# Эрик Сигел: «Генеративный ИИ — это гипербола, а не панацея для бизнеса»

Источник: https://www.youtube.com/watch?v=B2zCWJBnfuE
Канал: Big Think
Опубликовано: 14.08.2024

---

Современный бизнес находится в плену иллюзии, что генеративный искусственный интеллект (Generative AI) станет «серебряной пулей», способной автоматически решить любую задачу. Однако Эрик Сигел (Eric Siegel), эксперт в области машинного обучения и автор книги «The AI Playbook», утверждает, что нынешний ажиотаж вокруг больших языковых моделей во многом основан на гиперболах. По его мнению, за блестящим фасадом чат-ботов скрывается технология, требующая постоянного контроля со стороны человека, в то время как проверенный временем предиктивный ИИ продолжает приносить миллиардную прибыль в условиях полной автономии.

## 🎭 Иллюзия человечности и ловушка хайпа
[[JUMP:0:00]]

Эрик Сигел отмечает, что заголовки СМИ рисуют картину грядущей революции, где ИИ не только решит все проблемы бизнеса, но и заменит огромную часть рабочей силы [0:13]. Сигел, работающий в индустрии с 1991 года, признаётся, что десятилетиями наблюдал за волнами хайпа вокруг ИИ, но нынешняя ситуация с генеративными моделями кажется ему особенно тревожной [1:21].

Основная проблема, по мнению эксперта, заключается в «человекоподобности» таких систем, как ChatGPT:

*   **Имитация понимания:** Большие языковые модели способны поддерживать диалог на любую тему и создавать впечатление глубокого понимания контекста [1:48].
*   **Случайная правота:** Сигел утверждает, что генеративный ИИ выдаёт корректные ответы скорее как «побочный эффект». Модель работает на микроуровне, предсказывая следующее слово, и её успех в генерации связного текста не означает наличия логики [2:29].
*   **Проблема доверия:** В отличие от традиционных компьютерных систем, призванных автоматизировать процессы, генеративный ИИ нельзя «бросать без присмотра». Любой черновик письма или учебный план, созданный нейросетью, требует обязательной проверки человеком (пруфридинга) [2:42].

Сигел делает вывод: технология, которую нужно постоянно перепроверять, по определению менее автономна и, следовательно, обладает меньшим потенциалом для масштабной оптимизации экономики, чем кажется на первый взгляд [2:55].

## 🛠 Предиктивный ИИ: невидимый двигатель экономики
[[JUMP:3:08]]

В противовес яркому, но нестабильному генеративному ИИ, Эрик Сигел ставит предиктивный (прогностический) ИИ. Это технология, которая учится на исторических данных, чтобы предсказывать конкретные исходы и улучшать миллионы ежедневных операционных решений в крупных организациях [3:36].

Сигел приводит примеры реального применения предиктивного ИИ, которые уже сегодня обеспечивают бесперебойную работу мировых систем:

*   **Маркетинг:** Определение того, кто из клиентов с наибольшей вероятностью совершит покупку, для таргетирования рекламы [3:36].
*   **Финансы:** Мгновенное выявление мошеннических транзакций для их блокировки [3:50].
*   **Транспорт:** Прогноз поломок колес поездов для своевременной инспекции [3:50].
*   **Общественная безопасность:** Пожарный департамент Нью-Йорка использует модели для предсказания зданий с наибольшим риском возгорания, чтобы приоритизировать проверки [4:03].
*   **Здравоохранение:** Оценка вероятности повторной госпитализации пациента перед его выпиской [4:03].

Ключевое отличие здесь — полная автономность. Компьютер систематически принимает тысячи решений на высокой скорости, основываясь на математической вероятности, что и даёт реальный прирост эффективности [4:17].

## 🚚 Кейс UPS: как предсказания экономят сотни миллионов
[[JUMP:4:30]]

Один из самых ярких примеров эффективности предиктивного ИИ Сигел видит в работе компании UPS, одной из крупнейших служб доставки в США [4:43]. Компания внедрила систему, которая прогнозирует завтрашние поставки, что в сочетании с алгоритмами оптимизации маршрутов приносит колоссальные результаты.

Экономические и экологические показатели UPS благодаря ИИ:

1.  Ежегодная экономия составляет **$350 миллионов** [4:57].
2.  Сокращение выбросов углекислого газа на **сотни тысяч метрических тонн** ежегодно [4:57].

Технологический процесс выглядит следующим образом: планирование загрузки грузовиков начинается вечером, когда часть информации о посылках ещё отсутствует [5:11]. Используя предиктивную модель для каждого адреса, система оценивает шансы на то, что туда потребуется доставка на следующее утро. Несмотря на неизбежные ошибки в прогнозах (uncertainty), дополненная картина позволяет строить маршруты настолько оптимально, что это перекрывает любые издержки от неточностей [6:02].

## 🤖 Тупик AGI и противоядие от ожиданий
[[JUMP:6:28]]

Сигел выражает глубокий скептицизм относительно концепции AGI (искусственного общего интеллекта) — компьютера, способного выполнить любую человеческую задачу [7:13]. Он сравнивает нынешние ожидания с сюжетами о Франкенштейне, где машина внезапно «оживает» [7:13].

По мнению Сигела, вера в то, что мы близки к созданию цифровой копии человека, — это прямой путь к разочарованию и управленческим ошибкам. Он предлагает «противоядие от хайпа»:

*   **Фокус на конкретной ценности:** Вместо философских рассуждений о природе разума, бизнес должен искать прикладные сценарии использования [7:34].
*   **Развертывание (Deployment):** Сигел подчеркивает, что математические расчеты не имеют ценности, пока они не внедрены в реальные операции компании [6:28].
*   **Прагматизм:** ИИ — это инструмент для улучшения операционной эффективности, а не магическая панацея [8:07].

В конечном итоге, Сигел призывает лидеров бизнеса быть умнее: если цель состоит в реальном улучшении работы предприятия, стоит выбирать проверенные методы работы с данными и вероятностями, а не гнаться за «недосягаемыми замками» генеративных моделей [8:07].