Фристон и Ванчурин: философы эпохи ИИ о реальных ограничениях развития
Эксперты указывают, что рост LLM‑моделей сталкивается с конечными ресурсами — энергией, данными и финансами, и ставят под сомнение появление AGI в текущей архитектуре.
В недавней статье на Habr AI «Фристон и Ванчурин как философы эры ИИ. Профессиональная философия остается в стороне» авторы рассматривают фундаментальные ограничения, с которыми сталкивается индустрия больших языковых моделей (LLM).
Главный тезис — масштабный рост дата‑центров, обучение на петабайтах данных и потребление мегаваттов энергии не могут продолжаться бесконечно. Кристофер Фристон, известный нейробиолог, и Анатолий Ванчурин, физик‑теоретик, подчёркивают, что энергия, знания и деньги — конечные ресурсы. Когда один из них исчерпается, дальнейшее увеличение параметров моделей станет невозможным.
В статье также обсуждается популярный среди топ‑менеджеров сценарий: AGI возникнет «внезапно» из текущих техногенных мощностей, решив все проблемы. Авторы называют эту уверенность «чудесным ожиданием», указывая на отсутствие теоретических предпосылок, позволяющих расширять «горизонт» ИИ‑систем изнутри. Текущие трансформер‑архитектуры, по их мнению, не способны преодолеть барьер эффективности без радикального переосмысления.
Фристон и Ванчурин призывают к более интердисциплинарному подходу: привлекать философию, экономику и экологию к разработке ИИ. Они считают, что профессиональная философия может предложить критический взгляд на цели и последствия технологического прогресса, который сейчас остаётся в стороне.
Статья завершает вопросом: «Что будет, когда ресурсы закончатся?», и предлагает рассматривать устойчивое развитие ИИ как приоритет, а не лишь гонку за масштабом.
Для разработчиков и студентов это значит, что рост моделей нельзя рассматривать как бесконечный процесс. Стоит уделять внимание энерго‑ и вычислительной эффективности, искать более компактные архитектуры и учитывать экономические ограничения. Кроме того, философский и этический контекст становится важным инструментом при планировании будущих проектов в области ИИ.
