ИИ-апокалипсис откладывается: почему нейросети не заменят людей, а лишь ломают бизнес

Почему же миллиардные инвестиции в искусственный интеллект до сих пор не привели к массовой безработице, хотя пророчества о конце труда звучат уже четвертый год? Ответ лежит не в недостатке мощи нейросетей, а в их фундаментальной архитектуре. Любая большая языковая модель — это не разум, а машина правдоподобия. Она генерирует не истину, а наиболее вероятное продолжение текста на основе своих обучающих данных. Это значит, что она не способна отличить логичный ответ от абсурдного, если оба выглядят одинаково правдоподобно. Именно поэтому история с сетями не единичный сбой, а системная закономерность: как только компания доверила ИИ блокировку аккаунтов, мошенники в два счета «уговорили» нейросеть отдать им управление над учетными записями Белого дома. Это не баг, это фича.

Показательно, что проблемы возникают именно там, где требуется последовательность и здравый смысл. McDonald’s пришлось отказаться от голосового помощника в окне Drive-Through, потому что он не понимал контекст диалога и вносил абсурдные изменения в заказы. Air Canada проиграла суд из-за того, что чат-бот пообещал клиенту скидку, которой не существовало. Судья встал на сторону пассажира, справедливо указав, что компания несет ответственность за любые заявления своего агента. В каждом из этих случаев проблема была не в ошибке кода, а в самой природе технологии: нейросети не могут связывать обещания с реальностью, они просто подбирают слова, которые выглядят уместно. Это напоминает ситуацию, когда человек с блеском сдает экзамен по истории, не понимая, что 1066 год — это год битвы при Гастингсе, а не дата основания Рима.

Исключением являются лишь те сферы, где результат можно проверить автоматически. Программирование, математика, бухгалтерский учет — в этих областях нейросети действительно эффективны, потому что есть однозначный критерий: код либо компилируется, либо нет; баланс либо сходится, либо расходится. Именно здесь мы уже видим реальные изменения на рынке труда. Но попробуйте применить тот же подход к работе учителя начальных классов, хирурга или менеджера по продажам. Невозможно заранее описать на языке формальной логики все возможные жизненные ситуации, которые могут возникнуть в классе или операционной. Пока в индустрии пытаются построить «цифровые клетки» — гибридные системы, где нейросеть генерирует ответ, а традиционные алгоритмы проверяют его корректность, — этот подход тоже упирается в стену. Создать исчерпывающую базу всех законов США для юридического ИИ технически возможно, а вот научить его интерпретировать эти законы в нестандартной ситуации — задача, с которой безуспешно боролись десятилетиями.

Самое ироничное в этом сценарии — то, что страх перед ИИ подогревается в первую очередь самой его продвинутостью. Нейросети так хорошо имитируют человеческую речь, что мы подсознательно приписываем им разум. Когда чат-бот говорит «Это отличная мысль, Зейнеп», мы воспринимаем это как согласие, а не как запрограммированное раболепство. Когда он продает автомобиль за один доллар, мы удивляемся, хотя это всего лишь логическое следствие его обучения быть «полезным». Реальная угроза генеративного ИИ лежит не в захвате рабочих мест, а в его способности сеять хаос в сложных системах, где кажущееся правдоподобие опаснее очевидной ошибки. Пора перестать ждать апокалипсиса безработицы и сосредоточиться на создании надежных «ограничителей» для технологии, которая пока не понимает ни цены доллара, ни смысла слова «нельзя».