В долгосрочной перспективе важно, чтобы общество и индустрия выработали общий язык для описания технологий, избегая мистификации и хайпа. История показывает, что за каждым всплеском интереса следует период скепсиса, но реальные достижения остаются и становятся основой для следующего витка. Кэмпбелл призвал участников конференции критически оценивать заявления о «революционности» ИИ и помнить, что за красивыми терминами часто скрываются обычные алгоритмы. Только так можно построить устойчивую экосистему, где ИИ будет приносить пользу, а не разочарование. Будущее технологии зависит не от маркетинга, а от того, насколько честно мы будем говорить о её возможностях и ограничениях.

Сам термин «искусственный интеллект» появился в 1950-х годах, когда группа учёных использовала его для привлечения финансирования от американских военных. В то время компьютеры были электромеханическими или ламповыми, но уже тогда возникла идея, что сложные вычисления могут приносить практическую пользу. Учёным удалось создать программное обеспечение для снабжения и организации вооружённых сил США, которое успешно справлялось с задачами. Однако когда поток финансирования иссяк, наступила первая «зима искусственного интеллекта» — период разочарования и сокращения инвестиций. Таких циклов с зимами за прошедшие годы было несколько, и каждый раз они были связаны с разными технологиями, но объединяло их одно: красивая терминология, привлекавшая деньги.

В 1960-х годах Джозеф Вейценбаум создал программу ELIZA для мейнфрейма IBM 7094. Он назвал её роджерианским психотерапевтом, хотя это было явным преувеличением. Вейценбаум хотел показать, насколько легко даже примитивная программа может генерировать языковые ответы, вызывающие эмоциональную реакцию. Например, если пользователь жаловался на плохой обед, программа просила: «Итак, расскажите, насколько плох был ваш обед». К удивлению автора, его секретарша не могла оторваться от Элизы, а люди часами сидели с программой, ощущая, что их слушают. Этот эксперимент продемонстрировал, насколько люди восприимчивы к иллюзии интеллекта, даже когда понимают, что общаются с машиной.

Человеческий мозг буквально устроен так, чтобы видеть интеллект повсюду. В древности это давало эволюционное преимущество: умение приписывать разум добыче помогало предугадывать её поведение и успешно охотиться. Другая особенность — парейдолия, способность мгновенно распознавать лица. В африканской саванне тот, кто первым замечал морду льва, первым убегал и выживал, оставляя потомство. Поэтому мы видим лица в облаках, на фасадах зданий и даже в решётке радиатора автомобиля. Современные продукты часто специально проектируются так, чтобы в них угадывались лица, — это эксплуатирует нашу врождённую склонность. Некоторые компании сознательно используют эту слабость, создавая вокруг своих продуктов ореол разумности, которой в них нет.

В массовое сознание термин «искусственный интеллект» вошёл через кино. В 1968 году Стэнли Кубрик в «Космической одиссее 2001 года» показал компьютер HAL 9000, который пытается убить экипаж. Этот сюжет повторялся в «Терминаторе» в 1980-х, в «Альтроне» в 2010-х, а современные студенты Кэмпбелла на просьбу назвать ИИ вспоминают Д.Ж.А.Р.В.И.С. из «Мстителей». Научная фантастика настолько заразила общественное сознание, что люди уверены: они знают, что такое ИИ, потому что видели его в кино. Это проблема, поскольку после десятилетий неправильного употребления термина мы сталкиваемся с последствиями — нереалистичными ожиданиями и непониманием реальных возможностей технологий.

Сейчас мы переживаем четвёртую или пятую волну технологий, продаваемых под видом ИИ, которую принято называть генеративным ИИ. Ключевой фигурой этой волны стал Джеффри Хинтон — британский учёный, работавший в Университете Торонто. В 1970-х он защитил докторскую по ИИ, в 1980-х участвовал в создании софта для распознавания рукописного текста. Его ранние нейросети показывали неплохие результаты, но в очень ограниченных областях. Хинтон предлагал строить более глубокие нейросети, что позже привело к революции в машинном обучении. Однако даже современные генеративные модели, по сути, остаются сложными алгоритмами, которые не обладают настоящим пониманием или сознанием.

Для российского рынка ИИ эта история особенно актуальна. В России наблюдается рост интереса к генеративным моделям, но часто он сопровождается завышенными ожиданиями и некритичным восприятием маркетинговых обещаний. Разработчики и бизнес могут извлечь урок из циклов хайпа: важно сосредоточиться на реальных применениях, а не на громких заявлениях. Российские компании, такие как Яндекс и Сбер, активно инвестируют в ИИ, но им следует учитывать, что устойчивый успех приходит только при честной оценке возможностей технологий и избегании мистификации. Это поможет избежать повторения ошибок прошлых «зим ИИ», когда разочарование приводило к сокращению финансирования и замедлению прогресса. Кэмпбелл подчёркивает, что важно сохранять критическое мышление и не поддаваться хайпу. История учит: за каждым всплеском интереса следует период скепсиса, но реальные достижения остаются и становятся основой для следующего витка. Чтобы построить устойчивую экосистему ИИ, нужно честно говорить о возможностях и ограничениях технологий, избегая мистификации. Только тогда ИИ будет приносить реальную пользу, а не разочарование, и будущее технологии будет определяться не маркетингом, а реальными инженерными решениями.