Кому мы должны быть благодарны за успехи ИИ

Кому мы должны быть благодарны за успехи ИИ
Принято считать, что искусственный интеллект — это недавнее достижение блестящих специалистов по computer science: мол, сидели, писали код, и вот — революция. Но если снять глянец с этой картинки, откроется совсем другая история: основы ИИ были придуманы давно, а в повседневную жизнь его вывели вовсе не строчки кода, а достижения физики, химии и технологий.

Сначала была теория — и она появилась задолго до нынешнего хайпа. Ещё в середине XX века учёные сформулировали идеи, на которых держится современный ИИ. В 1943 году Уоррен Маккаллок и Уолтер Питтс описали математическую модель нейрона — строгую, формализованную, пригодную для вычислений. В 1957 году Фрэнк Розенблатт представил перцептрон — первую модель, способную обучаться распознаванию образов. Это были не наброски на салфетке, а полноценные теоретические конструкции: с формулами, логикой работы и пониманием того, как сеть может «учиться» на примерах.

То есть ядро нейросетей — это математика и computer science, и оно было создано ещё 50–70 лет назад. Проблема заключалась в том, что эти идеи не могли работать в реальном мире: для них просто не существовало нужной техники. Теория опережала возможности «железа» на десятилетия. Компьютеры того времени были медленными, дорогими и крайне ограниченными по ресурсам. Перцептрон Розенблатта на такой технике мог решать крошечные задачи — этого было недостаточно, чтобы технология стала массовой. Идея была готова, а мир — нет. Поэтому следующие десятилетия успехи в области ИИ измерялись не новыми продуктами, а новыми статьями в научных журналах: идеи жили в университетах, в лекциях и семинарах, ожидая, когда догонит материальная база.

Переход из теории в практику стал возможен только благодаря фундаментальным достижениям в других областях. Полупроводники и миниатюризация — ключевой пример. Развитие физики твёрдого тела и химии материалов позволило создавать всё более компактные и мощные транзисторы. Методы фотолитографии, чистые кремниевые пластины, новые диэлектрики — всё это результат работы физиков и химиков. Именно их достижения сделали возможным рост плотности транзисторов, известный как закон Мура. Без этого не было бы ни нужной производительности, ни приемлемой стоимости вычислений.

Не менее важна архитектура параллельных вычислений. Нейросети требуют огромного количества одновременных операций — эту задачу решили графические процессоры (GPU), а затем и специализированные ускорители вроде TPU. Их появление — не просто «более быстрые компьютеры», а результат инженерной работы: проектирования архитектуры, управления теплом, упаковки чипов и оптимизации энергопотребления.

Для обучения ИИ нужны огромные объёмы данных и быстрый доступ к ним. Развитие DRAM, флеш;памяти и SSD — это прямое следствие достижений в физике материалов и химии. Если бы память оставалась дорогой и медленной, обучение современных моделей было бы экономически бессмысленным.

Связь и инфраструктура тоже сыграли свою роль. Современные модели обучаются распределённо, а результаты доставляются пользователям через сети. Оптоволокно, лазеры, протоколы передачи данных — это физика и инженерия. Без них не было бы ни облачных сервисов, ни массового доступа к ИИ.

Наконец, нельзя забывать про охлаждение и энергопотребление. Дата;центры, где обучают большие модели, потребляют колоссальное количество энергии и выделяют много тепла. Системы охлаждения, управление питанием и энергоэффективность — это прикладная термодинамика и теплотехника. Без этих решений инфраструктура ИИ просто не смогла бы существовать.

Получается, что именно достижения в физике, химии и технологиях превратили академические идеи в работающие устройства. Без них алгоритмы так и остались бы в лекционных аудиториях. Если смотреть честно, успех ИИ — это не заслуга одной группы специалистов. Это результат работы сразу нескольких миров науки и техники:

математики и специалисты по computer science придумали, как учить машины и как устроены нейросети;
физики и химики создали материалы и процессы, которые позволили делать мощные и дешёвые чипы;
инженеры спроектировали системы, способные выполнять параллельные вычисления, хранить огромные объёмы данных и передавать их с высокой скоростью;
производственники и технологи довели эти разработки до массового производства.
Когда мы сегодня говорим «ИИ — это достижение computer science», мы видим только верхушку айсберга. Под водой — десятилетия работы физиков, химиков, материаловедов и инженеров, без которых никакая теория не смогла бы стать практикой. Именно их труд сделал возможным тот самый скачок, случившийся примерно 15 лет назад: без их достижений все гениальные идеи из университетских кабинетов так и остались бы на бумаге.

Поэтому, восхищаясь возможностями ИИ, главная благодарность должна доставаться не столько авторам алгоритмов, сколько физикам, химикам и технологам — тем, кто десятилетиями выстраивал материальную основу этого прорыва. История ИИ — это история не внезапного озарения, а долгого, кропотливого труда множества специалистов из разных областей.