В Google рассказали что будет с AI к 2030 году

Google DeepMind заказали исследование у группы Epoch AI, чтобы прикинуть, на что будет способен искусственный интеллект к 2030 году. Суть в том, что если развитие будет идти такими же темпами, как сейчас, то нас ждут довольно серьезные перемены.

Начнем с масштабов и денег

Выяснилось, что для обучения самых продвинутых моделей к тому времени потребуется в тысячу раз больше вычислительной мощности, чем сейчас. Это не просто дорогое удовольствие, а колоссальные вложения.

Речь идет о сотнях миллиардов долларов (где-то до 200 миллиардов) только на покупку серверов и специальных чипов. Чтобы было понятнее, это примерно 1% от всего ВВП США. И вся эта техника будет жрать просто уйму электричества — примерно 1.2% от всей мировой выработки. Цифры, конечно, заставляют задуматься.

Ссылка: Отчет

А что конкретно ИИ сможет делать?

Вот тут интереснее:

• В программировании: ИИ станет настоящим помощником для разработчиков. Он будет не просто писать код, а брать на себя рутину: исправлять простые баги, переписывать код под новые фреймворки, писать тесты и документацию. Он настолько хорошо справится с текущими тестовыми заданиями для программистов, что к 2026-2027 годам эти задачи для него станут слишком простыми, и придется придумывать что-то посложнее.
• В математике: Здесь прогресс тоже будет быстрым. Специальные математические «загадки» (бенчмарки), которые сейчас считаются сложными, ИИ будет щелкать как орехи уже к 2027 году. Он сможет помогать ученым: набрасывать план доказательства, искать нужные теоремы и проверять логику. Но самое главное — придумывать новые задачи и глубоко понимать результаты — это пока останется за человеком. ИИ будет мощным инструментом, но не заменит исследовательскую интуицию.
• В биологии и медицине: Тут возможности выглядят очень перспективно, но с оговорками. ИИ здорово продвинется в компьютерных задачах: например, в проектировании новых молекул и белков, анализе огромных массивов научных данных. Это поможет ученым отсеивать заведомо провальные гипотезы и сосредотачиваться на самых многообещающих направлениях. А вот ждать, что лекарства начнут разрабатывать в разы быстрее, не стоит. Потому что главные «тормоза» здесь — не расчеты, а реальные процессы: долгие лабораторные испытания, клинические исследования на людях и бюрократия с разрешениями.
• В прогнозах погоды: ИИ уже сейчас показывает себя лучше традиционных методов в прогнозах на несколько дней. К 2030 году он станет еще точнее, особенно в предсказании редких и опасных явлений вроде ураганов или аномальной жары. Главная задача — внедрить эти точные прогнозы в системы, которые управляют реальными вещами: энергосетями, сельским хозяйством, логистикой.

Если резюмировать главную мысль отчета, то всё сводится к двум вещам.

С одной стороны, к 2030 году ИИ действительно может стать таким же привычным и важным инструментом в науке и бизнесе, как когда-то стал интернет. Он будет помогать нам решать задачи, которые сейчас кажутся очень сложными или отнимают кучу времени.

Но с другой стороны, за такой резкий скачок придется заплатить огромную цену — и в прямом, и в переносном смысле. Нужны будут не просто деньги, а сотни миллиардов долларов на новое «железо». Нужно будет решить проблему с колоссальным энергопотреблением, по сути, построить новую инфраструктуру с нуля.

Без этого фундамента быстрый прогресс просто упрется в потолок. Получается, что будущее ИИ сейчас зависит не столько от алгоритмов, сколько от вполне земных вещей: инвестиций, энергии и логистики.