Хватит ли человечеству ресурсов, чтобы научить машину мыслить?

Политолог, первый заместитель председателя комиссии ОП РФ по общественной экспертизе законопроектов и иных нормативных актов, эксперт Центра ПРИСП Александр Асафов – об идеологической повестке, формирующейся вокруг искусственного интеллекта.

Вокруг искусственного интеллекта сегодня формируется не только технологическая, но и идеологическая повестка. В ходе дискуссионной панели на ВЭФ-2025 мы, среди прочего, вскользь затронули вопрос универсального искусственного интеллекта (artificial general intelligence, AGI) и искусственного суперинтеллекта (artificial superintelligence, ASI) — революционных концептов ИИ, которые, по замыслу их апологетов, должны перевернуть все наши представления о будущем технологического и человеческого развития.

Однако даже глубоко экспертные дискуссии сопровождаются множеством неопределенностей: от теоретических споров о том, что именно следует считать универсальным интеллектом, до практических вопросов, связанных с реализацией данных мегапроектов (объем энергопотребления, объем требующихся датасетов, контроль за алгоритмами и внутренней логикой супер-ИИ и т.д.).

Чтобы понять, о чем сейчас все чаще спорят гуру индустрии, попробуем разобраться в терминах и теоретических построениях технооптимистов.

Что такое AGI?

В дискуссиях о будущем ИИ и связанных с ним технологий универсальный искусственный интеллект (AGI) описывается как универсальная система, сопоставимая с человеком или превосходящая его в большинстве когнитивных задач.

В отличие от нынешних моделей ИИ, работающих по заранее заданным сценариям, AGI должен не просто воспроизводить уже изученные паттерны, а обладать способностью переносить знания между различными областями, адаптироваться к новым условиям, осваивать новые правила и инструменты в процессе работы, планировать действия на длинном горизонте и демонстрировать устойчивые результаты даже при работе с неполными данными или в изменяющейся среде.

Однако ключевое отличие AGI от нынешних моделей ИИ заключается в степени обобщения и постоянстве результатов. Хотя самые передовые LLM вроде ChatGPT 5.0 от OpenAI и Grok 4 от xAI могут блестяще справляться с многочисленными тестовыми заданиями и даже узкоспециализированными задачами, их компетенции ограничены и плохо переносятся между разными сферами деятельности и отраслями знаний.

Именно поэтому специалисты разрабатывают для AGI предельно практикоориентированные критерии: ИИ нового поколения должен быть способен выполнять большинство экономически значимых видов работ на уровне среднего квалифицированного специалиста и выше, а также успешно справляться с междисциплинарными задачами.

Что такое ASI?

Искусственный суперинтеллект (ASI) рассматривается как следующий шаг развития ИИ после выхода моделей на технологический горизонт AGI. Под ASI подразумевается модель ИИ, устойчиво и значительно превосходящая человека не только по объему знаний, но и по качеству и скорости решения задач в любой сфере деятельности.

В классическом определении шведского философа Ника Бострома речь идет о системах, «способных учиться с недостижимой для людей скоростью, хранить и сопоставлять колоссальные массивы информации, анализировать и прогнозировать мультивариативные сценарии, создавать новые технологии».

В теории ASI за счет широты компетенций и глубины анализа может стать инструментом, который на порядки опередит человеческий разум по ряду ключевых критериев.

Концепт или фантастика?

Пока концепции AGI и ASI ставят перед нами больше вопросов, чем дают ответов, а прогнозы о сроках их реального появления колеблются от ближайшего десятилетия до середины века.

С одной стороны, крупнейшие компании-разработчики ИИ обещают технологический прорыв уже в ближайшие годы: Сэм Альтман и Дарио Амодеи говорят о горизонте 2026 года. С другой, большая часть специалистов и академическое сообщество настроены скептично: по данным опросов AAAI, свыше 70% специалистов считают, что без качественно новых подходов разработать AGI будет невозможно, указывая на фундаментальные ограничения текущих моделей ИИ.

Впрочем, важнейший вопрос заключается в том, каким образом AGI и ASI будут встроены в повседневную жизнь и произойдет ли это раньше, чем они будут использованы в закрытых системах для решения национальных задач.

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. Печать