ИИ · 11 ноября 2026 г.
Также опубликовано на Nederlands, Español, Norsk, Indonesia, Français, Italiano, Svenska, Türkçe, हिन्दी, עברית, العربية
Ричард Саттон предупреждает, что наука об искусственном интеллекте еще не достигла своей цели
Ричард Саттон, лауреат премии Тьюринга и автор концепции «горького урока», заявил, что одной лишь необработанной вычислительной мощности недостаточно для создания интеллекта. По его мнению, необходимы новые интеллектуальные методы, так как текущее состояние науки об искусственном интеллекте еще далеко от конечной цели.
В своем эссе 2019 года Саттон утверждал, что общие методы, масштабируемые с помощью вычислительных мощностей, в долгосрочной перспективе побеждают специализированные разработки, основанные на человеческих предположениях. Однако сейчас он критикует ограничения простого масштабирования больших языковых моделей. Саттон назвал использование синтетических данных большой ошибкой, поскольку реальный мир бесконечно сложен, а любая его симуляция остается микроскопической. Он считает, что человеческая экспертиза становится узким местом, которое препятствует истинному масштабированию.
В качестве альтернативы Саттон предложил создавать агентов с моделями мира, которые способны непрерывно учиться на собственном опыте. Он отметил, что современные языковые модели перестают учиться после завершения этапа обучения, в то время как необходимо постоянное развитие без уничтожения старых знаний.
Исследователь искусственного интеллекта Джерри Творек, ранее работавший в OpenAI, считает, что по мере увеличения вычислительных мощностей в обучении моделей роль алгоритмов становится более значимой. Творек утверждает, что временный успех масштабирования трансформеров и неверное толкование «горького урока» затуманили разум целому поколению ученых. В настоящее время он руководит компанией Core Automation, где ищет алгоритмы обучения, выходящие за рамки предварительного обучения и обучения с подкреплением.
Другой исследователь, Джейден Тео, полагает, что концепция «горького урока» часто использовалась для подавления академических исследований. По его словам, перспективные идеи нередко отвергались только потому, что они не соответствовали этому принципу, хотя именно такие подходы часто обеспечивали прогресс в конкретные моменты времени.
Противоположную точку зрения занимают руководители крупных компаний. Генеральный директор OpenAI Сэм Альтман утверждает, что потенциал масштабирования больших языковых моделей еще далеко не исчерпан. В качестве примера он привел модель OpenAI, которая опровергла математическую гипотезу, над которой долгое время безуспешно работали математики. Аналогичную позицию занимает глава Anthropic Дарио Амодей, который описывает прогресс масштабирования как бесконечную радугу.