Багато хто думає, що бульбашка ШІ з'явилася лише сьогодні.

Насправді, в історії ШІ вже був один дуже типовий випадок капіталістичного ажіотажу.
Це бульбашка «експертних систем» у 1980-х роках.
Той сплеск ШІ відбувся на тлі першої зими ШІ, коли галузь нарешті знайшла шлях, який виглядав комерційно життєздатним.
Ранні дослідники ШІ колись намагалися безпосередньо створити загальний інтелект, але машинний переклад, загальні міркування, робототехніка та інші напрямки не виправдали очікувань, і фінансування та впевненість швидко охололи.
Тож у 1980-х роках галузь ШІ змінила підхід:
Оскільки загальний інтелект надто складний, спочатку зробимо вертикальний інтелект.
Досвід лікарів, інженерів, хіміків, фінансових експертів, експертів з обслуговування обладнання розбивався на окремі правила і записувався в комп'ютер.
Якщо A і B відбуваються одночасно, то це C.
Якщо є певна комбінація симптомів, то рекомендується певний діагноз.
Якщо в замовленні є певний конфлікт конфігурації, система виправляє його автоматично.
Це і є експертна система.
Це не сучасна велика модель, навчена на величезних обсягах даних, а база знань, зібрана вручну, плюс механізм виведення.
На той час це не була суто концепція.
Система XCON/R1 компанії DEC — один із найвідоміших комерційних прикладів. Вона допомагала DEC автоматично конфігурувати складні замовлення на мінікомп'ютери, зменшувати помилки конфігурації та підвищувати ефективність доставки, і згодом стала символом успішної комерціалізації експертних систем.
Коли цей приклад з'явився, уява ринку була повністю розпалена.
Компанії почали вірити:
Якщо експертна система може замінити частину суджень інженера, то чи не зможе вона також замінити судження лікаря?
Якщо можна конфігурувати комп'ютери, то чи не можна конфігурувати заводи, керувати ланцюгами постачання, приймати фінансові рішення, робити юридичні висновки?
І капітал почав вливатися.
Великі компанії почали створювати відділи ШІ. IBM, DEC, GE, GM та інші вкладалися в експертні системи.
Почали з'являтися стартапи, які займалися інженерією знань, програмним забезпеченням для експертних систем, механізмами виведення та галузевими рішеннями.
Що цікавіше, бульбашка ШІ швидко поширилася на апаратне забезпечення.
Тому що багато програмного забезпечення ШІ на той час використовували мову Lisp, а Lisp вимагав значних обчислювальних ресурсів і середовища розробки, тому з'явилися компанії, які спеціалізувалися на машинах Lisp, оптимізованих для ШІ.
Symbolics, Lisp Machines Inc., Texas Instruments та інші компанії брали участь у цій хвилі спеціалізованого апаратного забезпечення для ШІ.
Це дуже схоже на історичне відображення сьогодні:
Тоді експертні системи рухали машини Lisp.
Сьогодні великі моделі рухають GPU, HBM, оптичні модулі, комутатори, центри обробки даних, електроенергію та рідинне охолодження.
У кожному сплеску ШІ першими заробляють гроші не ті, хто створює застосунки, а ті, хто продає лопати.
Але проблема виявилася саме після масштабного впровадження.
Найголовнішим вузьким місцем експертних систем було отримання знань.
Справжні знання експерта — це не інструкція з експлуатації.
Багато суджень базуються на досвіді, інтуїції, граничних умовах і багаторічних помилках.
Сам експерт не завжди може чітко висловити всі неявні знання.
Навіть якщо висловить, важко записати їх у вигляді правил.
Тому компанії виявили, що побудова експертної системи набагато повільніша і дорожча, ніж очікувалося.
Друга проблема — вартість обслуговування.
Бізнес-процеси не статичні.
Продукти змінюються, клієнти змінюються, закони змінюються, ланцюги постачання змінюються, ринкове середовище змінюється.
Кожного разу, коли реальний світ змінюється, базу правил потрібно оновлювати.
Коли правил стає багато, у системі виникають конфлікти, пропуски та перекриття.
Зрештою, багато компаній отримували не автоматичну машину для заробітку грошей, а лабіринт правил, який ніколи не можна було завершити.
Третя проблема — крихкість.
Експертні системи добре працюють у межах своїх правил.
Але коли вони стикаються з граничними випадками, нечіткою інформацією, неповною інформацією, система легко виходить з ладу.
Вона не має справжнього здорового глузду.
Вона не вчиться активно.
Їй важко розуміти зміни контексту, як людині.
Демо може бути вражаючим, але корпоративна система повинна працювати в реальному світі, який змінюється щодня.
Це величезна прірва між лабораторією та виробничим середовищем.
Четверта проблема — крах економіки апаратного забезпечення.
Машини Lisp спочатку були інфраструктурою ШІ.
Але в кінці 1980-х років універсальні робочі станції та персональні комп'ютери швидко стали потужнішими, дешевшими та мали більшу екосистему.
Коли дешевші універсальні комп'ютери також могли запускати відповідне програмне забезпечення, дорогі спеціалізовані машини Lisp втратили комерційну доцільність.
Таким чином, ринок машин Lisp швидко обвалився.
Спочатку було переоцінено апаратне забезпечення, а потім компанії, що займаються програмним забезпеченням та консалтингом з ШІ, також почали відчувати тиск.
Багато компаній, що займалися експертними системами, збанкрутували, були придбані або перепрофільовані, і ШІ знову стало словом, яке ринок капіталу не хотів чути.
Це і є друга зима ШІ.
Але тут є дуже важлива деталь:
Експертні системи не були зовсім марними.
Вони не зникли, а були поглинуті корпоративним програмним забезпеченням, механізмами правил, системами управління ризиками, системами управління знаннями, скриптами підтримки клієнтів, системами автоматизації бізнес-процесів.
Технологія вижила.
Бульбашка померла.
Саме це варто пережовувати сьогоднішнім інвесторам у ШІ.
Сьогоднішні великі моделі, звичайно, не є експертними системами.
LLM — це не ручні бази правил, вони базуються на великих даних, нейронних мережах, трансформерах, обчислювальній потужності та навчанні з підкріпленням.
Їх універсальність, мовні здібності, програмні здібності, мультимодальні здібності набагато перевищують тодішні експертні системи.
Тому некоректно просто прирівнювати сьогоднішні великі моделі до експертних систем.
Але справжня схожість історії не в технологічному шляху, а в психологічній структурі ринку капіталу.
Кожен сплеск ШІ проходить через три схожі етапи:
Перший етап: технологія робить справжній прорив.
Другий етап: капітал вірить, що вона може трансформувати всі галузі.
Третій етап: компанії виявляють, що перетворити технологію на стабільну, керовану, підзвітну, прибуткову систему набагато складніше, ніж здається.
Сьогоднішні великі моделі також входять у третій етап.
На стороні C є використання, але структура трафіку ще не повністю змінена.
На стороні B є пілотні проекти, але багато хто залишається на стадії pilot, не переходячи до реальних масштабних виробничих систем.
Agent дуже привабливий, але в довгих завданнях помилки на окремих кроках накопичуються.
Навіть якщо точність окремого кроку здається високою, якщо процес досить довгий, загальна успішність значно падає.
У таких сферах, як промисловість, фінанси, медицина, право, ланцюги постачання, потрібна не просто гарна відповідь, а наскрізна надійність, обробка винятків, контроль доступу, визначення відповідальності, аудиторські записи та ручне резервування.
Це не те, що можна вирішити презентацією моделі.
Тому сьогодні найбільший ризик для ШІ — не в тому, що технологія не має цінності.
Навпаки, ШІ дуже цінний.
Справжнє питання:
Чи достатньо грошового потоку, який він створює, щоб підтримати поточний рівень капітальних витрат і оцінок?
Якщо компанії виявлять, що ROI ШІ все ще нечіткий, скорочення бюджету може відбутися дуже швидко.
Якщо хмарні провайдери виявлять, що доходи від інференції не покривають амортизацію, вартість електроенергії та центрів обробки даних, плани капітальних витрат можуть бути знижені.
Якщо на рівні застосунків не з'явиться достатньо сильний платний цикл, апаратний ланцюжок почне торгувати на зниження очікувань попиту.
Історія не повторюється просто так.
Але ринок капіталу часто схожим чином штовхає реальний технологічний прорив у надто високі очікування прибутку.
Урок 1980-х років не в тому, що «ШІ — це обман».
Справжній урок:
Технологічна революція може бути реальною.
Темпи комерціалізації можуть бути повільними.
Інвестиції в інфраструктуру можуть бути передчасними.
Оцінки акцій можуть бути помилковими.
Ці чотири речі можуть бути істинними одночасно.
Експертні системи зрештою не зникли, але бульбашка експертних систем лопнула.
Сьогоднішні великі моделі, швидше за все, теж не зникнуть.
Справжнє питання:
У цій хвилі інфраструктурної ейфорії ШІ, які компанії стануть майбутньою інфраструктурою, а які — лише машинами Lisp цього циклу?