Google рассказала, каким станет ИИ к 2030 году

Группа Epoch AI по заказу Google DeepMind опубликовала отчет, в котором анализирует перспективы развития искусственного интеллекта к 2030 году при сохранении текущих темпов роста вычислительных мощностей. Согласно их оценкам, стоимость вычислительных ресурсов, необходимых для обучения передовых моделей ИИ, может увеличиться примерно в тысячу раз, что потребует инвестиций в сотни миллиардов долларов, ориентировочно около 200 млрд долларов, — примерно 1% ВВП США. Такая масштабная инфраструктура серверов и ускорителей приведет к тому, что дата-центры будут потреблять около 1,2% мировой электроэнергии к 2030 году.

В области программного обеспечения искусственный интеллект сможет брать на себя всё больше повседневных задач, включая генерацию и рефакторинг кода, автоматическое тестирование, исправление рутинных ошибок, миграцию между фреймворками и создание технической документации. Для адекватной оценки возможностей ИИ появятся новые бенчмарки: существующий SWE-bench, направленный на оценку производительности ИИ в программировании, будет «закрыт» к 2026 году, а более сложные научно-инженерные задачи по типу RE-Bench — к 2027 году.

В математике ожидания связаны с достижениями ИИ на уровне бенчмарков FrontierMath, которые прогнозируется «закрыть» уже к 2027 году. Это позволит системам ИИ создавать базовые доказательства, искать релевантные факты и проверять промежуточные шаги в доказательствах. Тем не менее, постановка задач и интерпретация результатов останутся за человеком, поскольку исследовательская интуиция пока не поддается полной автоматизации.

Значительный прогресс предвидится и в биологии, где ИИ будет полезен для проектирования молекул и белков, оценки их свойств, приоритизации гипотез, а также анализа научных публикаций и баз данных. Это должно ускорить поиски перспективных направлений и сократить количество неудачных экспериментов. Однако внедрение ИИ в процессы разработки лекарств и медицинскую практику будет развиваться медленнее из-за ограничений, связанных с лабораторными и клиническими испытаниями, а также регуляторными барьерами.

Что касается прогнозирования погоды, искусственный интеллект проявит себя особенно хорошо на краткосрочных и среднесрочных интервалах — от нескольких часов до недель. Уже сегодня модели на основе ИИ демонстрируют преимущества по точности в сравнении с традиционными методами. Ближайшие задачи включают повышение точности прогнозов и создание предиктивных систем для редких экстремальных атмосферных явлений. Кроме того, ожидается интеграция ИИ в системы управления и принятия решений в сферах энергетики, агропромышленного комплекса и транспорта.

Таким образом, представленный анализ подчеркивает перспективность искусственного интеллекта в широком спектре научных и прикладных областей, при этом акцентируется, что ИИ будет продолжать служить инструментом поддержки человека, а не полной его заменой.