Искусственный интеллект упирается в розетку

Разговор об искусственном интеллекте долго шел в привычном ключе. Больше данных. Больше вычислений. Быстрее рост. Теперь в этот разговор врезается другая цифра. Энергия.

Исследователи из Принстона попытались посчитать, сколько на самом деле стоит следующий шаг. Получилось жестко. Обучение одной новой модели требует около 11 миллиардов киловатт часов. Это уровень потребления всего Нью Йорка за год.

И это только обучение. До первого запроса пользователя.

Дальше начинается постоянный расход. Один запрос к сложной модели рассуждения обходится примерно в 33 ватт часа. Для сравнения стандартный запрос к более простой модели около 0,42. Разница почти в восемьдесят раз. На бумаге выглядит как техническая деталь. В масштабе миллиардов запросов в день это уже энергетическая система.

Причем система растет.

Ответ индустрии на этот вызов звучит просто. Строить больше. Проект Stargate оценивается в 500 миллиардов долларов. Огромный вычислительный кластер с мощностью около 5 гигаватт. Это уровень нескольких миллионов домохозяйств. Фактически речь идет о новой инфраструктуре. Почти как электростанции, только для вычислений.

Контроль при этом остается у нескольких компаний.

И вот здесь появляется дискомфортный вопрос. За что именно платится эта энергия.

Модели по прежнему уверенно работают с кодом и математикой. В остальных задачах все сложнее. Они угадывают, достраивают, иногда ошибаются, но делают это уверенно. Проблема не исчезает с ростом размеров.

В Принстоне формулируют это прямо. Дело не только в масштабе. Возможно предел заложен в самой архитектуре. Увеличение параметров не решает фундаментальную задачу.

Отсюда альтернативная идея. Не один универсальный интеллект, а тысячи узких систем. Каждая под конкретную область. С проверенными данными. С понятными границами.

Разница в эффективности резкая.

Облачный запрос к большой модели требует десятки ватт часов и расход воды на охлаждение. Локальная специализированная модель укладывается в тысячные доли ватта. Без воды. Разрыв в тысячи раз.

Пример уже есть. Система AlphaFold не пыталась знать все. Она углубилась в одну задачу и изменила биологию. Аналогичный подход начинает показывать результат и в медицине. Узкие модели обходят более крупные системы в сложных клинических сценариях.

Вывод напрашивается неприятный для рынка.

Если развитие требует энергии уровня государства, если доступ контролируют несколько игроков, если результат остается нестабильным вне узких задач, то вопрос меняется.

Это действительно интеллект. Или просто самая дорогая система распознавания шаблонов из всех, что когда либо строили.