Физические пределы законов масштабирования и новый закон Мура: предельный вывод о масштабировании ИИ

Предисловие:
Законы масштабирования OpenAI в последние пять лет были библией развития ИИ: больше данных, больше вычислений, больше параметров — сильнее модели.
Но к 2025 году эта «библия» сталкивается с испытаниями.
С популяризацией моделей на триллионы параметров мы упираемся в три стены: энергетическую, данных и когнитивную.

Заканчивается ли путь масштабирования ИИ? Или мы готовим следующий скачок? В этой статье мы выводим будущее ИИ из физики, теории информации и экономики.

Глава 1: Энергетическая стена: когда ИИ «выпивает» электросеть

Сэм Альтман однажды сказал: «Будущая валюта — это вычисления, а сущность вычислений — энергия». В 2025 году это стало реальным кризисом.

1.1 Предел джоулей на токен

Состояние: обучение модели уровня GPT‑5 потребляет электричество, сопоставимое с годовым потреблением небольшого города.
Узкое место: пропускная способность энергосистем не успевает за скоростью развёртывания GPU. Многие дата‑центры держат H100 без дела, потому что не могут получить достаточную квоту электроэнергии.

1.2 Встречный рывок термоядерного синтеза и ИИ

Звучит как фантастика, но это происходит.

Helion Energy: компания по термоядерному синтезу, в которую инвестировал OpenAI, обещает обеспечить дата‑центры «безлимитной» чистой энергией к 2028 году.
ИИ, оптимизирующий синтез: алгоритмы обучения с подкреплением DeepMind успешно управляли магнитными полями плазмы в токамаках, увеличив длительность реакции на 30%.
Вывод: ИИ создаёт энергетические кризисы, но ИИ же их и решает. Это диалектика технологического развития.

Глава 2: Стена данных: когда интернет «съеден до дна»

Все высококачественные тексты, созданные человечеством (книги, статьи, код, новости), — это примерно 10–20 триллионов токенов.
К концу 2024 года передовые модели уже «выучили» эти данные один раз.
Истощение данных — главная паника 2025 года.

2.1 Спасение синтетическими данными

Если человеческих данных не хватает — пусть их создаёт ИИ.

Генерация учебных данных: мощная модель‑«учитель» (например, GPT‑5) пишет качественные задачи по физике, программированию и логике согласно учебным планам.
Self‑Play: по аналогии с AlphaZero, модель спорит сама с собой, пишет код и сама его тестирует. Через этот внутренний цикл она эволюционирует без внешних новых данных.

2.2 Снижение размерности мультимодальных данных

Хотя текст исчерпывается, видеоданные почти бесконечны.

Video‑to‑Text: будущие обучения всё больше будут опираться на видео с YouTube и TikTok. Модель «смотрит» видео и учит физические законы, поведение людей и социальный контекст — информационная плотность куда выше, чем у чистого текста.

Глава 3: Когнитивная стена: асимптота человеческого интеллекта

Можно ли просто наращивать параметры и получить AGI (Artificial General Intelligence)?
В 2025 году академическое сообщество разделилось.

3.1 Убывающая предельная полезность

Эксперименты показывают: рост от 100B к 1T параметров даёт заметный прирост, но от 1T к 10T улучшения замедляются.
Это похоже на позднюю стадию закона Мура в чипах: мы вкладываем экспоненциально растущие ресурсы, а получаем лишь линейный прирост.

3.2 Недостаток мышления «Система 2»

Современные LLM по сути — Система 1 (быстрое мышление): вероятностное предсказание на основе интуиции.
Им не хватает Системы 2 (медленного мышления) — планирования и многошагового логического вывода.

Архитектура следующего поколения: не только чистый Transformer, а LLM + Search + Planning.
Парадигма Q / AlphaZero*: внедрение дерева поиска на этапе вывода, чтобы модель «проигрывала» разные траектории в «уме» перед ответом и выбирала оптимальную. Это уже не масштабирование, а смена алгоритмической парадигмы.

Глава 4: Предельный вывод: форма кремниевого интеллекта будущего

На основе анализа выше делаем предельный вывод о форме ИИ в 2030 году:

Иерархическая интеллектуальная сеть:
- Верхний слой: несколько суперинтеллектов (на ядерной энергии, триллионы параметров, способных к «Системе 2»), отвечающих за научные открытия и стратегические решения.
- Нижний слой: бесчисленные утилитарные модели (работающие на периферии, миллиарды параметров, сверхнизкое энергопотребление), решающие повседневные задачи людей.
Симбиотическая эволюция человека и машины:
- ИИ не заменит людей, а станет их внешней корой.
- Прорывы в BCI (Brain‑Computer Interface) напрямую соединят мозг человека с облачным ИИ, увеличив пропускную способность в миллион раз.

Заключение

Законы масштабирования имеют физические пределы, но эволюция интеллекта — безгранична.
Когда мы упираемся в стену, это часто означает, что рядом открывается новая дверь.
От эпохи великих географических открытий до электрической эры, а теперь — интеллектуальной, человечество всегда находило выходы благодаря технологическим взрывам на фоне тревоги о нехватке ресурсов.
И в этот раз будет так же.

Документ подготовлен группой стратегического планирования Института передовых технологий Augmunt.