Что такое ИИ, как работают ChatGPT и подобные сервисы и почему они вызывают тревогу

Искусственный интеллект давно проник в повседневную жизнь — от рекомендаций в Spotify до диагностики рака. Но генеративные модели нового поколения подняли ставки: растёт энергопотребление дата-центров, усиливаются споры об этике, а регуляторы пытаются догнать технологию.

Генеративный ИИ не «думает» и не «понимает» — он статистически угадывает следующий токен, опираясь на паттерны из терабайтов чужих данных. И за каждым таким угадыванием стоит вполне материальная цена в киловаттах и литрах воды.

Как устроен искусственный интеллект

Термин «искусственный интеллект» звучит эффектно, но за ним стоит нечто более прозаичное: набор алгоритмов, которые позволяют компьютеру обрабатывать большие объёмы данных, находить в них закономерности и принимать решения по заданным правилам. Компьютер не способен мыслить, сопереживать или рассуждать в человеческом смысле — он выполняет математические операции.

Задача инженеров — построить систему, которая воспроизводит те аспекты человеческого познания, которые полезны для конкретной задачи. Классический пример — рекомендательные алгоритмы: система анализирует историю покупок пользователя и прогнозирует, какой товар его заинтересует. Никакого «понимания» здесь нет — корреляция в данных, поданная в нужной форме.

ИИ в том или ином виде уже встроен в массу продуктов. Siri от Apple и Alexa от Amazon распознают голосовые команды. Социальные платформы — Facebook*, TikTok, X (бывший Twitter) — используют ИИ-алгоритмы для формирования ленты. Spotify и Deezer подбирают музыку на основе прослушиваний. В медицине системы компьютерного зрения помогают выявлять опухоли на снимках и ускорять диагностику.

Генеративный ИИ: от рекомендаций к созданию контента

Последний виток ажиотажа вокруг ИИ связан не с рекомендациями и распознаванием, а с генеративными моделями — системами, которые создают новый контент: текст, изображения, код, музыку, видео.

Принцип работы ChatGPT, DeepSeek, Google Gemini и аналогичных чат-ботом основан на больших языковых моделях (LLM). Такая модель обучается на массивах текста — книгах, статьях, веб-страницах — и выучивает статистические зависимости между словами и фрагментами. Когда пользователь отправляет запрос, модель последовательно генерирует токены (словесные фрагменты), каждый раз выбирая наиболее вероятное продолжение с учётом контекста.

Важно понимать ограничения: LLM не «знают» фактов в базе данных. Они экстраполируют паттерны. Поэтому модели могут генерировать убедительно звучащую, но фактически ложную информацию — так называемые галлюцинации. Это не баг в традиционном смысле, а архитектурная особенность: система оптимизирует правдоподобие текста, а не его истинность.

Помимо текстовых моделей, существуют генераторы изображений (Midjourney, DALL-E), видео (Veo 3 от Google) и музыки. Последнее направление вызывает отдельные вопросы: песни, имитирующие стиль известных исполнителей, уже набирают миллионы просмотров и ставят слушателей в тупик относительно подлинности.

Экологическая цена: энергия и вода

Пожалуй, самая осязаемая проблема, связанная с генеративным ИИ, — его энергопотребление. Обучение одной крупной языковой модели требует вычислительных ресурсов, сопоставимых с работой небольшого предприятия на протяжении месяцев. Инференс (генерация ответов на запросы пользователей) менее затратен на единицу, но при миллионах ежедневных обращений суммарное потребление растёт экспоненциально.

За моделями стоят дата-центры — огромные залы с тысячами серверных стоек. Для питания оборудования нужны стабильные источники электричества, а для охлаждения — вода. Некоторые крупные объекты потребляют миллионы литров воды в день. BBC сообщает, что британские планы по развитию ИИ-инфраструктуры могут создать нагрузку на и без того дефицитные запасы питьевой воды в стране.

Google в сентябре 2024 года был вынужден пересмотреть планы по строительству дата-центра в Чили — стране, страдающей от затяжной засухи. Это показывает, что экологический фактор становится не абстрактной дискуссией, а вполне конкретным ограничением для индустрии.

Часть компаний инвестирует в альтернативные методы охлаждения (воздушное вместо водяного) и в системы рецилиркуляции воды. Но масштаб проблемы таков, что точечные решения пока не снимают системного противоречия: спрос на генеративные сервисы растёт быстрее, чем инфраструктура адаптируется.

Регуляторные подходы: от запретов до «мягкого» контроля

Правительства по всему миру пытаются ответить на вызовы ИИ, но делают это по-разному.

Европейский союз принял AI Act — наиболее системный на сегодня документ. Он вводит риск-ориентированный подход: системы, используемые в образовании, здравоохранении, правоохранении и на выборах, подпадают под жёсткое регулирование. Ряд применений ИИ запрещён вовсе — например, системы массового биометрического наблюдения в общественных местах.

Китай пошёл другим путем: разработчики генеративного ИИ обязаны защищать данные граждан и обеспечивать точность информации, но при этом они связаны цензурными законами страны. Результат — модели, которые корректно работают в «безопасных» темах, но замалчивают или искажают ответы на политически чувствительные запросы.

Великобритания сознательно отказалась от отдельного закона об ИИ, опасаясь, что он быстро устареет. Вместо этого британские власти адаптируют существующее законодательство: например, запретили инструменты для создания дипфейк-ню и материалов, связанных с сексуальным насилием в отношении детей. Параллельно создан независимый Институт безопасности ИИ (AI Safety Institute), который оценивает риски передовых моделей и сотрудничает с аналогичными структурами в США.

Что в итоге

ИИ — не монолитная технология, а спектр инструментов с разной степенью сложности и разными последствиями. Рекомендательные алгоритмы и распознавание речи существуют уже более десятилетия и встроены в повседневную жизнь настолько, что мы их не замечаем. Генеративные модели нового поколения — это качественно другой уровень: они создают контент, конкурирующий с человеческим, и делают это с растущей скоростью и масштабом.

Но за каждым «магическим» ответом ChatGPT стоит конкретная инженерная система со своими ограничениями. Модель не понимает контекст — она имитирует понимание. Она не проверяет факты — она предсказывает наиболее вероятную последовательность слов. И за каждым таким предсказанием стоят реальные киловатты и литры воды.

Регуляторы пока действуют в режиме догоняющей адаптации: ЕС пытается систематизировать, Китай — контролировать, Великобритания — гибко реагировать. Ни одна из моделей регулирования не выглядит исчерпывающей, и вопрос о том, как сдержать потенциальные риски генеративного ИИ без удушения инноваций, остаётся открытым.

* Meta — входит в перечень общественных объединений и религиозных организаций, в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25.07.2002 № 114-ФЗ «О противодействии экстремистской деятельности».