Долгое время в технологическом сообществе существовало убеждение, что путь к AGI прост: больше данных, более мощное оборудование и крупные инвестиции. Однако опрос выявил неожиданное препятствие.

Стюарт Рассел ( Stuart J. Russell), известный ученый из Калифорнийского университета в Беркли, прокомментировал ситуацию: "После выхода GPT-4 стало очевидно, что дальнейшее масштабирование приносит лишь минимальные улучшения, при этом затраты растут экспоненциально". По его словам, компании, вложившие огромные средства, пока не готовы публично признать, что выбранный подход оказался неэффективным.

Причина кризиса, как объясняют эксперты, кроется в самой архитектуре современных нейронных сетей. Большие языковые модели, несмотря на впечатляющие результаты, сталкиваются с фундаментальными ограничениями: они не способны полноценно представлять сложные концепции и требуют колоссальных ресурсов.

Среди перспективных направлений специалисты выделяют интеграцию различных подходов машинного обучения и развитие вероятностного программирования. Эти методы обещают преодолеть ограничения текущих моделей, сделав ИИ не только мощнее, но и ближе к человеческому мышлению.

 "Мы стоим на пороге новой эры в развитии искусственного интеллекта, где качество идей важнее количества ресурсов", — отметил один из участников опроса.