Почему мы вообще обсуждаем конкуренцию людей и машин? Потому что стали жертвами удачного нейминга.
Вернёмся в 1950-е. Алан Тьюринг и Клод Шеннон заложили основы. Но термин «ИИ» придумал Джон Маккарти в 1956 году.
Это был классический стартап-питч. Маккарти выбрал громкое имя, чтобы дистанцироваться от «кибернетики» Норберта Винера, привлечь внимание и получить грант в $7500 от Фонда Рокфеллера.
Он «прибил флаг к мачте» и очеловечил программы. Маккарти мечтал создать ИИ человеческого уровня за одно лето, но координация приглашённых специалистов оказалась почти невозможной — каждый занимался своим исследованием.
На деле то, что мы называем ИИ, — это Сложная обработка информации (СОИ).
Этот термин использовали Аллен Ньюэлл и Герберт Саймон — легендарные учёные, стоявшие у истоков отрасли. Саймон позже получил Нобелевскую премию, а вместе с Ньюэллом — премию Тьюринга.
Когда Маккарти в 1956 году организовывал Дартмутский семинар и активно продвигал термин «ИИ», Ньюэлл и Саймон были категорически против.
Они считали название «ИИ» слишком кричащим, маркетинговым и далёким от науки. Саймон настаивал на сухом, но честном и точном термине — Сложная обработка информации (Complex Information Processing, CIP).
Именно под этим названием они в 1956 году опубликовали статью о своей первой работающей программе — «The Logic Theory Machine: A Complex Information Processing System» («Логическая теоретическая машина: Система сложной обработки информации»).
Много лет они принципиально избегали термина «искусственный интеллект». Саймон утверждал: программа не мыслит, а просто выполняет очень сложную обработку информации по заданным эвристикам.
Реактивность вместо проактивности
Система сложной обработки информации (СОИ) не умеет ставить задачи. Её интеллект — реактивный. Она лишь отвечает на внешний раздражитель (промпт) через натренированную функцию минимизации ошибки.
Цель разработчиков — сделать так, чтобы модель максимально эффективно по ресурсам закрывала конкретный запрос и выдавала адекватный ответ.
Что такое адекватный ответ для математической модели? Это статистически наиболее вероятный ответ — тот, который подойдёт большинству. На сцену выходит нормальное распределение — колокол Гаусса. Модель всегда стремится к его середине: к серости и усреднению.
Конфликт с бизнесом
Возникает главная иллюзия современного ИТ: «Зачем нам дорогой синьор, если джун с ChatGPT нагенерит то же самое?»
Но заказчики приходят к специалистам не за ответом для большинства. Они ждут уникальных решений, заточенных под их конкретную боль.
Может ли модель сфокусироваться на этой боли, как живой человек? Нет. У неё ограниченный контекст. Вы можете часами пытаться вытащить её из болота нормального распределения, но один неверный шаг — и контекст обнуляется. А человек держит всю архитектуру задачи в голове. Вот за что вы платите зарплату.
Общение с опытным специалистом экономит время на старте. А уже потом он может использовать СОИ для ускорения рутины.
Сильный спец пропускает через алгоритмы терабайты данных, чтобы найти крупицы нужной информации, скрытые за пластом усреднения. Но чтобы увидеть эти крупицы, нужно уже обладать экспертизой. Если джун будет полагаться только на модель, он не получит реального опыта и останется джуном — зачем такое бизнесу?
Сейчас модели — это экзоскелет, который вытянет вас в гору. Но если использовать его постоянно, мышцы атрофируются, и вы станете рабом алгоритма. Вы хотите стать рабом?
Кто на самом деле ставит задачи
Бизнесу выгоднее (и в итоге дешевле) обсуждать проект с настоящими специалистами, даже если их время стоит дорого. Человек способен держать в голове огромный пласт негласной информации. В живом диалоге формируется контекст, выстраивается стержень задачи. А уже к этому стержню можно применять модели. Они потрясающе помогают, когда есть узкий, чёткий запрос от профессионала.
Но проблема замены всплывает потому, что есть специалисты, которые просто затыкают дырку в кадрах. У менеджеров резонно возникает вопрос: почему бы его не заменить? Такой вопрос звучит часто — ИТ-сфера раздута, и хочется оптимизировать процессы. Это не плохо, просто нейронки зачастую эту проблему не решают. Вы просто меняете человеческую посредственность на статистическую.
Искусственный интеллект — это отличный санитар леса. Он вычистит рынок от тех, кто просто перекладывает JSON-ы и пишет шаблонные тексты. Но настоящая битва за пользователя всегда будет идти там, где работают люди, способные пробить пласт серости и усреднения.