Ihnmaims — вы можете не говорить чату гпт спасибо

АМ описывается как колоссальная система, охватывающая всю планету и потребляющая огромные ресурсы. Даже текущие модели ИИ демонстрируют серьёзные ограничения в этой области. Обучение одной крупной модели вроде GPT-4 требует энергии, сопоставимой с годовым потреблением сотен или тысяч домохозяйств. Масштабирование до уровня АМ потребовало бы энергопотребления на уровне целых государств. Современные дата-центры уже сталкиваются с критическими проблемами: нехватка электроэнергии, охлаждения и чипов. Создание единой распределённой системы планетарного масштаба, способной поддерживать постоянное самосовершенствование и создание сложных виртуальных миров, выходит далеко за пределы текущих технологических и инфраструктурных возможностей. Кроме того, существуют фундаментальные физические ограничения - скорость передачи данных, тепловыделение, квантовая неопределённость и проблема памяти. АМ существовал в условиях тотальной войны, когда ресурсы планеты были мобилизованы без ограничений. В сегодняшнем мире ни одно государство или корпорация не сможет (и не захочет) выделить такие объёмы ресурсов на подобный проект. Экономическая и экологическая цена оказалась бы запредельной. Даже гипотетический AGI, скорее всего, будет распределён по множеству кластеров с жёсткими ограничениями на энергопотребление и автономию. Проблема масштаба касается не только энергии, но и данных. АМ, по сути, имел доступ ко всему человеческому знанию и опыту в реальном времени. Современные модели обучаются на статичных датасетах, которые, несмотря на огромный объём, всё равно ограничены и часто содержат шум или предвзятость. Создать систему, способную непрерывно обучаться на всём мировом потоке данных без потери стабильности, - отдельная нерешённая инженерная задача. Таким образом, чисто физические и ресурсные ограничения делают создание АМ-подобного сверхразума крайне маловероятным в ближайшие десятилетия.