Неожиданная светлая сторона: почему генеральный директор DeepMind видит пользу в замедленной гонке за ИИ
В среде, обычно определяемой неистовым ускорением и ненасытной жаждой вычислительных мощностей, из высших эшелонов индустрии искусственного интеллекта (Artificial Intelligence, AI) появляется контринтуитивный сюжет. Демис Хассабис, генеральный директор Google DeepMind и ключевая фигура современной революции в области ИИ, предположил, что текущие логистические и технические препятствия, замедляющие темпы развития отрасли, на самом деле могут быть полезны для человечества. Выступая незадолго до Всемирного экономического форума в Давосе в январе 2026 года, Хассабис сформулировал то, что можно назвать «парадоксом прогресса в области ИИ» — идею о том, что естественные препятствия для роста служат необходимыми, хотя и непреднамеренными, страховочными ограничителями для технологии, устремляющейся к искусственному общему интеллекту (Artificial General Intelligence, AGI).
Эта точка зрения означает существенный сдвиг тона для отрасли, которая последние несколько лет была вовлечена в гонку вооружений. По мере того как коммерциализация генеративного ИИ (Generative AI) созревает, точки трения — от нехватки аппаратного обеспечения до общественного противодействия — становятся всё более ощутимыми. Для Creati.ai разбор этого парадокса открывает важное окно в будущее развития ИИ, указывая на то, что путь к искусственному общему интеллекту может быть длиннее, извилистее и, возможно, безопаснее, чем предполагалось ранее.
Компоненты парадокса: трение как функция
Суть аргумента Хассабиса заключается в том, что индустрия ИИ сталкивается с физическими и структурными пределами. Экспоненциальные кривые роста, наблюдавшиеся в начале 2020-х, наталкиваются на жесткое сопротивление реальностей цепочек поставок. По словам руководителя DeepMind, эти ограничения мешают технологии масштабироваться с потенциально опасной скоростью, выигрывая для общества ценное время, чтобы разобраться с глубокими этическими, коммерческими и философскими вопросами, которые ставит ИИ.
Эти ограничения не являются чисто теоретическими; они представляют собой практические узкие места, затрагивающие каждого крупного игрока в секторе. От дефицита чипов с высокой пропускной способностью памяти до огромных энергетических потребностей дата-центров следующего поколения — инфраструктура в настоящий момент не успевает за теоретическими амбициями исследователей.
Table: The Dual Impact of AI Development Constraints
| Constraint Factor | Direct Impact on Industry | Potential Societal Benefit |
|---|---|---|
| Hardware Shortages | Limits the speed of model training and deployment due to scarcity of chips and memory. Increases costs significantly. |
Prevents a runaway capabilities race, allowing safety research to catch up with development. |
| Energy Limitations | Data center construction faces delays due to power grid capacity. Sparking geopolitical competition for energy resources. |
Forces a focus on energy-efficient architecture. Highlighting the need for sustainable power solutions before massive scaling. |
| Research Secrecy | A reduction in open-source sharing and "cross-pollination" of ideas among labs. Slower diffusion of breakthroughs. |
Centralizes control of dangerous capabilities. Reduces the likelihood of bad actors easily accessing frontier models. |
| Commercialization Focus | Resources diverted from pure R&D to serving existing user bases. Shift from exploration to exploitation of current tech. |
Stabilizes the market. Allows regulators and the public to adapt to current generation tools before the next leap. |
Конец «золотой эры» открытых исследований
Одно из самых трогательных наблюдений Хассабиса касается культурного сдвига в сообществе исследователей ИИ. Более десяти лет область характеризовалась духом радикальной открытости, когда прорывы публиковались свободно, а талант плавно переходил между академическими и корпоративными лабораториями. Эта «золотая эра» подпитывала быстрый взлет глубинного обучения, кульминировавший в буме генеративного ИИ.
Однако по мере того как ИИ превратился из маргинальной исследовательской темы в центральный двигатель мировой экономики, двери начали закрываться. Коммерческое давление на монетизацию этих систем вынудило компании, такие как Google, OpenAI и другие, рассматривать свои исследования как охраняемые коммерческие секреты. Хассабис отметил, что хотя это снижение открытости «понятно», учитывая ставки, это несомненно утрата для научного сообщества.
Этот эффект силосизации действует как тормоз для инноваций. Без перекрестного опыления идей, которое определяло первые годы революции в глубинном обучении, темп нарастающих прорывов естественно замедляется. Хотя пуристы могут оплакивать потерю академического товарищества, с точки зрения безопасности это замедление предотвращает неконтролируемое распространение мощных алгоритмов, фактически растягивая временную шкалу до искусственного общего интеллекта.
Общественное противодействие и энергетическое уравнение
Помимо технических и культурных ограничений, индустрия ИИ сталкивается с новым и грозным препятствием: общественностью. Хассабис выделил растущее «популистское презрение» к технологиям ИИ, которое проявляется в различных формах по всему политическому спектру. В 2026 году это уже не только абстрактные страхи потери рабочих мест; это осязаемые локальные последствия.
Грассрутовые движения всё чаще организуются против строительства огромных дата-центров, ссылаясь на опасения по поводу использования воды, шума и нагрузки на местные электросети. Одновременно климатические активисты пристально изучают углеродный след индустрии, ставя под вопрос, оправдывает ли обещание ИИ его колоссальную экологическую цену.
Хассабис утверждает, что ответ индустрии на это противодействие должен состоять в демонстрации осязаемой ценности помимо чат-ботов и генераторов изображений. По его мнению, путь вперед лежит в применении ИИ к «твердым наукам» — использованию этих систем для открытия прорывов в здравоохранении, материаловедении и чистой энергетике.
Научный императив
DeepMind давно выступает за использование ИИ для научных открытий, что демонстрируется революцией AlphaFold в биологии. Хассабис считает, что для того, чтобы ИИ завоевал «умы и сердца» скептически настроенной общественности, он должен быть инструментом, который решает климатический кризис, а не усугубляет его.
- Nuclear Fusion: AI is being used to control plasma in fusion reactors, potentially unlocking limitless clean energy.
- Materials Science: Algorithms are accelerating the discovery of new battery materials and carbon capture technologies.
- Drug Discovery: The biotech sector is utilizing AI to slash the time and cost of bringing life-saving medications to market.
«Один из немногих способов справиться с климатом в сегодняшнем фрагментированном политическом мире — придумать какие-то новые технологии», — заявил Хассабис, подчеркивая, что у индустрии есть моральный императив повернуть в сторону этих экзистенциальных решений.
Баланс между обслуживанием и обучением: коммерческая реальность
По мере того как DeepMind всё глубже интегрируется с основными продуктами Google, Хассабис сталкивается с задачей «балансирования обслуживания и обучения». В первые дни лаборатория могла посвящать 100% своих вычислительных ресурсов обучению следующей огромной модели. Сегодня те же ресурсы должны обслуживать миллионы запросов пользователей Gemini и других инструментов, интегрированных с ИИ.
Это раздвоенное внимание — определяющая характеристика ландшафта ИИ в 2026 году. Огромная волна инвестиций в инфраструктуру уже не направлена исключительно на поиск следующего большого скачка в интеллекта; она необходима просто для поддержания текущего поколения продуктов в рабочем состоянии. Это операционное бремя выступает ещё одним естественным регулятором скорости эволюции. Ресурсы, необходимые для запуска ИИ в масштабе, напрямую конкурируют с ресурсами, требуемыми для изобретения следующей версии ИИ.
Заключение: необходимая передышка
«Парадокс прогресса в области ИИ» представляет убедительную схему для понимания текущего состояния отрасли. В течение многих лет преобладал страх, что развитие ИИ будет ускоряться неконтролируемо, приводя к сценарию «жёсткого взлёта», когда искусственный общий интеллект появится в одночасье, оставив человечество неподготовленным.
Однако реалии 2026 года указывают на другую траекторию. Сочетание дефицита аппаратного обеспечения, энергетических узких мест, конца открытых исследований и эксплуатационных требований коммерциализации коллективно действует как механизм торможения. Для Демиса Хассабиса это замедление — не провал, а передышка.
«У нас не так много времени, чтобы всё уладить, прежде чем мы доберёмся до [искусственного общего интеллекта]», — предупредил Хассабис. Если естественное трение дарует миру несколько дополнительных лет на обсуждение этики, установление протоколов безопасности и подготовку рабочей силы, то «недостатки» нынешнего момента вполне могут запомниться как спасительная благодать эры ИИ. Для Creati.ai мы продолжаем отслеживать эти события, признавая, что в гонке за искусственным общим интеллектом иногда самой важной функцией является способность замедлиться.
