State of AI at the beginning of 2025 (English, Russian)

Introduction GPT translation of original post https://t.me/spydell_finance/6819 from Russian with some edition. I've been watching him intermittently for about a decade. He primarily conducts financial analyses for the S&P 500 and the Russian Index. He gathers raw data from the companies as they publish it on stock exchanges, then normalizes, visualizes, and analyzes it. His predictions about future events aren't always accurate, but that's not important to us. You can think of this email as a reflection of the state of AI at the beginning of 2025. It echoes what I've heard from others.

Summary

The long-term success of the Spydell_finance project is closely tied to the development and implementation of AI on both global and local scales. The concept of technological singularity, where AI growth surpasses human adaptability, is increasingly viewed as a plausible scenario. AI’s capacity for self-learning and error correction drives exponential advancement, often exceeding human abilities by significant margins. Even in its current limited state, AI and AGI outperform most of humanity in cognitive tasks, with only a small percentage (2-10%) demonstrating advanced intellectual capabilities. As AGI continues to evolve, it may eventually surpass 99% of humans in intelligence. Although AGI still exhibits weaknesses, such as hallucinations, inconsistent reasoning, and shallow contextual understanding, these issues are expected to lessen over time.

AI's core strengths lie in its superior information processing speed, rapid learning, extensive memory, adaptability, reliability, and scalability. These factors, combined with advancements in algorithms, computational power, and dataset expansion, will lead to significant breakthroughs. While AGI's widespread economic and industrial influence remains on the horizon, its potential to transform science, technology, and the economy is undeniable. Currently, AGI models are limited to niche tasks such as programming, translation, and mathematics. In the Spydell_finance project, attempts to integrate AGI into research and analytics have been unsuccessful due to inefficiencies in handling complex tasks requiring precision. Although the initial AGI implementation was not successful, there is optimism about its long-term potential, with future phases planned as AGI matures.

AI agents, despite heavy promotion, resemble enhanced automation tools similar to Excel VBA macros that have existed for decades. However, AI’s long-term potential is clear, with future advancements expected to gradually expand its capabilities and influence. In 2024, OpenAI introduced reasoning models with logical chains, marking a significant AI breakthrough. Tools like o1 PRO, which cost $$$200 per month, have demonstrated problem-solving abilities comparable to top scientists. Spydell experienced this firsthand when o1 PRO helped solve a PhD-level problem that had troubled me for years, highlighting AGI's potential to replace lower and mid-level researchers.

Developing proprietary neural networks has proven impractical due to high entry barriers and costs, making competition with AI giants like OpenAI and others unrealistic. Therefore, the project will integrate AI solutions from these established providers, using a mix of open and proprietary systems for optimal results. AI will primarily automate data processes in the Spydell_finance project, enhancing efficiency and analytical capabilities, especially with unstructured datasets. AGI also offers opportunities to solve scientific problems by integrating information-analytical systems, positioning it as a transformative force.

Despite uncertainties about AI's economic impact, its potential to reshape industries and increase resource inequality is clear. AI's ability to concentrate technology, capital, and knowledge among a few key players may lead to greater polarization. The project's future will heavily depend on AGI advancements, with further implementation phases expected as the technology evolves. While the ultimate outcome of AGI development is unpredictable, I am convinced of its transformative potential.

Введение GPT перевод оригинального поста https://t.me/spydell_finance/6819 с некоторыми изменениями. Я наблюдаю за ним с перерывами около десяти лет. Он в основном занимается финансовым анализом для S&P 500 и Российского индекса. Он собирает сырые данные от компаний, когда они публикуют их на фондовых биржах, затем нормализует, визуализирует и анализирует их. Его прогнозы о будущих событиях не всегда точны, но это не важно для нас. Вы можете рассматривать это письмо как отражение состояния ИИ в начале 2025 года. Оно перекликается с тем, что я слышал от других.

Краткое содержание:

Долгосрочный успех проекта Spydell_finance тесно связан с развитием и внедрением ИИ как на глобальном, так и на локальном уровнях. Концепция технологической сингулярности, при которой рост ИИ превосходит адаптивные способности человека, все чаще рассматривается как вероятный сценарий. Способность ИИ к самообучению и исправлению ошибок приводит к экспоненциальному развитию, часто превосходящему человеческие способности на значительные величины. Даже в своем текущем ограниченном состоянии ИИ и AGI превосходят большинство человечества в когнитивных задачах, и только небольшой процент (2-10%) демонстрирует продвинутые интеллектуальные способности. По мере развития AGI он может в конечном итоге превзойти 99% людей по уровню интеллекта. Хотя AGI все еще проявляет слабости, такие как галлюцинации, непоследовательное рассуждение и поверхностное понимание контекста, ожидается, что эти проблемы со временем уменьшатся.

Основные сильные стороны ИИ заключаются в его превосходной скорости обработки информации, быстром обучении, обширной памяти, адаптивности, надежности и масштабируемости. Эти факторы, в сочетании с достижениями в алгоритмах, вычислительных мощностях и расширении наборов данных, приведут к значительным прорывам. Хотя широкое экономическое и промышленное влияние AGI пока остается на горизонте, его потенциал для трансформации науки, технологий и экономики неоспорим. В настоящее время модели AGI ограничены нишевыми задачами, такими как программирование, перевод и математика. В проекте Spydell_finance попытки интеграции AGI в исследования и аналитику оказались неуспешными из-за неэффективности в обработке сложных задач, требующих точности. Хотя первоначальная реализация AGI не была успешной, существует оптимизм относительно его долгосрочного потенциала, с планами на будущие этапы по мере созревания AGI.

Агенты ИИ, несмотря на активное продвижение, напоминают усовершенствованные инструменты автоматизации, подобные макросам Excel VBA, которые существуют уже десятилетия. Однако долгосрочный потенциал ИИ ясен, и ожидается, что будущие достижения постепенно расширят его возможности и влияние. В 2024 году OpenAI представила модели рассуждений с логическими цепочками, что стало значительным прорывом в области ИИ. Инструменты, такие как o1 PRO, стоимостью $$$200 в месяц, продемонстрировали способности к решению проблем, сопоставимые с ведущими учеными. Spydell испытал это на собственном опыте, когда o1 PRO помог решить проблему уровня PhD, которая беспокоила меня в течение многих лет, подчеркивая потенциал AGI заменить исследователей низкого и среднего уровня.

Разработка собственных нейронных сетей оказалась непрактичной из-за высоких барьеров для входа и затрат, что делает конкуренцию с гигантами ИИ, такими как OpenAI и другими, нереалистичной. Поэтому проект будет интегрировать решения ИИ от этих признанных поставщиков, используя сочетание открытых и проприетарных систем для достижения оптимальных результатов. ИИ будет в первую очередь автоматизировать процессы обработки данных в проекте Spydell_finance, повышая эффективность и аналитические возможности, особенно с неструктурированными наборами данных. AGI также предлагает возможности для решения научных проблем путем интеграции информационно-аналитических систем, позиционируя его как трансформирующую силу.

Несмотря на неопределенности относительно экономического влияния ИИ, его потенциал для изменения отраслей и увеличения неравенства в распределении ресурсов очевиден. Способность ИИ концентрировать технологии, капитал и знания в руках нескольких ключевых игроков может привести к большей поляризации. Будущее проекта будет сильно зависеть от достижений AGI, с ожидаемыми дальнейшими этапами реализации по мере развития технологии. Хотя конечный результат развития AGI непредсказуем, я убежден в его трансформирующем потенциале.

Ниже есть продолжение.

The long-term development prospects of the Spydell_finance project are inextricably linked to the pace of AI development and implementation on both global and local levels. Technological singularity in the context of AI is not a concept from science fiction but a scenario where the rate of AI evolution surpasses humanity’s ability to adapt to AI’s transformative capabilities, leading to unpredictable consequences.

One of the key characteristics of the movement toward singularity is AI's ability to self-regulate and self-learn – that is, to correct its own errors and improve based on accumulated experience. From that point onward, exponential growth in AI capabilities begins immediately due to AI's reliance on vast amounts of data and computational clusters, far surpassing the world's best scientific teams by several orders of magnitude.

At the same time, I am not inclined to underestimate even the current (rather limited) capabilities of AI and AGI, as many operate under the unfounded hypothesis of the human brain’s inherent superiority over machine intelligence.

Abilities for:
• Creative and multidirectional abstract thinking,
• Building complex multidimensional structures and hierarchical connections,
• Understanding cause-and-effect relationships and logical chains,
• Cognitive flexibility and the ability to grasp new information and learn from experience,
• Interpreting ambiguous contexts and distinguishing truth from falsehood,
• Effectively balancing probabilities based on information analysis,
• Planning and forecasting based on the analysis of experience and current information, and much more.

Only 2-5% of the human population (up to 7-10% in wealthy, educated, developed countries) possesses these abilities in whole or in part, in varying proportions. This means that from the perspective of modern AI capabilities, the remaining majority are quite unintelligent—bordering on absolute ignorance.

By the most conservative estimates, even the current weak versions of AGI surpass 95% of humanity in terms of cognitive abilities. Given the slow pace of human brain development (by AI standards), what will happen if, in the near future (a rather close horizon, considering the pace of AI development), modern AGI models surpass 99% of humanity in terms of cognitive abilities?

AGI undoubtedly has weaknesses: continuous hallucinations, blending of truth and fiction, inability to establish and modulate cause-and-effect relationships, difficulties in grasping nuances and hidden context, superficial understanding of complex situations, inconsistencies in reasoning, problems with transferring knowledge from one domain to another, and so on. However, focusing on these problems is only valid if we assume as an axiom that further AGI evolution has stopped – which is far from the case. On the contrary, development is at the lowest point of a parabolic takeoff.

The key advantages of AI over humans are:
• Incomparably higher information processing speed,
• Learning speed that can be tens or even hundreds of thousands of times faster than that of a human (a few minutes or hours vs. 5-20 years for humans),
• Memory that spans massive indexed datasets vs. human forgetfulness, which necessitates constant revisiting of initial points to recall forgotten information, lowering overall productivity,
• Rapid adaptation to changes,
• Consistent performance unlike humans, who are affected by emotional, physical, and biological cycles,
• Scalability (the ability to be quickly copied, distributed, and deployed).
It is clear that the evolution of AGI algorithms (1) + increasing computational power (2) + training on ever-larger datasets (3) will lead to remarkable breakthroughs in the long run – it is only a matter of time. Yes, there are issues with data quality and error correction, but these are solvable over time. The fundamental advantages remain with AI/AGI, and there is no doubt about it.

In the near future, AGI will reach a sufficient level of maturity to begin having a significant impact on scientific and technological progress as well as the economy. Current AGI models are still poorly suited for applied tasks and commercial/business projects, apart from generating media scams and limited applications in specialized areas (such as solving programming problems, certain mathematical tasks, real-time translation, etc.).

There is still much work to be done and considerable time required before AGI becomes a substantial factor in the economy, finance, and transformative technologies that redefine industries. It is important to recognize that the pace of change is so rapid that the current snapshot of AGI’s problems may become irrelevant in six months or even one month, as innovations, modifications, and new versions are implemented and adapted.

AGI possesses a unique characteristic – when trained on extremely large datasets, non-linear progress in learning efficiency occurs (a non-linear increase in performance and the unpredictable emergence of new capabilities). This enhances contextual understanding and drives improvements in reasoning abilities, further accelerating AGI’s development.

This is why progress in AGI development remains unpredictable.

For the past two years, I have closely followed all advancements in the AI sector, using, testing, and adapting cutting-edge models and solutions (o1 pro, Claude 3.5 Sonnet, Gemini 2.0 Flash, Amazon Nova Pro, Llama 3.3, Mistral Large, Grok, Qwen 2.5).

What can be observed about AI progress over the past year?

• Progress in 2024 has not been as significant as in 2023 in terms of analysis quality. With each passing year, the "qualitative leap" becomes less pronounced due to the base effect, while the cost of progress continues to rise.
• Context windows have expanded significantly over the year.
• Model functionality within user interfaces and interaction tools has greatly expanded (e.g., "Canvas," "Projects," and "Search" in ChatGPT).
• Model accuracy and stability have improved.
• The emergence of reasoning models has marked an important development.
At the same time, models are still fundamentally unsuitable for precise calculations and analytics, consistently producing unstable ranges of answers/solutions instead of identical results.
I actively tried to implement AGI in my research and analytical projects from January to March 2024, but with no success – a complete failure due to the fact that verifying and controlling the results requires disproportionately more resources than any potential benefit from AGI.

It’s simpler to continue doing everything the old way (myself, using accumulated experience and methods), as AGI integration creates more problems and drains resources rather than enhancing productivity or providing new opportunities.

Despite the failed experience, I still believe – and am absolutely convinced – that the future belongs to AI.

However, one shouldn’t place too much hope in AI agents (at least in their early stages), which were heavily promoted throughout 2024. They are essentially just improved Excel VBA macros, a technology that has existed for over 30 years.

The real purpose of AI agents is to automate routine tasks within narrowly specialized domains. It’s a rather primitive tool – not the revolutionary technology that will change humanity. In the long run, AI agents will handle a broader range of tasks and create room for maneuver, which will indeed be interesting – but that’s still far off.

Far more intriguing than AI scripts disguised as agents are the reasoning models with logical chains that OpenAI first introduced in early fall 2024.

This impressed me far more than all the previous innovations over the past year. It paves the way for significant progress in solving complex problems and, in the long run, replacing low- and mid-level researchers with reasoning AI modules that will continue to evolve and improve.

The latest iteration of o1 PRO in mid-December (priced at $$$200 per month) is already on par with top-tier scientists in many areas – I saw this firsthand when it helped solve a problem I had been struggling with for a couple of years.

And this happened just three months after the initial rollout? The release of the more powerful o3 is coming in early 2025.

From the perspective of AI development, I have no doubt that many innovations lie ahead, poised to reshape the informational and technological landscape. All of my “criticism” throughout 2024 regarding AI has not been about AI’s progress but rather the overvalued market capitalizations of major AI providers and the potential economic impact, which is far less clear at the macro level.

AI has the potential to drive greater polarization and more uneven resource distribution than any other technology. As a result, AI is more likely to increase inequality, leading to a hyper-concentration of resources, technology, and capital in the hands of a few key players who manage to implement these technologies most successfully – Nvidia being a prime example.

As for the long-term development prospects of the Spydell_finance project, there is complete clarity – everything will move toward maximum automation and efficiency. The integration of AI in general, and AGI in particular, remains the top priority.

Despite the fact that the first phase of AGI implementation was unsuccessful (with the applied effect close to zero, or even negative), I believe in the long-term potential of this technology and am convinced that the future lies in it. Therefore, as the technology matures, there will be further phases of implementation.

I do not have a precise roadmap for the development of the Spydell_finance project, as everything depends on the pace of AGI innovation and the success of integrating these developments into my own research projects.

Over the past two years, I have come to realize that there is no point in developing my own neural networks. The entry barrier is so high, and the cost of implementation so immense, that it is practically impossible to even theoretically approach the leaders (OpenAI, Microsoft, Google, Meta, Amazon, Anthropic, xAI, Mistral, and others). The required investments are in the tens of billions of dollars.

It will be necessary to use a combination of open and proprietary systems, as well as hybrids of these, to build the best balance between the systems.

What will the implementation of AI bring? The highest level of automation in the processes of data collection, systematization, clustering, visualization, and integration, followed by analysis and analytics.

AI in general, and AGI in particular, is about methods of working with information: collection, processing, and analysis, especially within unstructured datasets.

In addition, AGI creates a space of opportunities for solving scientific problems within the adaptation and integration of information-analytical systems. So, new phases of implementation lie ahead. I cannot predict where all of this will lead, just as Sam Altman from OpenAI or Huang from Nvidia cannot predict the future of AGI development (the potential is immense, but the system is still in its early stages and far from dynamic equilibrium)...

Синергия в рамках сингулярности

Долгосрочная перспектива развития проекта Spydell_finance неразрывно связана с темпами развития и внедрения ИИ на глобальном и локальном уровне.

Технологическая сингулярность в контексте ИИ это не из мира научной фантастики, а ситуация, когда скорость эволюции ИИ превзойдет способность человечества по адаптации трансформационных возможностей ИИ, что приведет к непредсказуемым последствиям.

Одной из важнейших характеристик движения к сингулярности является способность ИИ к самоконтролю и самообучению, т.е. к коррекции ошибок и самоулучшению на основе полученного опыта.

С этого момента моментально начинается экспоненциальный рост возможностей ИИ из-за специфики работы ИИ на основе огромных массивов информации и вычислительных кластеров, что на много порядков обгонит лучшие в мире научные коллективы.

При этом я не склонен принижать даже текущие (достаточно ущербные) возможности ИИ и ГИИ, т.к. многие исходят из безосновательной гипотезы особого превосходства человеческого мозга над машинным интеллектом.

Способности к:
• творческому и многовекторному абстрактному мышлению,

• выстраиванию сложных многомерных конструкций и иерархических связей,

• понимаю причинно-следственных связей и логических цепочек,

• гибкости мышления и способность к схватыванию новой информации и обучению на основе опыта,

• пониманию неоднозначного контекста и отделению правды от лжи,

• эффективной балансировки вероятностей на основе анализа информации,

• планированию, прогнозированию на основе анализа полученного опыта и текущей информации и многое другое.

Вот всем этим в совокупности или в отдельности в различной пропорции наделены не более 2-5% от человеческой популяции (до 7-10% в богатых, образованных развитых странах), т.е. все остальные весьма глупы до полной беспросветной глупости с точки зрения возможностей современных ИИ.

По самым скромным оценкам, даже текущие слабые версии ГИИ превосходят 95% человечества по уровню когнитивных возможностей.

Учитывая низкую скорость развития человеческого мозга (по меркам ИИ), что будет, если через некоторое время (весьма близкий горизонт, учитывая темпы развития ИИ), современные модели ГИИ превзойдут 99% человечества по уровню когнитивных способностей?

Есть безусловно слабые места у ГИИ: непрерывное галлюционирование, смешивание правды и вымысла, неспособность выстраивать и модулировать причинно-следственные связи, проблемы с улавливанием нюансов и скрытого контекста, поверхностное понимание сложных ситуаций, проблемы с последовательностью рассуждений, проблемы с переносом знаний из одной области в другую и т.д.

Однако, фиксация на проблемах допустима, если принять за аксиому, что дальнейшая эволюция ГИИ остановлена, что совсем не так. Скорее наоборот, развитие расположено на низшей точке параболического взлета.

Важнейшим преимуществом ИИ над человеком являются:

• несоразмерно более высокая скорость обработки информации,

• скорость обучения, которая может быть в десятки и сотни тысяч раз выше, чем у человека (несколько минут или часов vs 5-20 лет у человека),

• память в рамках огромного массива проиндексированной информации vs постоянной забывчивости у человека, что требует постоянного возврата в исходную точку для воспроизводства забытой информации, снижая общую производительность,

• быстрая адаптация к изменениям,

• равномерная производительность в отличие от эмоциональных, физических и биологических циклов у человека,

• масштабируемость (возможность быстрого копирования, распространения и внедрения).

Очевидно, что эволюция алгоритмов ГИИ (1) + рост производительности вычислительных систем (2) + обучение на все большем массиве данных (3) в долгосрочной перспективе будут творить чудеса, это вопрос времени.

Да, есть проблемы в качестве набора данных, есть проблемы в коррекции ошибок, но это все исправимо со временем. Фундаментальные преимущества остаются за ИИ/ГИИ и в этом нет никаких сомнений.

В скором времени ГИИ достигнут достаточного порога зрелости, когда начнут оказывать существенное влияние на научно-технический прогресс и экономику.

Текущие модификации ГИИ пока мало пригодны для прикладных задач и коммерческих/бизнес проектов, кроме генерации медиа-скама и ограниченного применения в узко специализированных задачах (решении проблем в программировании, некоторых математических задачах, синхронный перевод и т.д).

Предстоит еще много работы и достаточно много времени, прежде чем ГИИ станут весомым фактором в экономике, финансах и технологиях, меняющих правила игры.

Нужно понимать, что скорость изменения настолько высока, что текущий срез проблем в ГИИ может быть неактуальным через полгода или даже месяц по мере внедрения инноваций, модификации и адаптации новой версий ГИИ.

Есть у ГИИ особое свойство, когда при обучении на сверхбольшом объеме параметров начинается нелинейный прогресс в эффективности обучения (нелинейный рост производительности, непредсказуемость появления новых свойств), что увеличивает и улучшает понимание контекста и способствует росту возможностей в рассуждении.

Именно поэтому прогресс в рамках развития ГИИ является непредсказуемым.

На протяжении двух лет я внимательно слежу за всеми новинками в сегменте ИИ, используя, тестируя или адаптируя все передовые модели и решения (o1 pro, Claude 3.5 Sonnet, Gemini 2.0 Flash, Amazon Nova Pro, Llama 3.3, Mistral Large, Grok, Qwen 2.5).

Что можно отметить по прогрессу ИИ за год?

• Прогресс в 2024 не такой значительный, как в 2023 с точки зрения качества анализа, с каждый годом «качественный рывок» будет все менее выраженным из-за эффекта базы, а стоимость прогресса будет увеличиваться;

• Значительно расширилось контекстное окно за год;

• Значительно расширился функционал моделей в рамках пользовательского интерфейса и инструментов взаимодействия (например, «Холст», «Проекты» и «Поиск» в ChatGPT);

• Повысилась точность и стабильность моделей;

• Появление моделей с рассуждениями.

При этом модели все также категорически не пригодны для точных расчетов и аналитики, каждый раз создавая нестабильные диапазоны ответов/решений вместо идентичных результатов.

Я активно пытался внедрять ГИИ в свои научно-исследовательские и аналитические проекты в январе-марте 2024, но без результатов – полный провал из-за того, что контроль и верификация результатов требует несоизмеримо больше ресурсов, чем любая потенциальная выгода от ГИИ.

Проще все делать так, как раньше (самому, используя накопленные наработки), т.к. внедрение ГИИ больше создает проблем и отжирает ресурсы, чем создает возможности и улучшает производительность.

Несмотря на провальный опыт, я все верю и абсолютно убежден в том, что будущее за ИИ.

Не следует возлагать слишком больших надежд на ИИ-агенты (по крайней мере, на начальном этапе), так широко рекламируемые весь 2024 год. Это лишь улучшенные VBA макросы Excel, существующие более 30 лет.

Смысл внедрения ИИ-агентов состоит в автоматизации рутинных задач в рамках узко специализированных задач. Достаточно примитивная штука. Это не та вундерфавля, которая изменит человечество.

В перспективе ИИ агенты будут брать на себя все больше разнообразных задач и допускать пространство маневра, здесь уже интересно, но пока до этого далеко.

Гораздо интереснее не ИИ скрипты под видом ИИ-агентов, а модели с рассуждением и логическими цепочками, которые были впервые внедрены OpenAI в начале осени 2024.

Это меня впечатлило значительно больше, чем все предыдущие инновации за год. Это открывает дорогу к существенному росту прогресса в решении сложных задач и замене в перспективе консорциума низко и среднеквалифицированных ученых на ИИ модули с рассуждениями, которые будут эволюционировать и улучшаться.

Последняя итерация o1 PRO в середине декабря (за 200 баксов в месяц) вполне соответствует топовым ученым по многим вопросам (убедился сам, когда она позволила решить задачу, над которой бился пару лет).

Это лишь спустя три месяца после внедрения? Впереди релиз более мощной o3 в начале 2025.

С точки зрения развития ИИ у меня нет сомнений, что впереди много инноваций, которые изменят информационный и технологический ландшафт.

Вся моя «критика» на протяжении 2024 года в контексте ИИ касалась не прогресса ИИ, а переоцененной капитализации основных провайдеров ИИ и потенциального экономического эффекта, которые не так однозначен на макроуровне.

ИИ способен вызвать большую поляризацию и неравномерное использование ресурсов, чем любая другая технология, поэтому ИИ скорее приведет к росту неравенства с гипер-концентрацией ресурсов, технологий и капитализации у отдельных участников у тех, кому в наибольшей степени удастся внедрить технологии (пример Nvidia).

Что касается долгосрочных перспектив развития проекта Spydell_finance, здесь есть полная определённость – все будет идти по пути наивысшего повышения автоматизации и эффективности, где внедрение ИИ в комплексе и ГИИ, в частности, является первоочередной задачей.

Несмотря на то, что первая фаза внедрения ГИИ оказалась неудачной (прикладной эффект близок к нулю, скорее даже отрицательный эффект), в долгосрочную перспективу данной технологии я верю и убежден, что за этим будущее, поэтому по мере зрелости технологии будут очередные фазы внедрения.

У меня нет точной дорожной карты развития проекта Spydell_finance, т.к. все зависит от скорости инновации ГИИ и успешности внедрения разработок в собственный контур научно-исследовательских проектов.

За последние два года я понял, что нет ни малейшего смысла развивать собственные нейросети. Порог входа настолько высокий, а стоимости внедрения так высока, что приблизиться к лидерам нет возможности даже теоретически (OpenAI, Microsoft, Google, Meta, Amazon, Anthropic, xAI, Mistral и другие). Требуются инвестиции в десятки миллиардов долларов.

Придется использовать комбинации открытых и проприетарных систем, так и комбинации между ними, чтобы выстроить наилучший баланс между системами.

Что даст внедрение ИИ? Высочайший уровень автоматизации процессов сбора, систематизации, кластеризации, визуализации и интеграции информации с последующим анализом и аналитикой.

ИИ в комплексе и ГИИ в частности - это про методы работы с информацией: сбор, обработка и анализ. Прежде всего в рамках неструктурированных массивов данных.

Плюс к этому ГИИ создает пространство возможностей для решения научных задач в рамках адаптации и внедрения информационно-аналитических комплексов. Так что впереди новые этапы внедрения.

Я не могу сказать, к чему все это приведет также, как и Сэм Альтман из OpenAI или Хуанг из Nvidia не могут сказать, к чему приведет развитие ГИИ (перспективны огромны, но система находится на начальном этапе развития и до динамического равновесия еще далеко)...