Исследование: Восемь из десяти проектов, связанных с ИИ, терпят неудачу, сжигая миллиарды финансирования

OpenAI, стартап стоимостью в миллиарды долларов, который запустил революцию в области генеративного ИИ с помощью ChatGPT, по прогнозам, понесет убытки в размере $5 миллиардов в 2024 году. Несмотря на эту негативную цифру, недавно сообщалось, что компания ведет переговоры о привлечении дополнительных средств, причем ее оценка может достичь $100 миллиардов после вливания $1 миллиарда.

Стоит учесть, что это лишь одна компания, занимающаяся обучением своих ИИ-моделей, и многие другие испытывают такие же финансовые трудности. Искусственный интеллект продолжает оставаться самым горячим трендом в технологической отрасли, но при этом он крайне нестабилен и может быстро поглотить огромные суммы денег. Панель ученых и инженеров оценила, что 80% этих проектов терпят неудачу, и выделила причины этого, а также предложила некоторые решения.

Американский некоммерческий глобальный аналитический центр, исследовательский институт и консалтинговая фирма в государственном секторе RAND Corporation выделила пять причин, по которым 8 из 10 проектов, связанных с ИИ, терпят крах. Первая и самая важная причина заключается в том, что "участники отрасли" неправильно понимают, какую проблему необходимо решить с помощью ИИ. Другой причиной провалов считается недостаток данных, необходимых для эффективного обучения ИИ-модели, что приводит к искажениям в результатах и отталкивает пользователей от платформы.

Существуют и другие проблемы, такие как недостаточная инфраструктура, которая ускоряет неудачи ИИ-проектов, а также ситуация, когда основатели компаний больше сосредоточены на демонстрации технологического превосходства над конкурентами, нежели на предоставлении ценности пользователям.

Одним из решений аналитики считают инвестирование в инфраструктуру, так как сосредоточение на этой области не только сокращает время, необходимое для завершения обучения ИИ-модели, но и может представить одно важное преимущество — наличие высококачественных данных для эффективного обучения других ИИ-моделей. Основатели также должны понимать, что искусственный интеллект — это не панацея, и у него есть свои ограничения. Это не истинный ИИ, а лишь генеративные модели.

Хотя эффективное обучение ИИ-модели может привести к созданию более мощного продукта, ChatGPT служит примером того, что даже при обучении на терабайтах данных он может давать некорректные результаты.

Больше подробностей, проблем и решений можно найти в полноценном отчете.