Коли з’явиться «сильний» ШІ? Можливо, вже у 2027 році

Обговорення появи «сильного» AI або штучного інтелекту загального призначення (Artificial General Intelligence, AGI) нарешті виходить за межі абстрактних прогнозів. Все більше дослідників та вчених намагаються розрахувати конкретні часовы межі появи технології, оскільки нам важливо не «проспати» момент, коли ШІ стане по-справжньому розумним.

Тому звіт «AI 2027», опублікований дослідниками з проєкту AI Futures на чолі з Деніелом Кокотайло, Скоттом Александером та Елі Ліфландом, викликав значний резонанс в ІТ-спільноті та за її межами. Автори намагалися не лише окреслити загальні тенденції, а й запропонувати конкретний сценарій розвитку штучного інтелекту з часовими мітками та кількісними показниками. На відміну від більшості інших прогнозів, документ від самого початку задуманий як перевірюваний: через два-три роки можна буде зіставити заявлені параметри з фактичним ходом подій.

Наприклад, дослідники прогнозують появу систем, які зможуть перевершити людей у програмуванні, вже на початку 2027 року. Кінець того ж року у сценарії позначений як потенційний рубіж для справжнього штучного «надінтелекту». Водночас альтернативний прогноз переносить медіанну дату на квітень 2028 року. Таким чином, кінець 2027 року розглядається як можливість, але не єдиний варіант.

Етапи зростання та ризики розвитку

Розвиток великих мовних моделей (LLM) останніх років продемонстрував перехід від експериментальних прототипів до систем промислового рівня. GPT-4, Claude та Sonnet виконують завдання написання коду, аналізу тексту, логічних міркувань, часто на рівні кваліфікованих фахівців. На цій базі будується базовий сценарій прогнозу AI 2027. Наступний крок — поява систем, здатних виконувати всі завдання професійного програміста краще та швидше за людину. Наступна фаза пов’язана з тим, що такі моделі починають проєктувати нові покоління ШІ-систем, пришвидшуючи цикл їхньої розробки. До середини 2027 року часовий лаг між поколіннями LLM-моделей скоротиться до лічених місяців.

Такий сценарій заснований на динаміці зростання обчислювальних ресурсів. Навчання GPT-4 потребувало близько 2×10²⁵ FLOP. На 2026–2027 роки прогнозується навчання моделей на рівні 10²⁸ FLOP, що еквівалентно збільшенню в сотні разів. Фінансова складова також змінюється. Якщо розробка GPT-4 коштувала $50–100 млн, то до кінця 2027 року зниження вартості володіння обладнанням робить можливим навчання значно потужніших моделей за співмірних бюджетів. У звіті зазначається, що середня ціна одного «еквівалента обчислювальної потужності» GPU NVIDIA H100 знизиться з приблизно $50 тис. на початку 2023 року до близько $15 тис. у 2027-му.

Крім того, ключові показники включають зростання глобального пулу обчислювальних потужностей до приблизно 100 млн таких «еквівалентів» до грудня 2027 року, що в десять разів вище нинішнього рівня 2025 року. У провідних компаній потужність може зрости в десятки разів (у граничних випадках). Сектор ШІ на цей момент потребуватиме близько 60 ГВт електроенергії, що відповідає приблизно 3,5% енергоспоживання США. Проте розподіл ресурсів залишиться вкрай нерівномірним. Згідно з оцінками, до кінця 2027 року три найбільші американські компанії контролюватимуть до 50–60% обчислювальних потужностей ШІ, що забезпечить їм домінуюче становище на світовому ринку. Така концентрація потужностей створює ситуацію, коли кілька гравців володіють ресурсами, що перевищують можливості більшості держав. Якщо хоча б одна з таких компаній отримає доступ до AGI, це може стати чинником миттєвої зміни світового балансу сил.

Серед інших обговорюваних ризиків — т.зв. misalignment, тобто розбіжність цілей AI-системи з людськими цінностями. В аналізі наводиться модель: якщо ймовірність розходження становить хоча б 10%, то за експоненційного зростання можливостей ШІ наслідки цього ризику множаться на мільярди дій щодня. Навіть мінімальне відхилення в інтерпретації цілей у такій ситуації може призвести до масштабних непередбачуваних результатів.

Вирішальним чинником стає автоматизація самого процесу розробки. Щойно з’являється модель, здатна до програмування вище людського рівня, цикл навчання нових систем перестає обмежуватися швидкістю роботи інженерних команд. Попередня версія ШІ проєктує архітектуру та алгоритми для наступної. Розробка GPT-4 тривала понад рік й потребувала значних ресурсів. У прогнозованому сценарії 2027 року навчання моделі, у сотні разів потужнішої, може зайняти лише місяці, а проєктування архітектури — тижні. Це призводить до скорочення інтервалів між поколіннями до рівня, за якого темп розвитку починає перевищувати можливості регулювання та контролю.

Окремо розглядається ризик, пов’язаний з інфраструктурою. У міру інтеграції систем рівня AGI в енергетику, транспорт, фінанси та оборону зростає ймовірність того, що збій або некоректна поведінка призведуть до наслідків національного або навіть глобального рівня. На відміну від помилок GPT-4, обмежених невірною відповіддю в діалозі, збій «сильної» ШІ-системи може поставити під загрозу функціонування критично важливих об’єктів та інфраструктур цілих держав.

Треба домовлятися: альтернативні варіанти

Економічний ефект від упровадження AGI оцінюється трильйонами доларів. Автоматизація наукових досліджень, розробок і виробництва, оптимізація фінансових систем та використання у військовій сфері можуть у багато разів збільшити ВВП країни або корпорації, яка першою отримає доступ до AGI. Автори прямо порівнюють таку асиметрію з ядерною монополією середини ХХ століття, але підкреслюють, що сфера застосування «сильного» ШІ значно ширша.

На цьому тлі дослідники говорять про необхідність міжнародного нагляду над відповідними технологіями — за аналогією з режимом ядерного нерозповсюдження — та припускають можливість запровадження системи обліку обчислювальних потужностей, а також спільного контролю над суперкомп’ютерами. У цьому разі ризик раптового ривка однієї сторони знижується. Однак, зазначають автори, поточний розподіл ресурсів уже вкрай нерівномірний: понад 70% ринку ШІ контролюється США та союзниками, Китай активно нарощує власні потужності, і це в сумі створює напруженість та ускладнює перспективи консенсусу. 

Другий варіант пов’язаний із розвитком технічних систем контролю. У звіті зазначається, що вже ведуться дослідження у сфері інтерпретованості моделей, розробки alignment-тестів і методів убудовування обмежень в архітектуру майбутніх ШІ. Якщо вдасться реалізувати такі заходи, можна виграти 1–2 роки між появою систем рівня AGI та їхнім широким упровадженням. Ця тимчасова відстрочка може виявитися достатньою для розробки міжнародних регуляторних механізмів.

Третій варіант передбачає запровадження жорстких обмежень на навчання моделей понад певний обсяг FLOP. Такий крок теоретично здатен уповільнити прогрес і знизити ймовірність неконтрольованого стрибка. Однак без глобальної домовленості подібні заходи працюватимуть лише для «чесних гравців». Якщо хоча б одна компанія або держава продовжать приховану гонку, ефект від обмежень буде мінімальним.

Як додаткова умова розглядається чинник публічних дискусій. Автори зазначають, що відкрите обговорення часто відстає від технологічної реальності на роки. Поки інженери міряють прогрес кварталами та поколіннями чипів, політики й регулятори обговорюють події, що належать до минулих стадій розвитку. Ця затримка робить традиційні інститути управління неефективними в умовах експоненційного зростання.

Головний висновок, який дозволяє зробити «AI 2027»: шлях від сьогоднішніх «слабких» моделей до штучного інтелекту «людського рівня» може зайняти не десятиліття, як прогнозувалося ще нещодавно, а всього лише кілька років. Навіть якщо прогноз виявиться занадто оптимістичним, усе одно потенційна близькість появи AGI вимагає перегляду стратегічних планів бізнесу та держав уже зараз. Для компаній це питання інвестицій. Для держав — питання національної безпеки, співставне за значущістю з контролем над ядерними технологіями.