ИИ-революция 2030: $200 млрд затрат и 1.2% мировой энергии для алгоритмов
Согласно исследованию Epoch AI по заказу Google DeepMind, текущие темпы роста вычислительных мощностей приведут к впечатляющим изменениям в ИИ к 2030 году. Затраты ресурсов на обучение передовых нейросетей могут увеличиться в тысячу раз, требуя инвестиций до $200 млрд только в оборудование, а дата-центры будут потреблять около 1,2% глобальной электроэнергии.
В сфере разработки ПО ИИ возьмёт на себя рутинные задачи: генерацию кода, тестирование, исправление багов и миграцию между фреймворками. Текущие бенчмарки вроде SWE-bench станут неактуальны уже к 2026 году, а сложные инженерные испытания RE-Bench – к 2027-му.
Математические модели уровня FrontierMath будут освоены ИИ к 2027 году, что позволит ассистировать в доказательстве теорем и проверке гипотез. Однако постановка задач и интерпретация результатов останутся за человеком – алгоритмам пока не хватает исследовательской интуиции.
В биологии ИИ ускорит молекулярное моделирование, анализ белков и приоритизацию гипотез, сокращая число бесперспективных экспериментов. Но прорыв в медицине сдерживают лабораторные тесты и бюрократические барьеры регуляторов.
Прогнозирование погоды значительно улучшится на коротких и средних дистанциях. Основные задачи – предсказание экстремальных явлений и интеграция ИИ в системы управления энергетикой и транспортом.
Вот и грядёт эпоха, когда алгоритмы будут тратить энергию малых стран, чтобы предсказать дождь или написать скучную документацию вместо нас. Гениальная экономия человеческих усилий, не правда ли?
