Штучны інтэлект ужо праз два гады можа вычарпаць рэсурсы з адкрытых крыніц
Крыніцай для навучання новых мадэляў могуць стаць прыватныя даныя. Гэта дазволіць пратрымацца да канца дзесяцігоддзя.
Вынікі новага даследавання паказваюць, што сістэмы штучнага інтэлекту (ШІ) могуць выкарыстаць усе якасныя агульнадаступныя даныя, якія размешчаны ў інтэрнеце, у перыяд паміж 2026 і 2032-м гадамі, што можа прывесці да адноснай стагнацыі ў гэтай вобласці.
У сваіх ацэнках даследчыкі выкарыстоўвалі вэб-індэкс Google. Па іх падліках, у цяперашні час існуе каля 250 мільярдаў вэб-старонак, якія змяшчаюць 7 Кб тэксту на старонку. Каб спрагназаваць рост даступнага запасу даных навукоўцы правялі аналіз трафіку інтэрнэт-пратакола (IP) — патоку дадзеных у сетцы – і актыўнасці карыстальнікаў у інтэрнэце.
Разлікі паказалі, што інфармацыя з надзейных крыніц скончыцца ў лепшым выпадку да 2032 года, у горшым — ужо праз два гады, у 2026-м.
Калі разглядаць даныя нізкай якасці, якія прыводзяць да выдачы парадаў кшталту дадавання клею ў піцу ці ўжывання ў ежу камення, як гэта было ў выпадку з штучным інтэлектам Gemini ад Google, які для адказаў выкарыстоўваў пасты на Reddit і артыкулы з сатырычнага сайта The Onion, то яны скончацца паміж 2030 і 2050-м гадамі.
Пытанне адносна здольнасці распрацоўшчыкаў ва ўмовах недахопу новых даных павысіць эфектыўнасць сваіх мадэлей застаецца адкрытым. Аўтары бачаць некалькі магчымых спосабаў яго вырашэння.
Першы — выкарыстанне прыватных даных. Па словах аднаго з аўтараў даследавання Пабла Вільялобаса (Pablo Villalobos) з цэнтра Epoch IA (ЗША), калі ў кампаній атрымаецца іх выкарыстаць, і пры гэтым каштоўнасць прыватных даных будзе супастаўная з каштоўнасцю агульнадаступных даных, то цалкам верагодна, што стваральнікі ШІ пратрымаюцца да канца дзесяцігоддзя.
Але выкарыстанне прыватных даных, якія абаронены аўтарскім правам ці правам на таямніцу асабістага жыцця, можа мець юрыдычныя праблемы. Вядомы выпадкі, калі стваральнікі кантэнту падавалі ў суд на такія кампаніі, як Microsoft, OpenAI і Stability AI, выказваючы пратэст несанкцыянаванаму выкарыстанню іх тэкстаў для навучання мадэляў ШІ. Рашэннем праблемы магла б стаць выплата распрацоўшчыкамі нейрасетак узнагароджання аўтарам кантэнту.
Іншым варыянтам можа быць выкарыстанне сінтэтычных даных — штучна згенераваных. Такія даныя паспяхова ўжываліся толькі ў сістэмах навучання гульням, праграмаванню і матэматыцы.
Даследчыкі адзначаюць, што недахоп даных — не адзіная праблема на шляху далейшага ўдасканалення ШІ. На ім ёсць і іншыя вузкія месцы — рост энергаспажывання, выдаткі на навучанне і даступнасць абсталявання. Так, па даных Міжнароднага энергетычнага агенцтва, пошук у Google з выкарыстаннем ChatGPT спажывае амаль у 10 разоў больш электрычнасці, чым традыцыйны.
Каментары