Но в то время как глобальное исследовательское сообщество ИИ расцвело, превратившись в гибкую и открытую экосистему, один ее компонент остался довольно закрытым: это крупные корпоративные исследовательские лаборатории. Академические исследователи могут спешить поделиться своей работой со всем миром, но публичные технологические компании должны в первую очередь максимизировать прибыль своих акционеров. Это обычно ведет к тому, что такие компании меньше внимания уделяют публикациям и больше – созданию запатентованных технологий.

Из сотен компаний, вкладывающих ресурсы в исследования ИИ, вернемся к семи, которые стали новыми гигантами в этой области: Google, Facebook, Amazon, Microsoft, Baidu, Alibaba и Tencent. По сути, эти семь гигантов превратились в то, чем были 50 лет назад сами нации, – то есть большие и относительно закрытые системы, задействующие таланты своих сотрудников и ресурсы, чтобы создавать технологии «для внутреннего употребления». Но результаты корпоративных исследований все же невозможно запечатать наглухо: участники одних групп уходят, чтобы основать свои собственные стартапы в области ИИ, а некоторые другие группы, такие как Microsoft Research, Facebook AI Research и DeepMind, по-прежнему публикуют статьи о своих наиболее значимых успехах. Но все же, если в одной из этих компаний будет сделано уникальное открытие, то такую коммерческую тайну, способную принести компании огромные прибыли, будут всеми силами держать за семью замками и попытаются извлечь из нее максимально возможную выгоду до того, как она станет широко известна.

Новаторские открытия, совершаемые в замкнутых системах, представляют собой наибольшую опасность для экосистемы ИИ в мире. Их недоступность угрожает загнать Китай в тупик на его пути к глобальному лидерству в области ИИ. На сегодняшний день Китай уже опережает Соединенные Штаты в плане роста предпринимательства, накопления данных и государственной поддержки и быстро догоняет их в плане опыта и знаний. Если в течение ближайших лет технологический статус-кво сохранится, множество китайских стартапов ИИ в разных отраслях начнут стремительно набирать мощь. Благодаря глубокому обучению и другим технологиям машинного обучения они захватят десятки секторов экономики и будут пожинать плоды ее преобразования. Но если следующий масштабный прорыв произойдет в ближайшее время и в герметично закупоренной корпоративной среде, все достигнутое окажется под вопросом. Это может дать одной компании безоговорочное преимущество перед другими семью гигантами и вернуть нас к эпохе открытий, когда важность уникальных знаний вновь сместит баланс сил в пользу Соединенных Штатов.

Здесь следует пояснить, что, на мой взгляд, шансы такого прорыва внутри одного из корпоративных гигантов в ближайшие годы будут невелики. Глубокое обучение стало самым большим шагом вперед за последние 50 лет, а достижения такого масштаба редко появляются чаще одного раза в несколько десятилетий. Даже если следующий прорыв и произойдет, то, скорее всего, это случится в открытой исследовательской среде. Сейчас корпоративные гиганты вкладывают беспрецедентные ресурсы в глубокое обучение. Это говорит о большом объеме работ по тонкой настройке его алгоритмов и небольшой доле исследований, направленных на поиск инновационного решения, которое могло бы привести к смене парадигмы. Чистая наука оказывается не в состоянии конкурировать с практическим применением глубокого обучения в промышленности, так как для этого нужны большие объемы данных и соответствующие вычислительные мощности. Поэтому многие академические исследователи поддерживают призыв Джеффри Хинтона двигаться дальше и сосредоточиться на изобретении «следующего уровня глубокого обучения» – принципиально нового подхода к проблемам ИИ, способного изменить правила игры. Именно такие исследования, вероятнее всего, приведут к следующему эпохальному открытию, результаты которого обязательно будут обнародованы, чтобы весь мир мог ими воспользоваться.