прогнозов, громких заявлений и философских споров о феноменах разума и интеллекта. Но вне этих дискуссий встает куда более конкретный и приземленный вопрос: хватит ли человечеству материальных ресурсов, чтобы научить машину мыслить, как человек?
Дефицит качественных данных
Хотя к реалистичности реализации проектов AGI и ASI имеется множество вопросов теоретического характера, ряд исследователей убежден, что текущие ограничения вполне можно обойти за счет простого масштабирования языковых моделей и наращивания массивов данных.
Однако здесь человечество рискует столкнуться с первой проблемой — исчерпанием написанных людьми текстов, критически необходимых для обучения нейросетей. Исследователи из Epoch AI прогнозируют, что "запасы" качественных данных могут закончиться между 2026 и 2032 годами.
В то же время замена оригинальных текстов на синтетические (сгенерированные ИИ) чревата экспоненциальным ростом ошибок, что резко негативно отразится на качестве работы ИИ.
Энергетический предел
Даже если теоретические прорывы будут достигнуты, перед разработчиками встанет проблема нехватки энергогенерирующих мощностей. По оценкам МЭА, к 2030 году дата-центры будут потреблять до 945 ТВт/ч в год — около 3% мировой электрогенерации.
В США уже сейчас фиксируется т.н. "невидимый спрос" — заявки на подключение новых дата-центров суммарно превышают половину пикового энергопотребления страны, что грозит в ближайшем будущем ростом тарифов, перегрузкой сетей и замедлением прогресса в области ИИ.
Надежды на прорыв в области электрогенерации — включая термоядерную энергетику — пока крайне туманно. Несмотря на громкие заявления об успешных экспериментах с удержанием плазмы, коммерческое внедрение управляемого синтеза сдвигается все дальше: сейчас перспективные сроки ввода в эксплуатацию промышленных термоядерных реакторов сдвинуты к 2040-2050-м годам.
Это означает, что в ближайшие десятилетия индустрия ИИ будет зависеть от углеводородов и существующих — крайне перегруженных и изношенных — мощностей, что обострит конкуренцию за энергоресурсы.
Вода для ИИ
Помимо электричества, масштабные дата-центры требуют гигантских объемов воды для охлаждения. Google сообщил, что только в 2023 году использовал около 6,1 млрд галлонов воды, а у Microsoft в 2022-м потребление выросло на 34%. В среднем один дата-центр мощностью 100 МВт может расходовать от 1,5 до 2,5 млрд литров воды в год — сопоставимо с потребностями 80 тыс. человек.
Вычислительные чипы
Другим ограничением для развития ИИ остается ограниченный выпуск высокомощных вычислительных чипов. Американская компания Nvidia контролирует около 80% рынка чипов для дата-центров, а ее способность кратно увеличить количество производимой продукции — для чего ей потребуется кратное увеличение добываемых редкоземельных металлов — является одной из ключевых (неизвестных) переменных в задаче по развитию ИИ.
Хотя за последние 2 года производственные мощности были увеличены в 4 раза, нестабильность на мировых рынках и напряженная геополитическая ситуация вокруг Тайваня — мирового центра производства микрочипов — создают серьезные риски для отрасли.
Путь к прогрессу или финансовый пузырь?
Технооптимисты видят в AGI и ASI шаг к новой эре прогресса, а технопессимисты — угрозу массовой безработицы, тотального контроля и вымирания человечества.
Реалисты же склонны полагать, что в ближайшие годы скорее появятся лишь более "умные" специализированные модели ИИ, чем произойдет реальный скачок к искусственному сверхинтеллекту.
Конечно, вероятность второго сценария ненулевая, но горизонт планирования составляет от 20 лет и более, в течение которых мы, прежде всего, станем свидетелями глобальной схватки за ископаемое топливо, воду, и редкоземельные металлы.
