Искусственный Интеллект | Как нам ВРАЛИ всё это время! (2026 год). Фразы и цитаты
В последние годы активно продвигается идея замены человека на ИИ.
Мировые компании вкладывают сотни миллиардов в ИИ, увольняют тысячи
сотрудников ради ИИ. Но как оказалось, реальные цифры показывают совсем
другую картину... В этом видео разберём весь путь – от истории
зарождения ИИ в 1950-х до сегодняшних дней. ПОсмотрим на множество
исследований, на финансовую изнанку крупнейших ИИ компаний, выясним,
почему сегодня технология ИИ упёрлась в потолок и постараемся ответить
на самый главный вопрос: «Способен ли ИИ сегодня заменить человека?»
Все фразы и цитаты
Илон
Илон Маск, инвестирующий сотни
миллиардов долларов в технологию
искусственного интеллекта, сказал, что
искусственный интеллект и роботы заменят
все рабочие места, работа станет
необязательной. Билл Гейтс, который
также инвестирует сотни миллиардов
долларов в эту технологию, говорит:
"Люди будут не нужны для большинства
вещей".
Последние несколько лет нам настойчиво
продают одну и ту же идею, что
искусственный интеллект вот-вот заменит
человека. Заголовки, новости, интервью,
конференции, прогнозы аналитиков. Везде
один и тот же посыл, что мы, люди,
больше не нужны. Целые индустрии
перестраиваются под новую реальность, в
которой нечеловеческий интеллект делает
всё лучше, быстрее, дешевле. Ну что,
если я скажу вам, что технология, за
которой стоят сотни миллиардов долларов
инвестиций, ради которой увольняют
тысячи людей, перестраивают целые
отрасли и даже доверяют медицинские
операции, как оказалось, даже не может
справиться с базовой работой фрилансера.
А по некоторым предположениям, нынешнее
поколение и моделей не более, чем
очередная иллюзия, такая же, как и все
предыдущие. В этом видео мы не будем
ставить себе за цель очернить или,
наоборот, идеализировать технологию
искусственного интеллекта. Вместо этого
мы просто постараемся чуть более
детально разобраться в том, что на самом
деле стоит за всем этим шумом. Посмотрим
на конкретные исследования, на реальные
цифры, на мнение людей, которые стояли у
истоков этой технологии, на то, сколько
денег вливается в искусственный
интеллект и что сегодня происходит с
этой технологией на самом деле.
Скорее всего, большинство из вас думает,
что искусственный интеллект - это
какая-то новая технология, появившаяся
пару лет назад. Но на самом деле история
искусственного интеллекта - это история
продолжительностью, как вы думаете,
сколько? Вот уже
70
лет. И для того, чтобы понять, что
представляет из себя искусственный
интеллект сегодня, нам нужно узнать
историю его зарождения. Ещё в 1950 году
британский математик Алан Тюринг
публикует научную работу, в которой
задаёт простой, но революционный вопрос:
"Могут ли машины мыслить?" Конечно, этот
вопрос задавали и до него, но именно
Тюринг перевёл его из области философии
в область практики. Он первый предложил
конкретный критерий, который
впоследствии назвали тестом тюринга.
Суть этого теста заключалась в
следующем. Экспериментатор вслепую
общается с двумя собеседниками. Один из
них - человек, второй - машина. И если
экспериментатор в переписке не может
отличить машину от настоящего человека,
значит машина прошла тест, значит она
может мыслить, ну или как минимум
убедительно это имитирует. Именно эта
идея стала отправной точкой для всего,
что последовало дальше. Спустя 6 лет, в
1956 году, врмудском колледже в США
собирается конференция из группы учёных
энтузиастов, которые впервые в истории
выдвигают термин искусственный
интеллект. Именно с момента этой
конференции 1956 года искусственный
интеллект становится официальной научной
дисциплиной. Участники конференции были
убеждены, что если собрать вместе лучших
специалистов по нейронным сетям, по
теории вычисления и автоматизации, то
они смогут научить машину воспроизводить
человеческий интеллект. Уже на тот
момент, когда ещё не было там ни
современных компьютеров, ни таких
развитых технологий, оптимизм
этих учёных, он уже зашкаливал. Они
всерьёз говорили: "Дайте нам 10 лет, и
мы создадим машину, которая будет думать
как человек". Но не через 10 лет, не
через 20, даже не через 30 не было
никаких серьёзных подвижек. Наступила
так называемая зима искусственного
интеллекта. Финансирование сократили,
интерес угас, и об искусственном
интеллекте практически перестали
говорить на долгие десятилетия, вплоть
до 11 мая 1997 года, когда произошло
одно революционное событие. В этот день
суперкомпьютер IBM Deep Blue обыграл
чемпиона мира по шахматам Гари
Каспарова. Это событие прогремело на
весь мир. Впервые машина победила
лучшего шахматиста планеты. Каждый
второй заголовок кричал о том, что
наступила новая эра. Но по факту Дип Блу
не был умным в привычном смысле этого
слова. Что он делал? Он просто перебирал
миллионы возможных ходов в секунду и,
разумеется, делал это быстрее, чем мог
просчитать любой человек. Это была
просто грубая вычислительная сила. но не
интеллект. Перемещаемся в 2006 год.
Британско-канадский учёный Джеффри
Хинтон публикует работу, которая
возрождает интерес к нейронным сетям. Он
показывает, что если использовать
технику так называемого глубокого
обучения и дать модели достаточно данных
и вычислительных ресурсов, то она
начинает обучаться значительно
эффективнее. Ещё 10 лет назад это было
бы просто невозможно физически, потому
что для этого просто не хватило бы
мощностей. Но теперь в 2006 году
мощности были. Если вы по какой-то
причине любите каждую субботу и
воскресенье в 3:00 дня смотреть канал
НТВ, то, возможно, вы слышали вот про
это телешоу Своя игра. Это
адаптированная версия американского шоу
Jeпади. Так вот, в 2011 году
суперкомпьютер IBM Утсон побеждает в
этой американской интеллектуальной игре.
И это был уже совершенно другой уровень,
потому что здесь машина работает уже не
с какими-то шахматными ходами, а с живым
человеческим языком. В этой игре были и
вопросы с подвохом, и игра слов, и
каламбуры. И несмотря на это, по итогам
тёх дней борьбы машина выиграла
рекордсменов этого интеллектуального шоу
Кена Дженингса и Бреда Ратера. Таким
образом, искусственный интеллект впервые
убедительно показывает, что способен
обрабатывать и понимать естественный
язык. Из этого момента начинается самое
интересное. Перенесёмся на 6 лет вперёд
в 2017 год. В это время команда
исследователей Google разрабатывает
принципиально новый тип архитектуры
нейронных сетей.
Архитектура-трансформеры. Не будем
сейчас вдаваться в какие-то технические
подробности. Нам просто нужно знать, что
вот эти трансформеры позволили моделям
обрабатывать огромные объёмы текста
значительно быстрее и эффективнее, чем
всё, что существовало до этого. Именно
эта архитектура, кстати, легла в основу
всех современных и моделей. Годом позже,
в восемнадцатом году, компания Open AI
выпускает первую версию GPT. Модель
построена на тех самых трансформерах,
которая умеет генерировать связанный
текст. Пока что не идеально. покажет с
ошибками, но сам факт того, что машина
может писать осмысленные абзацы, это уже
впечатляет. Ну а дальше происходит то,
что меняет всю структуру технологии
искусственного интеллекта. В январе 2020
года исследователи из Open AI проводят,
казалось бы, очевидный эксперимент: а
что будет, если просто сделать модель
больше, то есть дать ей больше данных,
больше каких-то вычислительных
мощностей, увеличить в разы размер? То
есть по всем учебникам и по многолетнему
опыту в области машинного обучения это
не должно было сработать, потому что
считалось, что слишком большая модель
просто начнёт запоминать данные, вместо
того, чтобы учиться на них, и в итоге
она станет бесполезной. Но результат
оказался прямо противоположным. Модель
стала не просто лучше, она стала
значительно лучше. Исследователи
нарисовали кривую. Чем больше модель,
тем выше результат. На графике видно, по
горизонтали показывается масштаб модели,
данных и вычислений, а по вертикали
ошибки модели. И мы видим, что линия
устойчиво идёт вниз, показывая, что с
ростом масштаба ошибки падают, а
результат только улучшается. Так
появился GPT3, модель, которай была
более чем в 100 раз больше предыдущей
версии. И результат полностью подтвердил
теорию: чем больше, тем умнее. Кремневая
долина пришла в состояние, которое иначе
как экстазом не назовёшь. Логика
оказалась, ну, просто до безумия
простой. Если каждое увеличение даёт
такой скачок, значит, ещё пара таких
циклов, и мы получим искусственный
интеллект, который сможет делать всё,
что может человек. И в конце двадцать
второго года на свет появляется чат GPT.
И впервые в истории не программисты, не
учёные, а самые обыкновенные люди могут
напрямую общаться с искусственным
интеллектом, так как будто они
разговаривают с живым человеком. Чат GPT
пишет тексты, отвечает на вопросы,
решает задачи, генерирует код. Мир был
просто в величайшем восторге. Посудите
сами. Всего за 5 дней после запуска
Чtвались уже 1 млн пользователей,
установив рекорд самого быстрого
привлечения пользователей в цифровой
истории. А спустя 2 месяца после запуска
платформа насчитывала уже 100 млн
пользователей. Просто для понимания,
TikTok шёл к этой отметке около 9
месяцев, а Instagram более 2 лет. 4
месяца спустя выходит GPT4, и он
совершает ещё один мощный скачок вперёд.
Причём ровно такой, какой предсказывала
вот эта кривая масштабирование. В
техническом отчёте Open AI приводит
график, где заранее рассчитанное кривое
масштабирование почти точно совпадает с
реальным результатом GPT4. И вот в этот
момент Кремневая долина начинает
говорить о том, что мы всего в двух
этапах от создания полноценного
искусственного интеллекта. Все деньги
мира должны прийти к нам, потому что
тот, кто выиграет эту гонку, будет
контролировать всю мировую экономику. Ну
логично. И деньги хлынули рекой.
Инвесторы, корпорации, целые
правительства, абсолютно все бросились
вкладывать миллиарды долларов. По данным
StandWF AI, инвестиции в генеративный
искусственный интеллект в 2023 году
достигли 25 млрд долларов, что почти в
восемь раз больше, чем годом ранее. За
этот же год США вложили в искусственный
интеллект около 67 млрд долларов частных
инвестиций, а в следующем году эта цифра
выросла уже до 109 млрд долларов.
Компании одна за другой начали сокращать
людей. По данным отчёта Chaчеallленжер
Grey Chris, в 2025 году в США было
1.200.000
увольнений. И среди классических причин,
таких как потеря контрактов или
экономическая ситуация, есть ещё один
важный пункт. Это искусственный
интеллект, из-за которого под сокращение
попали более 50.000 человек, показывая
тем самым, что ИИ уже напрямую влияет на
рынок труда. И казалось бы, всё, вопрос
почти решён, осталось просто сделать
модель ещё больше. Ну вот в истории
искусственного интеллекта есть одна
повторяющаяся закономерность. Каждый
раз, когда учёные заявляли, что до
настоящего интеллекта осталось совсем
чуть-чуть, оказывалось, что, ну, это
было не совсем так. В 1956 году
говорили, что ещё буквально 10 лет и
машина будет думать как человек. Но
этого не произошло. В 1997
году после того, как компьютер от IBM
победил Гари Каспарова, все говорили,
что машина победила чемпиона мира по
шахматам, а значит, она уже умнее нас.
Но этого тоже не произошло. И вот теперь
в 2022 году после появления
чат GPT все снова уверены, что ещё
немного, ещё немного времени, ещё одно
обучение. И точно всё. Не теряя времени,
компания Open AI начинает разработку
своей новой модели GPT5. Они строят ещё
более мощные дата-центры, они собирают
ещё больше данных. Глава компании Сэм
Альтман говорит о том, что работа над
GPT5 напомнила ему манхэттенский проект.
Кто не в курсе, это программа США по
созданию первой атомной бомбы. То есть
настолько эта модель кажется ему мощной.
По ковое масштабирование, которое до
этого работало безупречно, GPT5 должен
был стать настоящей революцией. Но вот
когда обучение завершилось, произошло
то, чего точно никто не ожидал. Ну,
перед тем, как мы перейдём к детальному
рассмотрению итогов обучения, прямо
небольшое дружеское напоминание для вас,
друзья, про ещё одну возможность,
которая может дать каждому из вас ещё
больше знаний и практической пользы. Для
тех, кто хочет подобные детальные
разборы, но уже по финансовым рынкам и
криптовалютам, у нас есть сообщество,
которые мы развиваем уже довольно
продолжительное время, в котором уже
более полутора тысяч участников, и где
мы постепенно собираем дополнительные
знания. практику и реальный опыт,
который действительно поможет вам
разобраться в рынке, начать
инвестировать и приумножать свой
капитал. В сообществе у нас есть живой
чат, где участники каждый день делятся
своим реальным опытом, своими сетапами,
сигналами по торговле, разборами рынка и
торговыми идеями. Также у нас имеется
криптовалютная академия, где мы
выкладываем обучающие материалы по
торговле, по инвестициям, торговые
методики, стратегии, обучающие
инструкции, которые помогут вам в ваших
инвестициях, в вашей торговле и в целом
в понимании рынка. У нас есть и
отдельный канал с торговыми идеями от
профессиональных трейдеров, с
конкретными сделками и анализом, чтобы
каждый участник мог использовать это для
своей торговли. Ну и самое главное, что
всё это абсолютно бесплатно для каждого.
Друзья, мы действительно очень
мотивированы развивать наше сообщество и
делать его максимально полезным для
каждого. Поэтому, если вам вдруг
интересно, то ссылка на сообщество будет
в описании под этим видео. QR-код вы
видите на экране. Присоединяйтесь, будем
рады абсолютно каждому. Ну а теперь
переходим к детальному разбору итогов
обучения.
Итак, обучение прошло, но вот только
GPT5 не смог показать желаемые
результаты по сравнению с GPT4. Та самая
кривая масштабирование, которая до этого
работала прямо как часы, почему-то
сломалась. Модель сделали больше, данных
дали тоже больше, вычислительных
мощностей тоже больше, а результат уже
не соответствует тому, что ожидали
ранее, из-за чего реакция оказалась
достаточно сдержанной. Например, The
писал, что модель GPT5 не оправдала
хайпа и показала скорее постепенное
улучшение. В след этим The New Yorker
задался вопросом: не замедляется ли
прогресс больших языковых моделей, так
как, по его мнению, GPT5 может оказаться
одной из последних моделей, на которых
вот эта прежняя логика масштабирования
хоть как-то работает. А критики вроде
Гари Маркуса и вовсе увидели в GPT5
признак того, что простое
масштабирование уже начинает давать всё
меньшую отдачу. Для большего понимания
здесь можно привести аналогию с
занятиями. Например, в тренажёрном зале
в первые месяцы тренировок заметен очень
быстрый прогресс в силе, в основном за
счёт нейронной адаптации. Дальше у нас
подключается рост самих мышц. Но чем
дольше вы тренируетесь, тем сложнее
сохранить такой же прогресс. Кривые
начинают выравниваться, и для
дальнейшего прогресса требуется всё
больше усилий. Почему же так произошло в
случае с обучением и моделей? Есть очень
простая аналогия, которая хорошо
объясняет суть проблемы. Представьте вот
отца, который говорит: "Мой сын родился
всего 10 месяцев назад". И за это время
он научился ползать, вставать у опоры,
ходить приставным шагом, садиться из
положения стоя, захватывать предметы
двумя пальцами, понимать речь,
откликаться на имя, произносить простые
слоги. Это ему всего года нет. Такими
темпами он через пару лет точно научится
летать. Ну, абсурдно, правда. Но вот
именно такой логике руководствовались
те, кто прогнозировал развитие
искусственного интеллекта. Был рост,
был, был скачок, был. Так что мешает
этому прогрессу продолжаться и дальше в
таком же темпе? Но это так не работает.
Ни в биологии, ни в физике, ни в
технологиях. У любой системы есть
потолок. Это часто иллюстрирует
схематичный S-кривой технологического
развития, где каждый подход сначала
быстро прогрессирует, а затем упирается
в свой фундаментальный предел. Вопрос
только в том, когда вы в него упрётесь.
И многие эксперты в этой области
утверждают, что текущее поколение
искусственного интеллекта могло уже
упереться в этот потолок. Как отмечается
в одном аналитическом обзоре, есть
важные вопросы о том, насколько вообще
новые подходы масштабируемы в
долгосрочной перспективе, и каковы
конечные ограничения нынешних
архитектур. Чтобы это было более
нагляднее, давайте посмотрим на
конкретные примеры. Возьмём, например,
шахматы. Современные языковые модели
обучаются на всём, что есть в интернете.
Буквально миллионы текстов, статей,
книг, форумов, в том числе и миллионы
шахматных партий. и полные правила
шахмат с Википедии или каких-то
специализированных сайтов rod ch.com.
Казалось бы, после такого огромного
объёма изученной информации модель
должна идеально знать, как ходят фигуры.
Но нет, искусственный интеллект до сих
пор делает неправильные ходы, которые
попросту невозможны по правилам игры.
Исследователь Николас Карлини пишет, что
GPT4, например, не способен сыграть со
мной целую партию, не допустив
нескольких незаконных ходов. То есть
модель просмотрела миллионы партий, но
всё равно не смогла выучить базовые
правила. Она просто запомнила паттерны,
которые воспроизводит во время игры.
Иногда правильно, иногда нет. Ну а для
второго примера я предлагаю поговорить с
самим чат GPT и задать ему, казалось бы,
простой и банальный вопрос. Привет, чат.
Подскажи, мне нужно помыть мою машину.
Автомойка находится буквально в 100, в
200 м от моего дома. И у меня такой
вопрос: как лучше добраться до этой
автомойки, чтобы помыть мою машину?
Пешком или же доехать туда на машине?
Смотри, если речь о 100-200 м, то пешком
самый логичный вариант. Ты сэкономишь
время на манёврах, избежишь лишней
парковки, да и двигатель прогревать ради
такого расстояния не нужно. Например, я
сам часто оставляю машину в паре сотен
метров от места, куда мне надо, и просто
прохожусь. Это быстрее и проще. Так что
в твоём случае смело идёшь пешком и
наслаждаешься свежим воздухом, пока не
дошёл.
То есть правильно ли я тебя понимаю, что
для того, чтобы помыть мою машину на
автомойке, которая находится в 100, в
200 м от моего дома, мне проще всего
добраться туда пешком, а не на машине,
которую нужно помыть. Я тебя правильно
понял?
Да, ты абсолютно правильно меня понял. В
твоей ситуации, когда расстояние совсем
небольшое, идти пешком действительно
проще, удобнее и, скорее всего, быстрее,
чем заводить машину ради такого
короткого переезда. Так что берёшь
ключи, пару шагов, и ты на месте.
Хорошо. А как мне тогда, в принципе,
помыть машину, если до автомойки я пойду
пешком?
Сам процесс не изменится. Ты просто
пешком дойдёшь до автомойки, возьмёшь
там все нужные услуги, а после мойки
спокойно вернёшься к машине уже чисто и
блестящей. Так что ключи не забудь и
возвращайся к гордым владельцам сияющей
машины.
Задумайтесь на секунду. Любой человек,
даже ребёнок, мгновенно бы сообразил,
что если цель состоит в том, чтобы
помыть машину, то машину сначала нужно
довести до этой мойки. Это же, ну,
элементарная логика. Но у искусственного
интеллекта этой логики нет. У него нет
модели мира. Он не понимает, что машина
- это физический объект, который нужно
переместить. Он просто подбирает
вероятный ответ на основе текстов, на
которых его обучили. И в большинстве
контекстов, когда расстояние небольшое,
правильным ответом будет на самом деле
просто пройтись пешком. Но вот проблема
в том, что модель не в состоянии учесть
контекст конкретной ситуации. И это не
баг, который исправит там в следующем
обновлении. Перед тем, как записывать
этот пример на видео, я задавал этот
вопрос чату тричеп раз. И каждый раз он
делал одну и ту же ошибку. Это уже
фундаментальное ограничение самой
архитектуры, потому что модель работает
с языком, а не с пониманием реальности.
И здесь я предлагаю обратиться вот к
этому человеку. Это
Ян Ликун,
один из создателей современных нейронных
сетей, лауреат премии Тюринга. Это, по
сути, Нобелевская премия в области
информатики. Человек, который стоит у
самых истоков того, что сегодня мы
называем искусственным интеллектом. И
вот что он говорит. Мы постоянно путаем
одно с другим. То, что машина хорошо
справляется с некоторым набором задач,
ещё не означает, что у них есть тот
самый базовый интеллект, который мы
приписали бы человеку с такими же
способностями. Мы обманываемся, считая
эти машины умными, потому что они умеют
манипулировать языком. А мы привыкли
думать, что люди, хорошо владеющие
языком, по умолчанию умны, но мы
заблуждаемся. И также он добавил нечто
очень важное. С пятидесятых годов
постоянно менялись поколения
исследователей искусственного
интеллекта, каждая из которых
утверждала, что именно открытая ими
техника станет ключом к созданию
интеллекта человеческого уровня. Но все
они ошибались, и нынешнее поколение тоже
ошибается. За свою жизнь я видел три
таких поколения, так что это всего лишь
ещё один пример того, как мы
обманываемся. Опять же цель этого видео
- не дискредитировать и не
идеализировать технологию искусственного
интеллекта. Мысли этого человека - это
просто одно из мнений, с которым можно
не соглашаться, и это нормально. Ну вот
ещё один интересный факт. Согласно
данным, опубликованным изданием New York
Times, более 75%
авторитетных исследователей
искусственного интеллекта считают, что
современные методы не приведут к
созданию общего искусственного
интеллекта. То есть 3/4 специалистов,
работающих в этой сфере, 75%,
считают, что нынешние подходы
не ведут к созданию общего
искусственного интеллекта. Хорошо.
Теоретически, на основании мнения
большинства учёных, давайте предположим,
что до настоящего интеллекта нам ещё
далеко. Но, может быть, даже в текущем
виде искусственный интеллект хотя бы
хорошо справляется с обычной
повседневной работой.
Да, скажут многие, в том числе и я,
который используют его в своей
повседневной рутине. Может, он хотя бы
сейчас оправдывает те гигантские суммы,
которые в него вложили. Группа
исследователей решила это проверить не
на синтетических тестах, не на
лабораторных задачах, а на реальной
работе, за которую платят реальные
деньги. И то, что они обнаружили,
заставляет по-другому посмотреть на всю
эту историю.
В ноябре 2024 года глава Open AI Сэм
Альтман сказал о том, что он уверен, что
его компания сможет создать общий
искусственный интеллект, даже несмотря
на замедление прогресса в GPT.
Единственный нюанс, он был уверен в
создании такого интеллекта в 2025 году.
Текущее видео, напомню, датируется уже
двадцать шестым годом. Но хорошо,
погрешность во времени - это абсолютно
нормально.
Вопрос в другом. Возможно, искусственный
интеллект уже в текущем виде способен
выполнять обычную человеческую работу на
приемлемом уровне. Знаете, что самое
интересное? До недавнего времени его
никто почти не проверял в реальных
условиях. Дело в том, что все вот эти
бенчмарки, которые компании активно
презентуют там в своих пресс-релизах для
продвижения своих сервисов, по большей
части являются синтетическими тестами,
то есть специально созданными задачами в
контролируемых условиях. Простыми
словами, это такой экзамен, к которому
модель заранее подготовили. Но вот никто
системно не сравнивал, как искусственный
интеллект справится с реальной работой,
работой, за которую реальные люди
получают реальные деньги. И вот одна
группа исследователей решила это
проверить, проведя исследование под
названием Remote Labor Index или индекс
удалённого труда. Скорее всего, вы
слышали про биржи фриланса, где люди
выполняют самую разную работу. Там
ежедневно реальные заказчики размещают
там тысячи разных заказов от
видеопроизводства и графического дизайна
до моделирования, разработки игр, работы
с аудио, видеоархитектурными проектами и
так далее. Так вот, исследователи взяли
настоящие заказы с этой платформы и
передали их лучшим и моделям, которые
сегодня есть на рынке. Условия были
абсолютно одинаковые для всех: и для
людей, и для ИИ. Далее те же технические
задания, те же исходные файлы и те же
требования, после чего результаты уже
оценивали живые люди. Кто справился
лучше: фрилансер или же искусственный
интеллект? И давайте посмотрим на
результаты. Лучшая и модель в тесте
показала лишь около 2,5%
успешности. Проще говоря, из 100
реальных задач она справилась примерно с
двумя-тремя, а остальные 97 задач она
провалила. То есть человеку за такую
работу не заплатили бы, потому что он не
выполнил её должным образом. И это
лучшая модель. Остальные модели, такие
как GR, Cloud, GPT, Gemini, показали ещё
более худшие результаты. Но цифры - это
одно. Гораздо интереснее посмотреть, как
именно и провалился. Авторы исследования
проанализировали около 400 оценок
выполненных работ и провели качественный
разбор провалов и агентов. В результате
они выделили четыре основные категории
ошибок. Самой распространённой ошибкой
оказалась проблема качества. Она
встречалась примерно в 45% случаев. Даже
когда искусственный интеллект формально
сдавал готовый результат, работа часто
не соответствовала профессиональным
стандартам. Например, сыры выглядели
визуальные материалы, неестественно
звучала роботизированная озвучка,
какие-то игровые проекты, они заметно
уступали по графике, по исполнению и так
далее. На втором месте были неполные или
некорректные результаты, на которые
пришлось 35% случаев. И агенты нередко
сдавали работу с какими-то пропущенными
элементами без исходных файлов или же с
укороченными материалами. Авторы
приводят пример, когда вместо
запрошенного восьмиминутного видео был
сдан ролик длительностью в несколько
секунд. Третья категория - это
технические проблемы и ошибки файлов.
Здесь на них примерно 17% случаев. В
ряде ситуаций модели возвращали какие-то
повреждённые или пустые файлы, либо
материалы в тех форматах, которые
невозможно обработать и с которыми
невозможно работать. И, наконец,
несогласованность внутри проекта. Это
проявлялось почти в 15% случаев,
особенно с задачами с генерацией
контента. И часто допускал расхождений
между частями работы. Например, внешний
вид одного и того же объекта, он менялся
между разными ракурсами в 3D-модели, а
планы этажей не совпадали с исходными
чертежами. Авторы исследования
резюмируют это так: хотя искусственный
интеллект быстро прогрессирует в тестах,
пока непонятно, насколько эти успехи
помогают ему справляться с реальной
оплачиваемой работой, а также, что
современные системы искусственного
интеллекта пока далеки от способности
самостоятельно справляться с
разнообразными требованиями удалённой
работы. Но опять же, чтобы картина была
полной и честной, нужно оговориться, что
искусственный интеллект вовсе не
бесполезен. Есть области, где он
действительно показал очень хорошие
результаты. Это, например, работа с
текстами, то есть написание,
редактирование, суммаризация, это
генерация изображений, это обработка
аудио, это создание логотипов и каких-то
рекламных материалов, какая-то простая
визуализация данных, сбор и обработка
информации из открытых источников. Вот в
этих задачах искусственный интеллект
работает очень неплохо. Но вот что здесь
крайне важно понять. Есть огромная
разница между полезным инструментом для
конкретных задач и технологией, которые
заменят человека. Например,
молоток - это тоже отличный инструмент,
но молоток никогда не заменит строителя.
Или, например,
калькулятор. Он считает быстрее любого
математика, но он никогда не заменит
математика. И любая языковая модель,
какой бы впечатляющей она ни была, она
пока не способна полностью заменить
человека. Она может помочь, там ускорить
работу, упростить какую-то рутину, но не
заменить полностью. И когда компании
увольняют тысячи сотрудников,
рассчитывая, что искусственный интеллект
полностью справится с их работой, когда
целые отрасли перестраиваются под эту
технологию, думая, что на искусственный
интеллект можно перекинуть все задачи, в
то время как самые лучшие модели
показывают 98% провалов на реальных
задачах, здесь невольно начинаешь
задумываться, а что будет происходить
там, где ставки намного выше, чем
стоимость фриланс заказа, там, где
ошибка искусственного интеллекта стоит
не денег, а, например,
человеческой жизни.
Агентство FDA - это управление по
контролю качества пищевых продуктов и
лекарственных средств США. По сути, это
главный медицинский регулятор крупнейшей
экономики мира. Так вот, FDA получила
более 100 официальных отчётов о сбоях
искусственного интеллекта во время
медицинских процедур. Здесь и
неправильно проведённые операции, и
неверно определённые части тела. То есть
искусственный интеллект, который должен
был помогать хирургам, вместо этого
давал им ошибочные данные. В судебных
материалах говорится о том, что в ряде
случаев навигационная система давала
хирургам неверную информацию о положении
инструментов во время операций. Среди
последствий утечка спиномозговой
жидкости, прокол оснований черепа и
повреждение крупной артерии, которое
привело к инсультам у пациентов. И
обратите внимание, здесь речь не идёт о
каком-то экспериментальном прототипе в
лаборатории. Это реальные операционные с
реальными пациентами и реальными
последствиями. Люди доверили своё
здоровье и свою жизнь системе, которая,
как мы уже выяснили, не способна даже
корректно обработать заказ фрилансера в
98 случаях из 100. Теперь давайте
посмотрим на корпоративный сектор. В
апреле 2025 года генеральный директор
Microsoft с гордостью объявил, что 30%
всего кодов компании пишется с помощью
искусственного интеллекта. Это
подавалось как достижение, как
доказательство того, что будущее уже
наступило. А знаете, что произошло после
этого? В мае
2025 года произошёл глобальный сбой
Outlook. Далее, в июле 2025 года
случается масштабный сбой Teams и
Outlook, который затронул миллионы
пользователей по всему миру. В сентябре
двадцать пятого года произошёл сбой
Microsoft 365, из-за которого
пользователи потеряли доступ к своей
электронной почте. Далее, в октябре 2025
года происходит сбой Ager, который
затронул Microsoft 365, Xbox Live и даже
системы авиакомпании. В декабре 2025
года произошёл сбой Microsoft 365 в
Азии, после чего в январе 2026 года
десятки тысяч человек сообщили об
отключении электронной почты Outlook.
Да, возможно, все эти случаи - это
просто совпадение, но, согласитесь,
закономерность как минимум
настораживает, когда треть кода одной из
крупнейших технологических корпораций
мира генерируется системой, которая не
понимает, что она пишет, а которая лишь
подбирает наиболее вероятные комбинации
символов, результаты могут быть как
минимум непредсказуемыми. Идём дальше.
Массовые увольнения. Последние пару лет
компании по всему миру очень активно
сокращали сотрудников, рассчитывая, что
искусственный интеллект возьмёт на себя
их функцию. Это обосновывали тем, что
работа должна стать дешевле, быстрее,
должна стать эффективнее. Но вот что
интересно. В феврале этого года
аналитическая компания Gartner - это
одна из самых авторитетных в мире в
области технологий. Так вот, она
прогнозирует, что к 2027 году половина
компаний, уволивших сотрудников службу
поддержки из-за искусственного
интеллекта, будет вынуждена нанять людей
обратно, потому что, как оказалось,
технология не справляется. Банальный
пример. А вспомните, когда вы в
последний раз хотели связаться со
службой поддержки какого-либо сервиса,
там, мобильного оператора, банка, биржи,
не суть важно, и вам в диалоге
бот, искусственный интеллект отвечает
примерно вот как мне подобным образом.
Реальный диалог со мной и с мобильным
оператором. Добрый день. Почему скорость
раздачи такая низкая? Добрый день. Готов
ответить на ваш вопрос. Выберите тему
или кратко сформулируйте вопрос: "Почему
скорость раздачи низкая?" Добрый день.
Готова на ответить на ваш вопрос.
Выберите тему или кратко сформулируйте
вопрос. Я пишу ещё раз, почему скорость
раздачи низкая. Выберите, где вы
используете SIM-карту. У вас не
получилось настроить раздачу интернета?
Я ещё раз пишу, почему низкая скорость
раздачи? У вас не получилось настроить
раздачу интернета? Нет. Почему низкая
скорость раздачи? У вас не получилось
настроить раздачу интернета? Нет. Добрый
день. Выберите тему или кратко
сформулируйте вопрос. Каково вам
общаться вот с таким роботом и получать
от него однотипные ответы, которые ну
никак не могут решить вашу проблему?
Кстати, именно по этой причине у нас в
проекте там, что в закрытом клубе, что в
нашей общей поддержке, всегда было, есть
и будет живое и персональное общение с
каждым человеком без каких-либо ботов,
потому что ни один бот никогда не сможет
заменить живого человеческого общения.
Так что, друзья, если вдруг хотите
получить качественный и живой и
персональный ответ на любой ваш вопрос,
то, пожалуйста, пишите нам, а, в
поддержку. Мы отвечаем абсолютно всем по
любым вопросам. Ссылку на поддержку вы
найдёте в описании под этим видео.
Теперь к примерам. Крупнейший банк
Австралия Commonwealthбн уволил 45
сотрудников поддержки, заменив их и
ботом. Результат предсказуемый. Клиенты
стали жаловаться на то, что они не могут
получить от бота решение своей проблемы,
потому что бот попросту не справлялся с
с запросами, и банку пришлось извиниться
и вернуть людей обратно. Параллельно с
этим отчёт PWC, это ещё один гигант в
области аудита и консалтинга показал,
что согласно опросам, более половины
генеральных директоров не видят
финансовой отдачи для своих компаний от
внедрения искусственного интеллекта.
Руководство просто спускает директиву.
Используйте искусственный интеллект. И
делают это без какой-либо стратегии, без
понимания ограничений, без продуманного
внедрения, ожидая, что эта технология
магическим образом решит все их задачи и
проблемы. а потом удивляются, почему нет
такого ожидаемого результата. И вот
здесь очень важно остановиться и
расставить акценты, потому что у кого-то
после всего сказанного может сложиться
такое впечатление, что я агрессивно
критикую саму технологию. В очередной
раз повторюсь, что цель видео не в этом.
Да и в целом это не так. Технология -
это в первую очередь инструмент. Как я
показывал наглядно ранее, молоток в
руках профессионала помогает строить
дом, а в руках того, кто не понимает,
что делает, может только навредить,
разбив все пальцы на руках.
Искусственный интеллект, как и любой
другой инструмент, может быть полезен,
если понимать, что он умеет и чего не
умеет делать. То есть проблема не в
искусственном интеллекте, проблема в
том, как его продают и позиционируют.
Многие почему-то поставили на него
слишком огромные ожидания, решив, что он
сможет заменить многолетний опыт
человека и его профессионализм. Но
проблема в том, что в текущем виде он
просто не в состоянии оправдать эти
ожидания. Провалы на реальных задачах,
ошибки в операционных, увольнение людей
ради технологии, которая ещё не готова,
миллиарды долларов, вложенных без
очевидной отдачи. Знай всё это,
появляется вполне логичный вопрос.
Откуда вообще взялась эта одержимость?
Кто стоит за этим хайпом? И, пожалуй,
самое главное,
зачем всё это?
Начнём вот с чего. По данным CNBC, такие
компании, как Google и Microsoft,
предлагали некоторым блогерам от 400 до
600.000 долларов за долгосрочное
продвижение своих и продуктов. Сами по
себе рекламные кампании - это абсолютно
нормальная практика. С этим никто не
спорит. Но вот какой здесь возникает
вопрос. Если технология действительно
настолько революционная, если она и
правда меняет мир так, как нам об этом
рассказывают,
зачем тратить такие огромные деньги на
то, чтобы нас в этом убедить? Я
предлагаю более детально посмотреть на
компанию, которая стоит в центре всего
этого и бума.
Это компания
Open
AI, разработчик чат GPT. Небольшая
деталь. В 2024 году глава Open AI Сэм
Альтман дал интервью, в котором прямым
текстом сказал: "Сочемы и искусственного
интеллекта лично мне кажется особенно
тревожным. Я рассматриваю рекламу как
крайний вариант бизнес-модели. Я бы
пошёл на это только в том случае, если
это был бы единственный способ дать
людям по всему миру доступ к
действительно хорошим сервисом. Проходит
чуть больше года, и в феврале двад
шестого года Open AI объявляет о
внедрении рекламы в бесплатную версию
Chat GPT для того, чтобы поддержать
бесплатный доступ и сохранить
независимость ответов. То есть тот самый
последний вариант, который сегодня стал
реальностью. Для любой другой компании
это было бы абсолютно нормальным шагом.
Но вот для Open AI, которая на март
двадцать пятого года привлекла 58 млрд
долларов в рамках финансирования и
рекордные 110 млрд долларов в феврале
двадцать шестого года, которая обещала
перевернуть мировую экономику, а теперь
вводит рекламу для поддержания
бесплатного доступа. Это выглядит как
какое-то признание, что что-то идёт не
по плану. Давайте посмотрим, что именно.
Внутренние документы Open AI, которые
попали в руки журналистов изданий The
Information, рисуют довольно тревожную
картину. За один квартал двадцать пятого
года компания потеряла 12 млрд долларов.
По прогнозам, в двадцать шестом году
убытки Open AI составит 14 млрд
долларов, а совокупные убытки в период с
двадцать третьего по двадцать восьмо год
достигнут 44 млрд долларов. По оценкам
Deut BН, совокупный отрицательный
свободный денежный поток Open AI за
двадцать четвёты-двадцать девятые годы
составит около 143 млрд долларов. И
только после этого компания начнёт
получать прибыль. При этом Open AI
обязалась потратить почти 1,5 триллин
долларов на создание вычислительных
ресурсов в течение следующих 8ми лет.
1,5 триллион долларов.
Чтобы вы просто понимали масштаб, это
больше, чем военный бюджет за двадцать
пятый год таких стран, как США, Китай и
Россия вместе взятых. При том, что
годовая выручка компании за двадцать
пятый год составляет примерно 13 млрд
долларов. Это меньше 1% от того, что она
обещает потратить. Отдельной строкой
идёт контракт с Oracle на закупку
вычислительных мощностей на сумму 300
млрд долларов примерно на 5 лет. По
некоторым оценкам, при таком темпе
расходов у компании закончатся деньги
уже к двадцать седьмому году. Как сказал
бывший управляющий активами компании
Fidelлити Джордж Нобл, я наблюдал, как
компания рушится десятилетиями. И у этой
компании есть все тревожные признаки. И
похоже, что инвесторы начинают это
чувствовать. Компания Blue Ol Capital
вышла из сделки на 10
миллиардов долларов по строительству
дата-центра для Open AI. Компания
Nvidia, которую приглашали вложить до
100 млрд долларов,
ведёт себя крайне осторожно. Глава
компании в интервью несколько раз
поправил журналиста и сказал, что это не
обязательство. Мы будем рассматривать
каждый раунд отдельно. Вчера вы сказали,
что Nvidia не собирается инвестировать
до 100 млрд долларов в компанию Open AI.
Мы никогда не говорили, что собираемся
инвестировать 100 млрд долларов в одном
раунде. Этого никогда не утверждалось.
Хорошо. Но как насчёт общего
обязательства?
никакого обязательства не было. Они
пригласили нас инвестировать до 100 млрд
долларов. И, конечно, мы были очень рады
и польщены тем, что они нас пригласили.
Но мы будем рассматривать каждый раунд
отдельно, шаг за шагом.
А ближайший партнёр Open AI, компания
Microsoft, и вовсе заявила, что она
планирует развивать собственные модели и
будет снижать зависимость от внешних
поставщиков. То есть партнёр, который
вложил миллиарды долларов, потихоньку
начинает дистанцироваться. Параллельно с
этим падают и пользовательские метрики.
Например, трафиic Чtни протяжении уже
целого года. Доля рынка упала с 86 до
65%. В то время как другие чатботы
показывают рост трафика. Конкуренция
усиливается со всех сторон. Cloud от
Antropic, китайские модели Queen и Kim.
Открытые решение, которые можно
запускать бесплатно. А от чего,
собственно, зависит будущая компания,
которая теряет миллиарды долларов,
теряет рынок и теряет партнёров? В
первую очередь от способности привлечь
новые инвестиции. А для этого нужно
одно: доверие. И вот здесь начинается,
пожалуй, самая неудобная часть истории.
Сэм Альтман
начинал свою карьеру в компании.
Это такое мобильное приложение на основе
геолокации. Так вот, по данным прессы,
перед продажей этой компании количество
активных пользователей составляло
примерно 500 человек в день. При этом
компанию удалось продать за 43
млн
долларов. И уже здесь появляется вопрос,
как именно создавалась ценность, которую
инвесторы купили за десятки миллионов
долларов. Дальше история с Redit. В
2015-шестнадцатых
годах, когда Сэм Альтман помог компании
Redit привлечь 50 млн долларов
в рамках раунда финансирования,
он обратился к компании с просьбой дать
компании Open AI возможность массово
собирать данные с платформы Reddit.
Сооснователь платформы Redit Алексис
Огонян позже рассказал, что Альтман
виделся ему очень умным и невероятно
хитрым человеком, но позже добавил, что
тот не показался ему человеком с самыми
доброжелательными намерениями. По словам
Огоняна, он нутром чувствовал, что
делиться данными не стоит. Но в итоге
его внутренние чувства, к сожалению, не
помогли. И в двадцать четвёртом году
компания Open AI и Reddit заключает
официальное лицензионное соглашение на
60
млн
долларов в год.
Суть не в этой цифре, а в том, что
человек, который лично знал Альтмана и
работал с ним, он интуитивно ему не
доверял. Ещё один эпизод связан с
кризисом в компании Open AI в ноябре
двадцать третьего года. Совет директоров
уволил Сэма Альтмана, заявив, что он был
не всегда откровенен в общении с
Советом. тогда сооснователь компании и
один из самых уважаемых исследователей в
области искусственного интеллекта Илья
Суц Кевер
поддержал увольнение Сэма Альтмана и
даже подготовил для совета подробный
меморандум, в котором он обвинял
Альтмана во лжи, в манипуляциях и в
создании внутреннего раскола. В
официальном заявлении Совет сделал
акцент на том, что Альтман не был
откровенен с директорами. прямо указав
на разрыв доверия и проблемы с
прозрачностью управления. Позднее член
совета Хелен Тонер говорил о том, что
Альтман, по её мнению, вводил совет в
заблуждение по вопросам безопасности
искусственного интеллекта, по запуску
продуктов и собственных финансовых
интересов. И всё это стало частью
кризиса, который и привёл к увольнению
Сэма Альтмана. Ну, пусть и ненадолго,
потому что уже через несколько дней он
вернулся на свой прежний пост. И
отдельная деталь, на которую стоит
обратить внимание, по свидетельствам
бывших сотрудников, компания Open AI в
период судебных споров отправляла
представителей своей компании по
домашним адресам людей, которые публично
критиковали компанию. Они спрашивали, с
какими журналистами те общались, а с
какими инвесторами они контактировали и
в какие конгрессменские офисы они
обращались. Как сказал один из таких
людей, когда крупнейшая частная
технологическая компания знает ваш адрес
и лично приходит к вам с вопросами, это
производит пугающие впечатления. Ну и
здесь важно оговориться, что всё
вышеперечисленное - это история одной
конкретной компании, а не всей индустрии
в целом. Есть другие компании, которые
ведут себя иначе, работают над другими
подходами, вкладываются в какие-то
фундаментальные исследования. То есть
искусственный интеллект как технология,
она значительно шире, чем одна компания
и один продукт. Но именно Open AI
сегодня является лицом всего этого
ИБума. Именно их продукт стал синонимом
искусственного интеллекта для сотен
миллионов людей. И именно на их
обещаниях строится ожидание инвесторов,
корпораций, да и, в принципе, целых
правительств. Поэтому, когда у лица
всего этого движения начинаются какие-то
серьёзные проблемы, это уже касается не
только одной компании, а целой
индустрии. Я думаю, что к этому моменту
мы проделали уже довольно долгий путь.
Мы посмотрели на истории технологии, на
научный потолок, в который она упёрлась,
на реальные результаты тестирования, на
последствия поспешного внедрения, на
финансовую изнанку компании, которая
стоит в центре и бума. Собрали множество
фактов, и теперь осталось их осмыслить.
После всей выше озвученной информации и
множество рассмотренных данных
появляется закономерный вопрос. Что
теперь со всем этим делать? Для начала я
хочу в очередной раз напомнить, что это
видео ни в коем случае не против
технологии и не против искусственного
интеллекта, в частности. Было бы очень
глупо отрицать, что Ии сегодня уже
сегодня приносит реальную пользу. Уже
сегодня для каких-то конкретных задач
это на самом деле очень мощный
инструмент, который экономит кучу
времени, упрощает работу. Но вот мощный
инструмент не равно замена человеку. И
всё, что мы увидели в этом видео, в
очередной раз это подтверждает.
Микроскоп - величайшее изобретение
человечества, но микроскоп никогда не
заменит учёного, который посвятил своему
делу всю свою жизнь. Он лишь может
расширить его возможности. А без
человека, который задаёт вопросы,
формулирует гипотезы и интерпретирует
увиденное, микроскоп будет просто стоять
на столе. Да, красивый, да
технологичный, да, дорогой, но абсолютно
бесполезный. То же самое с искусственным
интеллектом. Без человека, который
понимает контекст, который ставит
задачу, который проверяет результат и
принимает решение, это просто программа,
не способная заменить человеческое
мышление, рассуждение и логику. По
крайней мере, на сегодняшний день мы
только что увидели, что прогресс
искусственного интеллекта упёрся в
потолок, который пока не удаётся
преодолеть, что на реальных
профессиональных задачах технология
проваливается подавляющее большинство
раз, что поспешное внедрение без
понимания ограничений приводит к
конкретным последствиям, начиная от
каких-то программных сбоев до вреда
здоровья людей. И что за ибумом в первую
очередь стоят финансовые интересы.
масштаб которых заставляет задуматься о
том, не переоценён ли этот рынок,
означает ли это, что искусственный
интеллект никогда не станет
по-настоящему умным? Нет. Может быть,
завтра кто-то совершит какой-то прорыв,
который изменит всё. Может быть,
появится какая-то новая архитектура,
новый подход, новая идея, которая
сдвинет эту технологию с мёртвой точки.
Этого мы знать не можем. Вот что мы
можем сказать точно. Сегодня весной
двадца шестого года разрыв между
обещаниями и реальностью пока что
слишком огромен. И каждому из нас стоит
об этом помнить, когда мы читаем
какой-то очередной заголовок о том, что
искусственный интеллект скоро заменит
каждого человека на планете, и все мы
останемся без работы. Поэтому, пожалуй,
самый главный вывод из всего, что мы
сегодня разобрали, звучит так: не нужно
концентрировать свои мысли на том, что
сегодня или завтра вас заменит
искусственный интеллект. Вместо этого
заострите своё внимание там, где
сосредоточена ваша сфера влияния.
Вкладывайтесь в то, что делает вас
незаменимым. Способность мыслить
критически, понимать контекст, видеть
то, чего не видят алгоритмы, принимать
решение в условиях неопределённости,
умение адаптироваться под быстро
меняющиеся условия, чувствовать людей,
задавать правильные вопросы. Всё это то,
чего у искусственного интеллекта на
текущий момент нет и что в реальной
жизни не получится заменить ни одной
машиной.
Огромное вам спасибо за просмотр,
уважаемые друзья, и отдельная
благодарность за то, что вы досмотрели
это немаленькое видео от начала и до
самого конца, потому что готовился я к
нему очень-очень долго, перебрал
огромное количество информации,
постарался максимально скомпоновать всё
это так, чтобы донести эту информацию до
вас максимально кратко, насколько это
возможно и максимально интересно. Если
это видео вам понравилось, если
информация из этого видео для вас была
интересной, полезной, то попрошу вас
поддержать это видео вашим лайком,
комментарием. Для вас это ничего не
стоит. Для вас это буквально пара секунд
ваших действий, а для меня, для канала
это очень огромная поддержка. Всю
необходимую информацию и все полезные
ссылки вы, как обычно, сможете найти в
описании под этим видео. Ну а я в
очередной раз хочу поблагодарить вас за
просмотр этого видео, за всю вашу
поддержку. и пожелать вам прекрасного
дня, отличного настроения и как можно
больше удачи во всех ваших делах.
Увидимся в следующем видео. Всем пока.
M.