Это эпоха искусственного интеллекта, полная парадоксов — парадокс прогнозирования, парадокс количественной оценки занятости, парадокс производительности, парадокс ценности данных, парадокс промышленной революции... Мы движемся вперед в окружении парадоксов.
Парадокс прогнозирования
Что касается будущего искусственного интеллекта, люди, кажется, никогда не могут точно его предсказать, будь то лауреаты премии Тьюринга, нобелевские лауреаты, предприниматели или стартаперы. Они всегда делают либо нереалистичные, либо излишне консервативные прогнозы. Это и есть парадокс прогнозирования в области искусственного интеллекта.
Исторически пионеры в этой области, такие как Марвин Мински, Аллен Ньюэлл и Герберт Саймон, делали прогнозы, которые сейчас кажутся невероятными. Например, в 1970 году Марвин Мински заявил: «В течение трех-восьми лет мы получим машину со средним человеческим интеллектом». До сих пор мы продолжаем работать над этой целью.
Джеффри Хинтон — одна из самых влиятельных фигур нашего времени, его называют «крестным отцом ИИ». В 2016 году он сделал прогноз: «Обучение рентгенологов следует немедленно прекратить. Очевидно, что в течение пяти лет глубокое обучение превзойдет рентгенологов». Это не сбылось, реальность пошла в противоположном направлении: за последнее десятилетие количество и доходы рентгенологов в США значительно выросли.
Демис Хассабис по своему статусу сравним с Хинтоном. Он заявил (2025): «В ближайшие десять лет или около того ИИ может помочь излечить все болезни». Как самый успешный предприниматель в области ИИ, Сама Алтман (2025) считает, что ИИ сможет удвоить продолжительность жизни человека за 5-10 лет. Что касается ближайших предсказаний, время покажет.
Это прогнозы шести самых известных личностей. Если говорить о темах, то в настоящее время наибольший интерес вызывает ИИ общего назначения (AGI). Суждения предпринимателей и ученых о сроках реализации AGI демонстрируют явный раскол. Предприниматели настроены радикально-оптимистично, некоторые даже считают, что AGI скоро станет реальностью. Основные категории: 1) уже наступил (мы находимся в нем, но не осознаем этого), 2) наступит совсем скоро (год-два), 3) наступит в краткосрочной перспективе (три-пять лет), 4) наступит в долгосрочной перспективе (пять-десять лет или даже больше). Некоторые из этих суждений уже опровергнуты, другие еще требуют проверки временем, как показано в таблице ниже. Суждения ученых в основном пессимистичны, некоторые даже считают AGI ложной целью, которая никогда не будет достигнута. Например, Ирис ван Ройк указала (2024): «Создание AGI с человеческим уровнем познавательных способностей невозможно».
Таблица: Прогнозы генеральных директоров известных компаний в области ИИ относительно сроков наступления AGI. Источник: Tencent Research Institute, май 2026 г.
Люди любят делать прогнозы. Одни — для пиара и поднятия собственного духа, другие — для научных статей и проектов, третьи — просто ради споров. На самом деле, никто не знает, каким будет будущее. Будущее не следует заданному сценарию, оно определяется выбором и действиями множества людей, формируется радикальным разрывом с прошлым и полно совпадений и парадоксов. Подобно спокойно живущей свинье, невозможно предсказать черного лебедя на Новый год.
Парадокс количественной оценки занятости
Влияние технологий на занятость — это признанная наука, но также и некая метафизика. Это древняя тема, словно призрак, блуждающий уже сотни лет. Она известна каждому, о ней могут беседовать и учёные мужи, и простые люди. Её нижний предел крайне низок, а верхний — высок, люди спорят без конца, выдвигая различные мнения. В последние годы ученые и организации перешли к «разговору на языке данных», пытаясь с помощью кажущегося научным, строгим и продвинутым метода доказать свою проницательность. Международные организации, такие как ОЭСР, МВФ, Всемирный экономический форум, ЮНКТАД, Международная организация труда, Всемирный банк, а также консалтинговые компании, такие как Goldman Sachs, McKinsey, Pew Research Center, выпустили отчеты с оценками влияния ИИ на занятость. Как показано в таблице ниже.
Таблица: Некоторые результаты количественных оценок влияния ИИ на занятость
Каждый отдельный отчет достаточно весом, даже считается непререкаемым авторитетом. Но если посмотреть на все эти отчеты вместе, то обнаруживается, что результаты расчетов сильно различаются, примерно в диапазоне от 0,4% до 67%, и практически несопоставимы. Это отрезвляет.
Необходимым условием для количественной оценки занятости является способность точно уловить пульс технологического развития. Как упоминалось ранее, даже технологические лидеры не могут точно предсказать будущее развитие технологий ИИ, так как же экономисты могут количественно оценить влияние ИИ на занятость? Приходится предполагать, что технологии статичны или развиваются с заданной скоростью, однако реальность выглядит иначе. С другой стороны, ИИ не является независимым фактором влияния; экономические циклы, промышленная экономика, технологическое развитие, демографическая структура, предпочтения в занятости, политика занятости, глобализация, чрезвычайные события и другие факторы совместно влияют на занятость. Они взаимосвязаны и взаимодействуют, невозможно чисто вычленить из них влияние ИИ. В этом смысле количественная оценка влияния ИИ на занятость является парадоксом.
Парадокс производительности
Искусственный интеллект — это новая технология общего назначения, обладающая характеристиками универсальной применимости, постоянного совершенствования и стимулирования инноваций, являясь двигателем будущего экономического роста. Термин «искусственный интеллект» существует уже 70 лет, революция в машинном обучении — 14 лет, нынешний бум ИИ стремительно набирает обороты: от больших языковых моделей и мультимодальности до мировых моделей, агентов и физического ИИ — волны инноваций следуют одна за другой, непрерывно появляясь. Однако темпы роста производительности труда не ускорились заметно, более того, наблюдается кризис производительности (Rogers, 2024).
С момента выпуска ChatGPT темпы роста производительности труда в час в ЕС колебались около 0%, в первом квартале этого года рост составил 0,1%. За 14 кварталов с четвертого квартала 2022 года по первый квартал 2026 года лишь в 3 кварталах темпы роста производительности превышали долгосрочный средний уровень с 1999 года (1,0%), как показано на рисунке ниже. Рост в США был сильным: с четвертого квартала 2022 года по второй квартал 2026 года среднегодовой рост производительности труда в несельскохозяйственном корпоративном секторе составил 2,2%, что является выдающимся показателем среди западных стран, но это лишь соответствует долгосрочному среднему уровню с 1948 года (источник: Бюро трудовой статистики США).
Рисунок: Темпы роста производительности труда в ЕС в последние годы (источник: Евростат)
Такое одновременное существование ситуации «стремительного технологического прогресса и разочаровывающего роста производительности» и есть парадокс производительности. Он появляется не впервые. Лауреат Нобелевской премии по экономике Роберт Солоу в 1987 году написал: «You can see the computer age everywhere but in the productivity statistics (Эпоху компьютеров можно увидеть повсюду, но только не в статистике производительности)». Это считается классическим выражением «парадокса производительности» или «парадокса Солоу».
Существует три основных объяснения парадокса производительности: ошибочные ожидания, погрешности измерений и временной лаг. Бринйольфссон считает (2017), что объяснение временным лагом наиболее убедительно и является основной причиной парадокса производительности, и обобщает эффект запаздывания влияния технологий общего назначения на производительность как «J-образную кривую». Технологии общего назначения должны пройти через множество вторичных инноваций, комплементарных инноваций и организационных изменений, прежде чем оказать существенное влияние на производительность. Исторически паровой двигатель, электрогенератор и компьютер начали заметно повышать производительность через 118, 91 и 49 лет после изобретения и через 54, 40 и 21 год после коммерциализации соответственно. Таким образом, в долгосрочной перспективе парадокс производительности не является парадоксом как таковым. Для того чтобы ИИ начал явно повышать производительность, потребуется время.
Парадокс ценности данных
Данные — это пища для ИИ, они должны быть объемными и качественными, объем — до бездонной пропасти, качество — «мусор на входе, мусор на выходе (GIGO)», или, иначе говоря, данные бывают «благородными» и «грязными». Данные определяют верхний предел возможностей ИИ, их часто называют «новой нефтью» (Клайв Хамби, 2006) и «самым ценным ресурсом в мире» (The Economist, 2017), «столь же важными, как энергетические и материальные ресурсы» (документ двух центральных комитетов КПК и Госсовета КНР 2004 года). Потребительская стоимость данных чрезвычайно велика, но в отличие от обычных товаров они не обладают меновой, денежной стоимостью. Как сказал Ли Гоцзе (2025): «Ценность данных определяется только в процессе их использования».
ОЭСР (2024) проанализировала политические документы по данным в 46 странах и обнаружила, что контекст, в котором «данные» упоминаются в политике, в порядке убывания частоты выглядит следующим образом: инновации, доверие, общество, открытость рынков, использование, занятость и доступ. Внимание не уделяется «торговле». Чэнь Чаншэн (2023) отмечал: «Биржи данных растут как грибы после дождя, но „торговля“ на биржах данных развивается не очень хорошо», «На фоне волны создания рынков данных, поднявшейся в разных местах, следует остерегаться формирования поведенческой установки „только данные, купленные и проданные через торговлю, являются пригодными к использованию“».
Плотность ценности данных низка, их сложно монетизировать, их доля в балансовых отчетах ничтожно мала, практически пренебрежима. Согласно последним данным Шанхайского института перспективных финансовых исследований Шанхайского транспортного университета, 136 китайских компаний, котирующихся на бирже, раскрыли информацию о включении ресурсов данных в баланс, общая сумма включения составила 3,786 млрд юаней. Исходя из этого, первые составляют лишь 2,5% от количества компаний, котирующихся на бирже A в Китае, а вторые — всего 0,3% от масштаба ключевой индустрии искусственного интеллекта в Китае.
Три крупнейших телекоммуникационных оператора доминируют по масштабу включения в баланс, в 2025 году совокупная сумма включения составила 2,1 млрд юаней, что составляет 55,46% от общей суммы включения компаний, котирующихся на бирже. Однако эти ресурсы данных составляют лишь около 0,06% от общей стоимости активов компаний, что незначительно. Как показано в таблице ниже.
Таблица: Сумма включения ресурсов данных в баланс трех крупных операторов и их доля (31.12.2025). Источник данных: составлено на основе консолидированных балансов в финансовых отчетах.
Парадокс промышленной революции
С началом каждой технологической волны всегда находятся те, кто сравнивает её с паровым двигателем, электричеством или компьютером и с восторгом восклицает: «Это вызовет четвертую промышленную революцию!» Это явление существует по крайней мере полвека: ранние примеры — микроэлектроника (1984), компьютеры (1988), нанотехнологии (1994), интернет (2000), альтернативная энергетика (2010), киберфизические системы (2014). В последние десять лет это стало происходить всё чаще: большие данные (2016), искусственный интеллект (2016), интернет вещей (2016), промышленный интернет (2017), блокчейн (2017), квантовые вычисления (2018) и интеллектуальное производство (2021) — всем им приписывалась миссия четвертой промышленной революции. Как показано на рисунке ниже.
Рисунок: Распределение количества статей в китайской базе данных CNKI, в названиях которых фигурируют «четвертая промышленная революция» и т.п. Примечание: Критерий отбора — статьи, в названиях которых содержатся «третья промышленная революция», «третья промышленная революция», «четвертая промышленная революция» и «четвертая промышленная революция». Относительно нынешней революции некоторые считают её третьей, другие — четвертой; кроме того, термины «промышленная революция» и «промышленная революция» в английском языке являются одним и тем же словосочетанием «Industrial Revolution». Поэтому в данной статье строгого разграничения не проводится.
В СМИ мы почти постоянно переживаем четвертую промышленную революцию. Технологии, вызывающие эту революцию, всегда «новые листья в лесу сменяют старые, волны в потоке сменяют предыдущие», по предварительным подсчетам их насчитывается не менее 20. Появление каждой новой технологии и приписывание ей огромного значения четвертой промышленной революции, кажется, означает, что предыдущие были ошибочными. В настоящее время широко распространено мнение, что ИИ и есть четвертая промышленная революция. Демис Хассабис (2026) даже заявил: «Масштаб и скорость AGI могут быть в 10 раз больше, чем у промышленной революции». В Китае также есть предприниматели, которые рассматривают ИИ как последнюю технологическую революцию в человеческом обществе. ИИ доказал ошибочность прошлого, но как доказать сам ИИ?
Мы не можем спорить, подчеркнем два момента. Во-первых, промышленная революция и экономический кризис не могут происходить одновременно. Во-вторых, прошлые промышленные революции не были осознанными заранее, это нарратив постфактум, люди, находившиеся в их эпицентре, не знали, что переживают промышленную революцию. Спустя 40 лет после окончания Первой промышленной революции (1760-е — 1840-е годы) термин «Industrial Revolution» стал известен широкой публике благодаря усилиям Арнольда Тойнби. Спустя 40 лет после окончания Второй промышленной революции (1870-е — 1914 годы) экономисты начали использовать термин «Second Industrial Revolution», а через 55 лет после её окончания Дэвид Ландес в книге «The Unbound Prometheus» (1969) стандартизировал его академическое определение. По поводу Третьей промышленной революции единого мнения нет: Джереми Рифкин (2011) считает, что её тема — это конвергенция интернета и возобновляемых источников энергии; The Economist (2012) считает, что это цифровизация производства; Эрик Бриньолфссон и Эндрю Макафи (2011) считают, что Третью промышленную революцию двигают компьютеры и сети. Будем надеяться, что в этот раз всё будет иначе.
Статья из WeChat-аккаунта «Tencent Research Institute» (ID: cyberlawrc), автор: Янь Дэли
