Эксперт в области искусственного интеллекта и машинного обучения Иван Гиганов в издании «Forbes» пишет:
«Появлению сильного ИИ будут препятствовать некоторые ограничения.
Доступность данных. Обучение ИИ требует огромного количества качественных данных. В исследовании Epoch был сделан вывод, что при текущей скорости использования данных с 2026 по 2050 год может наступить «голодание» по текстовым и зрительным данным. Другим ограничением будет являться доступность данных о физическом мире. Например, для решения таких задач, как обучение роботов перемещаться или изобретение лекарств от рака, необходимо провести эксперименты и собрать данные из результатов. Эти факторы могут ограничить скорость разработки сильного ИИ, а также препятствовать теоретическому экспоненциальному росту способностей ИИ за счет самообучения — тому, что еще называют сингулярностью. <…>.
Законодательное регулирование. До недавнего времени регулирование разработки ИИ было довольно слабым. Нарушения авторских прав и использование чужой интеллектуальной собственности для обучения ИИ без компенсации владельцам привело к ряду судебных разбирательств. Однако в марте этого года Евросоюз принял первый законодательный акт по ИИ, а США объявили о готовности сотрудничать с ЕС в этой сфере. Дальнейшее развитие законодательства увеличит стоимость и ограничит доступность данных, что замедлит развитие сильного ИИ.
Слабая мощность компьютеров. Для разработки ИИ, особенно массивных генеративных нейросетей, требуются огромные вычислительные ресурсы, которые уже сейчас в необходимом объеме доступны только небольшому числу компаний и исследовательских центров. Непонятно, смогут ли текущие методы вычислений обеспечить создание сильного ИИ. Решение может включать как более эффективное использование существующих, так и разработку новых методов, таких как квантовые вычисления. Однако промышленно доступных технологий квантовых вычислений еще не создано.
Ограничения архитектуры и методов ИИ. Для создания сильного ИИ требуются новые прорывы в методах ИИ, подобные появлению архитектуры Transformer, которое спровоцировало резкий рост развития ИИ в последние годы. В отличие от современных ИИ, человек может научиться новым задачам после нескольких попыток, благодаря миллионам лет эволюции. Технология, способная эффективно обучаться на ограниченном наборе данных, обладающая концептуальным и ассоциативным мышлением и умеющая логически обобщать знания, может решить проблемы нехватки данных и вычислительных мощностей.
Из-за неопределенности прогнозы о дате появления сильного ИИ различаются, охватывая период с 2030 по 2060 год. Часть экспертов считают, что сильный ИИ возникнет в течение следующих 30 лет. Поэтому важно начать подготовку к сосуществованию человека и сильного ИИ, учитывая потенциальное глобальное влияние таких технологий».
