Успех искусственного интеллекта сегодня принято измерять количеством параметров в нейросетях и мощностью алгоритмов. Однако за красивыми графиками возможностей LLM скрывается суровая физическая реальность: будущее технологий зависит не только от строк кода, но и от свойств материи. Кэтрин Ли, исследователь и магистр делового администрирования Стэнфордской высшей школы бизнеса, утверждает, что ИИ упирается в «материальный потолок», преодолеть который архитектурными правками невозможно.
🧪 От невидимого света к большим моделям 0:05
Свой путь в науке Кэтрин Ли начала в лаборатории Корнеллского университета, где в течение четырех лет занималась материаловедением . Ее специализацией были ближние инфракрасные органические светодиоды (OLED) с длиной волны более 900 нанометров — свет, невидимый для человеческого глаза, но фиксируемый сенсорами .
Этот «невидимый свет» сегодня является фундаментом привычных нам удобств:
- FaceID: излучатели позволяют смартфонам узнавать владельца в полной темноте .
- Беспилотный транспорт: сенсоры дают возможность автомобилям «видеть» сквозь плотный туман .
Ли подчеркивает: в теории химия и формулы могут быть идеальными, но в лаборатории реальность превращается в битву за срок службы устройства . Малейшая нестабильность интерфейса ведет к миграции ионов и коллапсу производительности. Главный урок, который она вынесла из инженерной практики: любая система сильна лишь настолько, насколько сильно ее самое слабое звено на уровне материалов .
🧱 Три физических барьера развития ИИ 1:49
По мнению Ли, будущее ИИ сегодня определяется не только способностями моделей, но и тремя физическими лимитами: вычислениями (Compute), данными (Data) и энергией (Energy) . И за каждым из этих ограничений стоит фундаментальный вызов для материаловедения.
1. Эффективность вычислений: проблема «джоуля на бит» 2:02
В современных ИИ-чипах логика и память по-прежнему разделены физически. Это создает постоянную необходимость перемещать данные туда и обратно. Процессоры думают невероятно быстро, но на перемещение битов через соединения тратится колоссальное количество энергии, которая превращается в тепло .
- Троттлинг: системы замедляются не из-за нехватки вычислительной мощности, а из-за невозможности отвести лишнее тепло .
- Лимиты HBM: технология памяти с высокой пропускной способностью (High-bandwidth memory), использующая 3D-стекирование, лишь временно отодвинула проблему. Наращивание HBM ограничено плотностью теплового потока и мощностью систем питания .
- Географический масштаб: когда данные покидают корпус чипа и проходят через стойки дата-центра по NVLink, потребление энергии на бит снова резко возрастает .
Ли настаивает: эту проблему невозможно решить программным кодом. До тех пор, пока память и логика не будут по-настоящему совмещены в едином материале, эффективность вычислений будет оставаться «стеной», в которую бьется индустрия .
2. Целостность данных: «врущая» нервная система 4:02
Если вычисления — это мышление ИИ, то данные — это его органы чувств. В физическом мире данные — это всегда измерения, проходящие через материалы сенсоров .
Кэтрин приводит пример с робототехникой:
- Робот обучается идеально держать мокрое яйцо в лабораторных условиях .
- Спустя 6 месяцев эксплуатации в реальной кухне материалы сенсоров меняются под воздействием влаги и перепадов температур.
- Электроника смещается, оптика мутнеет. Сигнал, который раньше означал «нежное прикосновение», теперь интерпретируется как «раздавить» .
Ли утверждает, что это не ошибка алгоритма — это «ложь» нервной системы устройства. Физический ИИ кажется хрупким вне лабораторий именно из-за нестабильности материального интерфейса между цифрой и реальностью .
3. Энергетические отходы: невидимый налог 5:45
Энергия — это налог, который платит каждый разработчик. В 2024 году дата-центры потребляют около 415 тераватт-часов энергии, что в восемь раз превышает годовое потребление электричества в Нью-Йорке . По прогнозам Международного энергетического агентства (МЭА), к 2030 году это число удвоится .
Большая часть этой энергии тратится не на сам процесс «мышления», а на перемещение сигналов и охлаждение . Современные решения в виде постройки дата-центров у атомных станций или попытки выноса серверов в космос всё равно упираются в ограничения материаловедения . Без прорывов в этой области интеллект останется тяжелым, дорогим и централизованным .
🛠 Упаковка интеллекта против внешнего мира 7:17
Ли вспоминает свой опыт: устройства в лаборатории работали прекрасно, пока не сталкивались с окружающей средой. Влага просачивалась сквозь уплотнения, температурные колебания расслаивали структуру, а контакты подвергались коррозии .
«Чтобы выпустить интеллект в мир, его нужно сначала упаковать (защитить) от этого мира», — говорит она . Работа материаловедов сегодня — это «тихая война» с теплом, потерями и временем.
Краткосрочные и долгосрочные перспективы
В ближайшее время прогресс может выглядеть невыразительно для широкой публики. Это будут:
Однако на уровне масштабов ИИ даже несколько процентов прироста производительности за счет материалов отделяют красивое демо-видео от реального внедрения технологии в производство .
В долгосрочной перспективе Ли ожидает прорывов, которые не происходят «по расписанию»: появление работающих при нормальных условиях сверхпроводников, достижение когерентности в квантовых вычислениях и создание новых материалов, которые позволят информации вести себя иначе, чем сегодня .
Кэтрин Ли завершает свое выступление призывом к инвесторам и предпринимателям: будущее ИИ определяется не тем, что он может «надумать» внутри модели, а тем, сможет ли он выжить при контакте с физической реальностью. Эта битва за будущее будет выиграна не только в облаке, но и в лабораториях материаловедения .
