Если судить по новостям, то мы в шаге от светлого кибернетического будущего. Авторитетные исследователи утверждают, что к 2026 году генеративный ИИ будут использовать до 80% крупных компаний. Капитализация Nvidia бьет исторические рекорды, ...
Если судить по новостям, то мы в шаге от светлого кибернетического будущего. Авторитетные исследователи утверждают, что к 2026 году генеративный ИИ будут использовать до 80% крупных компаний. Капитализация Nvidia бьет исторические рекорды, а венчурные фонды льют деньги в ИИ-стартапы.
Но если посмотреть макроэкономические отчеты Федеральной резервной системы США или OECD Data, картина будет другой. Глобальная производительность труда топчется на месте, прибавляя лишь по 1–1,5% в год. Никакого скачка или технологического прорыва в масштабах государств в цифрах реального ВВП нет.
Получается парадокс, когда, с одной стороны, есть колоссальные инвестиции и отчеты о превосходстве моделей над человеком, а с другой — статистика, показывающая, что макроэкономика этого бума не замечает.
Кому же верить? Маркетологам, раздувающим очередной пузырь, или государственным ведомствам, которые не научились еще оценивать новые метрики?
Экономические прогнозы сейчас медленно меняются от предположений в духе «ИИ заменит половину профессий» в сторону сдержанного эконометрического анализа. Взвешенную позицию можно увидеть у Национального бюро экономических исследований США (NBER), сформулировавшего идею о том, что экономика столкнулась с феноменом, который уже проходила сорок лет назад.
В этой статье мы рассмотрим свежие научные публикации, где обсуждаются слабые места, из-за которых буксует светлое ИИ-будущее.