Главная причина, почему проекты с искусственным интеллектом часто проваливаются, — это разные представления заинтересованных сторон о том, что ИИ может сделать. Руководство часто формирует нереалистичные ожидания относительно возможностей ИИ, основываясь на стереотипных представлениях, сформированных в массовой культуре. Такое несоответствие между видением руководства и реальными возможностями приводит к недостаточному ресурсному обеспечению проектов и, как следствие, к их провалу.
Инженеры, непосредственно занимающиеся разработкой ИИ, тоже не без греха. У ученых есть склонность «очаровываться» последними достижениями в области искусственного интеллекта и внедрять их в свои проекты без тщательной оценки потенциальной пользы. Это явление, получившее название «синдрома блестящего объекта» (shiny object syndrome), проявляется в стремлении специалистов использовать новые технологии исключительно из-за их новизны, не учитывая при этом их соответствие конкретным задачам проекта. Следование последним трендам в ИИ важно, но командам также стоит думать о том, действительно ли новые технологии решают их проблемы или только усложняют исследование и делают его более запутанными.
К дополнительным проблемам относятся: недостаток качественных данных, ограниченность вычислительных ресурсов и несоответствие возможностей ИИ поставленным задачам. Все это характерно не только для коммерческих компаний, но и для академических институтов. Часто исследователи в университетах ориентируются прежде всего на публикацию научных статей об ИИ, уделяя недостаточно внимания практическому применению своих разработок.
Исследование объясняет многочисленные слияния и банкротства в индустрии искусственного интеллекта. Глава компании Baidu Робин Ли Яньхун ранее заявил, что в Китае слишком много больших языковых моделей и подобных программ, но мало что из них приносит реальную пользу. Хотя Китай подал в шесть раз больше патентов на такие технологии, чем США, только одна китайская организация, Китайская академия наук, попала в список 20 самых цитируемых в этой области. Это говорит о разрыве между количеством исследований и их качеством.
Погоня за лидерством в гонке ИИ заставляет многие компании действовать поспешно при создании своих ИИ-проектов. Хотя риск неудачи несут только они (и их инвесторы), все же было бы разумно внимательно изучить неудачи других ИИ-проектов и их причины. В конце концов, если ИИ-проекты будут долгое время не оправдывать ожидания, вся индустрия стоимостью в триллион долларов может лопнуть, как мыльный пузырь.
