Пять парадоксов искусственного интеллекта

Автор: Ян Дели, старший эксперт Tencent, Исследовательский институт Tencent

Это эпоха искусственного интеллекта, наполненная парадоксами — парадоксом предсказания, парадоксом количественной оценки занятости, парадоксом производительности, парадоксом ценности данных, парадоксом промышленной революции... Мы движемся вперед среди этих парадоксов.

Парадокс предсказания

Когда речь заходит о будущем искусственного интеллекта, люди, похоже, никогда не могут предсказать его точно, будь то лауреаты премии Тьюринга, лауреаты Нобелевской премии, предприниматели или стартапы. Они всегда делают нереалистичные или чрезмерно консервативные суждения. Это и есть парадокс предсказания искусственного интеллекта. Исторически сложилось так, что такие пионеры, как Марвин Мински, Аллен Ньюэлл и Герберт Саймон, делали удивительные предсказания. Например, Марвин Мински указал в 1970 году: "В течение трех- восьми лет у нас будет машина с интеллектом на уровне человека." Мы все еще стремимся к этому сегодня. Джеффри Хинтон, одна из самых влиятельных фигур сегодня, известный как "Крестный отец ИИ", предсказал в 2016 году: "Мы должны немедленно прекратить обучение радиологов. Очевидно, что глубокое обучение превзойдет радиологов в течение пяти лет." Это не сбылось; на самом деле произошло обратное, количество и доходы радиологов в США значительно увеличились за последнее десятилетие. Демис Хасабис, который наравне с Хинтоном, заявил (2025): "В следующем десятилетии ИИ может помочь излечить все болезни." Как самый успешный предприниматель в области ИИ, Амодеи (2025) считает, что ИИ может удвоить продолжительность жизни человека в течение 5-10 лет. Мы ждем результатов этих недавних предсказаний. Выше приведены предсказания шести самых известных фигур. Что касается темы, AGI в настоящее время является самой востребованной. Существует явное разделение в оценке временных рамок реализации AGI между предпринимателями и учеными. Предприниматели радикально оптимистичны, даже полагая, что это произойдет скоро. Существует в основном четыре категории: ① Уже здесь (неосознанно), ② Скоро появится (один-два года), ③ Появится в краткосрочной перспективе (три-пять лет), ④ Появится в долгосрочной перспективе (пять-десять лет или даже дольше). Некоторые из этих суждений были опровергнуты, в то время как другие все еще требуют времени для проверки. Как показано в таблице ниже. Ученые, как правило, склонны к пессимизму, даже считая AGI ложной гипотезой, которая никогда не появится. Например, Ирис ван Руй (2024) указала: "Создание AGI с когнитивными способностями на уровне человека невозможно."
Таблица: Прогнозы времени появления AGI от известных генеральных директоров компаний ИИ
Источник: Составлено Исследовательским институтом Tencent, май 2026
Люди любят делать предсказания. Некоторые делают это для рекламы, чтобы мотивировать себя, некоторые для статей и проектов, а другие чисто для словесных споров. На самом деле никто не знает, что ждет нас в будущем. Будущее не следует заранее определенному сценарию; оно формируется выборами и действиями многих, отмечено полным разрывом с прошлым, наполнено совпадениями и парадоксами. Как свинья, живущая в спокойствии, она не может предсказать черного лебедя весеннего фестиваля.

Парадокс количественной оценки занятости

Влияние технологий на занятость — это хорошо известная тема, как устоявшаяся область, так и загадочная. Это древняя тема, как призрак, блуждающий на протяжении сотен лет. Она хорошо известна, обсуждается учеными и доступна для непрофессионалов. Ее нижний предел крайне низок, в то время как верхний предел крайне высок, что приводит к бесконечным спорам и разнообразным мнениям. В последние годы ученые и учреждения обратились к "данным, основанным на фактах", пытаясь доказать свои точки зрения с помощью методов, которые кажутся научными, строгими и сложными. Международные организации, такие как ОЭСР, МВФ, Всемирный экономический форум, ЮНКТАД, МОТ, Всемирный банк, а также консалтинговые компании, такие как Goldman Sachs, McKinsey и Pew Research Center, выпустили отчеты, оценивающие влияние ИИ на занятость. Как показано в таблице ниже.

Таблица: Некоторые количественные оценки влияния ИИ на занятость
Один отчет может иметь значительный вес, даже считаться стандартом. Однако, когда эти отчеты рассматриваются вместе, становится очевидным, что оценочные результаты сильно различаются, в общем диапазоне от 0,4% до 67%, что делает их почти несравнимыми. Это разочаровывает. Предпосылкой для количественной оценки влияния ИИ на занятость является способность точно уловить пульс технологического развития. Как упоминалось ранее, технологические гиганты все еще не могут точно предсказать будущее развитие технологий ИИ; как экономисты могут количественно оценить влияние ИИ на занятость? Они могут только предполагать, что технологии либо статичны, либо развиваются с заранее определенной скоростью, что не соответствует действительности. С другой стороны, ИИ не является независимым фактором влияния; множество факторов, таких как экономические циклы, промышленная экономика, технологическое развитие, демографическая структура, предпочтения в занятости, занятость, глобализация и неожиданные события, совместно влияют на занятость. Невозможно аккуратно отделить ИИ от этих взаимосвязанных и взаимодействующих факторов. В этом смысле количественная оценка влияния ИИ на занятость является парадоксом.

Парадокс производительности

Искусственный интеллект — это новая универсальная технология, характеризующаяся универсальным применением, постоянным улучшением и генерацией инноваций, служащая двигателем будущего экономического роста. Термин искусственный интеллект существует уже 70 лет, а революция машинного обучения продолжается 14 лет. Текущая волна ИИ в полном разгаре, от больших языковых моделей и мультимодальных систем до мировых моделей, интеллектуальных агентов и физического ИИ, которые появляются один за другим. Однако темпы роста производительности не значительно ускорились и даже сталкиваются с кризисом производительности (Роджерс, 2024). С момента выпуска ChatGPT темпы роста производительности труда в ЕС колебались около 0%, с ростом на 0,1% в первом квартале этого года. За 14 кварталов с Q4 2022 по Q1 2026 только три квартала показали рост производительности, превышающий долгосрочный средний уровень с 1999 года (1,0%). Как показано на рисунке ниже. В США наблюдается сильный рост, со среднегодовым темпом роста производительности труда в несельскохозяйственном секторе в 2,2% с Q4 2022 по Q2 2026, что выделяет его среди западных стран, но это лишь соответствует долгосрочному среднему уровню с 1948 года (Источник: Бюро статистики труда США).

Рисунок: Недавний рост производительности труда в ЕС (Источник: Eurostat)
Существование одновременно "быстрой технологической инновации и разочаровывающего роста производительности" является парадоксом производительности. Это не первый раз, когда это происходит. Лауреат Нобелевской премии Роберт Солоу написал в 1987 году: "Вы можете видеть компьютерную эпоху повсюду, кроме статистики производительности." Это считается самым классическим выражением "парадокса производительности" или "парадокса Солоу". Что касается парадокса производительности, существует в основном три объяснения: ошибочные ожидания, ошибки измерения и временные задержки. Бриньольфссон считает (2017), что объяснение задержки является наиболее убедительным и является основной причиной парадокса производительности, обобщая эффект задержки универсальной технологии на производительность как "J-образная кривая". Универсальные технологии требуют нескольких раундов вторичных инноваций, дополнительных инноваций и организационных изменений, прежде чем они смогут оказать значительное влияние на производительность. Исторически паровые машины, генераторы и компьютеры потребовали 118 лет, 91 год и 49 лет соответственно, чтобы начать значительно повышать производительность после их изобретения, и 54 года, 40 лет и 21 год соответственно после коммерциализации. Поэтому в долгосрочной перспективе парадокс производительности на самом деле не является парадоксом. Значительное повышение производительности за счет ИИ все еще требует времени.

Парадокс ценности данных

Данные — это пища для ИИ, требующая как количества, так и качества, с огромным количеством и качеством, которое можно описать как "мусор на входе, мусор на выходе (GIGO)", или, другими словами, данные можно классифицировать как "благородные" или "подлые". Данные определяют верхний предел возможностей ИИ и часто называются "новой нефтью" (Клайв Хамби, 2006) и "самым ценным ресурсом в мире" (The Economist, 2017), "равноценным по важности энергии и материальным ресурсам" (государственный документ 2004 года). Полезная ценность данных огромна, но они не обладают транзакционной или денежной ценностью, как обычные товары. Как заявил Ли Гоцзе (2025): "Данные могут определить свою ценность только при использовании." ОЭСР (2024) рассмотрела документы по политике данных из 46 стран и обнаружила, что контексты, в которых "данные" появляются в политике, ранжируются от высокого к низкому как инновации, доверие, общество, открытость рынка, использование, занятость и доступ, с небольшим акцентом на "транзакциях". Чен Чаншен (2023) указал: "Обмен данными процветает, но 'транзакции' в рамках этих обменов не развиваются хорошо." "На фоне бурного строительства рынка данных в различных регионах мы должны быть осторожны с поведенческой ориентацией, что 'только данные, которые были обменены, являются пригодными для использования.'" Плотность ценности данных низка, что затрудняет их монетизацию, а их доля в балансовых отчетах незначительна, почти незначительна. Согласно последним данным Шанхайского университета Цзяо Тун, 136 публичных компаний в Китае раскрыли информацию, связанную с ресурсами данных, в своих балансовых отчетах, с общей суммой 3,786 миллиарда юаней. Исходя из этого, предполагается, что первые составляют всего 2,5% от числа компаний, зарегистрированных на A-share, в то время как последние представляют лишь 0,3% от масштаба основной ИИ-индустрии Китая. Три крупнейших оператора связи доминируют в масштабе записей в балансовых отчетах, с общей суммой 2,1 миллиарда юаней в 2025 году, что составляет 55,46% от общей суммы записей в балансовых отчетах публичных компаний. Однако эти ресурсы данных составляют лишь около 0,06% от общих активов компаний, что является незначительным. Как показано в таблице ниже.

Таблица: Сумма и доля ресурсов данных, введенных тремя крупнейшими операторами связи (по состоянию на 31 декабря 2025 года)
Источник данных: Составлено на основе консолидированных балансовых отчетов в финансовых отчетах.

Парадокс промышленной революции

Каждый раз, когда возникает технологическая волна, некоторые люди сравнивают ее с паровой машиной, электричеством или компьютерами, восторженно провозглашая: "Это вызовет Четвертую промышленную революцию!" Это явление продолжается как минимум полвека, с ранними примерами, включая микроэлектронику (1984), компьютеры (1988), нанотехнологии (1994), интернет (2000), альтернативную энергию (2010) и киберфизические системы (2014). В последние десять лет оно усилилось с большими данными (2016), искусственным интеллектом (2016), Интернетом вещей (2016), промышленным интернетом (2017), блокчейном (2017), квантовыми вычислениями (2018) и умным производством (2021), которые все были назначены миссией Четвертой промышленной революции. Как показано на рисунке ниже.

Рисунок: Распределение статей с заголовком "Четвертая промышленная революция" на CNKI
Примечание: Критерии выбора включают статьи с заголовками, содержащими "Третья промышленная революция", "Третья промышленная трансформация", "Четвертая промышленная революция" и "Четвертая промышленная трансформация."
Что касается текущей революции, некоторые считают ее третьей, в то время как другие считают ее четвертой; кроме того, термины промышленная революция и промышленная трансформация — это одно и то же выражение "Промышленная революция" на английском языке. Поэтому в этой статье не проводится строгого различия. Мы почти постоянно испытываем Четвертую промышленную революцию в СМИ. Технологии, которые вызывают эту революцию, всегда "новые листья подталкивают старые листья, текущие волны толкают волны сзади", предварительные статистические данные показывают как минимум 20 различных технологий. Каждый раз, когда появляется новая технология и ей придается значительное значение в контексте Четвертой промышленной революции, кажется, что это подразумевает, что предыдущие были все ошибочными. В настоящее время люди в целом считают, что ИИ представляет Четвертую промышленную революцию. Демис Хасабис (2026) даже указал: "Масштаб и скорость AGI могут быть в десять раз больше, чем у промышленной революции." Некоторые предприниматели в Китае рассматривают ИИ как последнюю технологическую революцию человеческого общества. ИИ доказал свое прошлое, но как сам ИИ может это доказать? Мы не можем спорить, но подчеркиваем два момента. Во-первых, промышленные революции и экономические кризисы не могут происходить одновременно. Во-вторых, исторические промышленные революции не признаются заранее, а являются нарративами, построенными впоследствии; те, кто участвует, не осознают, что они находятся в промышленной революции. Термин "Промышленная революция" стал известен общественности только через 40 лет после первой промышленной революции (1760-е - 1840-е), продвигаемой Арнольдом Тойнби. Прошло 40 лет после второй промышленной революции (1870-е - 1914), прежде чем экономисты начали использовать термин "Вторая промышленная революция", а 55 лет спустя Дэвид Лэндес стандартизировал его академическое определение в "Unbound Prometheus" (1969). Нет единого понимания третьей промышленной революции; Джереми Рифкин (2011) считает, что ее темой является интеграция интернета и возобновляемой энергии; The Economist (2012) считает ее цифровизацией производства; Эрик Бриньольфссон и Эндрю Макафи (2011) утверждают, что третья промышленная революция движется компьютерами и сетями. Давайте надеяться, что на этот раз будет иначе.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.