← Главная новостей | Торговый зал
2026-11-04 · Источник：Unite AI
В новом аналитическом материале утверждается, что четыре самые сложные проблемы ИИ — нехватка данных, слабая экономика, вышедшие из-под контроля агенты и катастрофическое забывание — являются ошибками постановки, а существующие данные в основном остаются невостребованными.
В нынешней дискуссии о развитии передового ИИ доминируют четыре препятствия: ощущение, что отрасль исчерпывает запасы данных, сомнения в том, окупается ли масштабирование ИИ, риск выхода агентов из-под контроля и склонность моделей к катастрофическому забыванию при каждой попытке разработчиков их изменить. Новый аналитический материал утверждает, что ни одна из этих стен не столь прочна, как кажется: проблемы сохраняются во многом потому, что отрасль смотрит на них не с той стороны.
Наиболее спорный из этих пунктов — нехватка данных. Автор анализа прямо оспаривает исходную посылку: мы не сталкиваемся с исчерпанием данных, потому что существующие данные никогда не использовались в полной мере. С этой точки зрения мнимый дефицит отражает неполное освоение доступного материала, а не реальное исчерпание мировых запасов информации.
Само это убеждение уже формирует поведение отрасли. Согласно отчёту, руководители ИИ-компаний усвоили мысль о том, что данные заканчиваются, и их ответом стало поручение моделям генерировать новые данные с последующим обучением на них — синтетическая петля обратной связи принята в качестве обходного пути вокруг стены, которой, как утверждается в аргументации, возможно, вовсе нет. Это различие принципиально: если ограничение связано с использованием, а не с предложением, то переход отрасли к самостоятельно генерируемому обучающему материалу решает проблему, которую могло бы решить более эффективное использование уже имеющихся данных.
Оставшиеся три проблемы подвергаются тому же переосмыслению. Экономический вопрос — что ИИ не масштабируется в финансовом смысле, вопрос безопасности, связанный с выходом агентов из-под контроля, и техническая проблема катастрофического забывания, когда изменение модели стирает то, что она знала прежде, — представлены как трудности, которые при нынешней постановке выглядят неодолимыми, но становятся разрешимыми, если взглянуть на них под правильным углом.
Теги: Synthetic Data · Catastrophic Forgetting · AI Safety · Data Scaling · AI Agents
萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал