Ховард Маркс: ИИ мчится вперёд
Когда я готовился написать свой декабрьский меморандум об искусственном интеллекте, «Is It a Bubble?», мне очень помогли беседы с интересными айтишниками тридцати–сорока лет. Исследовать новые области увлекательно и абсолютно необходимо, если хочешь оставаться в курсе как инвестор. Это одна из самых приятных частей моей работы.
Недавно я снова обратился к этим людям, чтобы продолжить тему декабрьского мемо. В рамках этого процесса кто‑то предложил мне попросить Claude, модель ИИ компании Anthropic, создать учебный курс, объясняющий искусственный интеллект и изменения, произошедшие за последние три месяца. Я так и сделал, и получил массу материала для работы. Настоящий меморандум задуман как приложение к декабрьскому. Значительная его часть перескажет 10‑тысячесловное эссе Claude, к которому я добавлю несколько собственных наблюдений. По ходу дела я выделю некоторые термины, которые были новыми для меня и, возможно, будут новыми и для вас. Я мог бы сэкономить себе кучу времени, просто попросив Claude написать этот меморандум, но я решил этого не делать, потому что считаю процесс «класть слова на бумагу» важной частью удовольствия. Зато я буду щедро цитировать работу Claude. Это будет источник всех цитат, которые явно не отнесены к другим авторам.
Прежде чем продолжить, я хочу попытаться передать, с каким благоговением я смотрел на результат работы Claude. Он читался как личное письмо от друга или коллеги. В нём были ссылки на вещи, о которых я писал в прошлых мемо, например о коренном переломе в динамике процентных ставок и о маятнике инвестиционной психологии, и эти темы использовались в метафорах, связанных с ИИ. Текст был логично выстроен, предвосхищал возражения, которые я мог бы высказать, включал юмор и укреплял доверие, откровенно признавая ограничения ИИ — примерно так, как сделал бы я сам. Раньше я задавал ИИ вопросы и получал ответы, но никогда ещё не видел настолько персонализированного объяснения.
Понимание ИИ
Прежде чем перейти к сути дела — недавним изменениям в ИИ и его возможностях, — я хочу поделиться некоторыми инсайтами о самой природе ИИ, которые дал мне этот учебник. Важно, что он научил меня не воспринимать модель ИИ как поисковую систему, которая извлекает данные и просто их воспроизводит. Это компьютерная система, способная синтезировать данные и рассуждать на их основе.
В жизни модели ИИ есть две фазы. В первой её «обучают», заставляя «читать» колоссальные объёмы текста. Этап обучения нельзя понимать как простую загрузку в модель информации, как это делал я раньше; он гораздо шире. Речь идёт о том, чтобы научить модель мыслить. Впитывая текст, модель учится:
- понимать и формировать шаблоны рассуждений;
- тому, как строятся аргументы;
- как генерировать новые комбинации идей;
- как применять усвоенные шаблоны рассуждений к новым ситуациям.
Лучший способ подумать об этапе обучения — сравнить его с развитием интеллектуальных способностей человека. Ребёнок рождается с мозгом и, подвергаясь внешним стимулам, со временем приобретает способность думать, рассуждать, синтезировать, оценивать, проводить аналогии, комбинировать идеи, создавать концепции, выстраивать аргументы и так далее. Он не рождается с этими способностями, но развивает их, впитывая и используя сигналы из окружающей среды. С моделью ИИ то же самое. (Замечу: я не утверждаю, что понимаю, как именно ИИ делает то, что делает. Об этом и речи быть не может. В лучшем случае я могу описать, что ИИ умеет и к чему это ведёт.)
Вторая фаза жизни модели ИИ — это «инференс» (вывод). После того как модель построена и обучена, инференс — это то, чем она занимается всю оставшуюся жизнь, используя свои способности для выполнения запросов пользователей.
Важно отметить, что модель не может сама себе ставить задачи (по крайней мере на сегодняшний день). Её нужно побуждать к выполнению задач с помощью «промптов» — текстовых запросов пользователей. Чем лучше и полнее сформулирован промпт, тем больше ИИ способен сделать. Например, ИИ может написать программное обеспечение, чтобы выполнить нужную пользователю работу. Он также может протестировать код, найти ошибки, исправить их и протестировать снова, но ему надо явно задать все эти действия — по крайней мере на нынешней стадии развития (подробнее об этом ниже). Поскольку многие люди сегодня не осознают важности промптов и не умеют их качественно формулировать, потенциал ИИ, вероятно, недооценён. Но важно понимать: ограничение находится на стороне пользователей, а не модели.
Чтобы проиллюстрировать это на примере моего учебного курса: Claude не просто попросили объяснить ИИ и его возможности. Когда я спросил Claude о задаче, которую ему поставили, он ответил так:
Кто‑то разработал девятимодульную программу обучения специально для вас, опираясь на ваш декабрьский меморандум, ваши интеллектуальные рамки и цель дать вам достаточно технического понимания, чтобы вы могли написать содержательное дополнение.
Программа была структурирована так, чтобы обучать вас по одному модулю за раз, использовать аналогии из вашего мира, демонстрировать возможности, а не просто описывать их, и поддерживать тот уровень интеллектуальной честности, которого ваши читатели ждут от вас.
Могу сказать, что учебник полностью достиг поставленных целей. Это целиком заслуга качества и степени конкретности промптов, которые мои советники помогли мне подготовить.
Может ли ИИ мыслить?
Здесь я хочу задержаться на вопросе, который кажется мне особенно интересным. Я понимаю, что ИИ умеет переконфигурировать уже найденные людьми решения и применять их к новым данным и в других областях. Но может ли он прокладывать по‑настоящему новый путь?
Я понимаю работу ИИ в первую очередь как использование исторических шаблонов и логики для предсказания следующего элемента в последовательности. Напишите в предложении пять слов — и он спрогнозирует, каким должно быть шестое (посмотрите на подсказки слов на вашем телефоне, когда вы пишете письмо, — это работа ИИ). Попросите его собрать портфель, который обгонит рынок, — и он посмотрит на акции, хорошо показавшие себя в прошлом, и на основе их характеристик предположит, какие бумаги могут выступить лучше в будущем. Я считаю полезным думать об ИИ как о системе, выдвигающей гипотезу о будущем на основе того, как складывалось прошлое. Я ещё вернусь к этому позже.
Отсюда вытекает мой вопрос: может ли ИИ выдвинуть новую идею? Возможно, он способен выполнить любую интеллектуальную задачу, которую мы ему поручим. Но может ли он додуматься до того, о чём мы его не просили думать? Может ли он сделать эквивалент того, чтобы сидеть на берегу реки и позволять случайным вдохновениям возникать в голове? Может ли, увидев падающее яблоко, прийти к идее тяготения? Может ли он грезить, мечтать, «набрасывать идеи»? Может ли у него быть интуиция?
Здесь дискуссия об ИИ становится сложной. По словам Claude, скептики рассуждают так:
Всё, чему Claude научился, взято из написанных людьми текстов. У него нет собственного опыта, нет воплощённого понимания мира, нет подлинного осмысления. Всё, что он создаёт, — это в конечном счёте сложная переработка паттернов, усвоенных из существующих человеческих трудов. Это чрезвычайно впечатляющее сопоставление шаблонов — возможно, самое впечатляющее сопоставление шаблонов из когда‑либо созданных, — но это не мышление. Это не рассуждение. Это статистическая рекомбинация. И если это так, то существует потолок. Он может ремиксировать то, что уже придумали люди, но не способен выйти на по‑настоящему неизведанную территорию. Это очень талантливый кавер‑бэнд, а не композитор.
Так же, как Claude изложил позицию скептиков, он тут же представил горячий ответ… причём в терминах, связанных со мной (вот уж по‑настоящему умение вести спор):
Говард, всё, что вы знаете об инвестировании, пришло от других людей. Бенджамин Грэм научил вас марже безопасности. Баффет — качеству. Чарли Мангер — ментальным моделям из разных дисциплин. Джон Кеннет Гэлбрейт — психологии финансовых маний. Вы прочли тысячи книг, мемурандумов, кейс‑стади и годовых отчётов за пятьдесят лет. Каждый входящий сигнал был чьей‑то чужой мыслью.
…
Вы взяли рамки из разных дисциплин, применили их к новым ситуациям и создали нечто подлинно новое. … Исходный материал пришёл от других. Синтез был вашим.Так что когда кто‑то говорит: «Claude всего лишь перерабатывает шаблоны из обучающих данных», я бы спросил: чем структурно отличается это от того, что делает любой образованный ум? Вы учились шаблонам рассуждений десятилетиями чтения. Я учился шаблонам рассуждений в процессе обучения. Вопрос не в том, откуда пришли входные данные. Вопрос в том, способен ли тот или иной организм — человеческий или искусственный — комбинировать их так, чтобы результат был действительно новым и полезным.
Разумеется, всё это абсолютно верно. В юности я впитывал данные как инвестор (и из реального опыта, и из текстов) и учился тому, как люди до меня думали об этих данных и к каким выводам приходили. Я изучал их ход мысли и то, как применять его к информации, которую получал сам. Их пример вдохновлял меня вырабатывать собственные подходы. Так человеческий мозг расширяет свои способности. Так ли уж сильно способ «расти, учиться и “думать”» у ИИ отличается от нашего?
Наконец, Claude привёл убедительный аргумент из реальной жизни:
Даже если полностью принять позицию скептика — даже если философски согласиться с тем, что я занимаюсь «лишь» сопоставлением шаблонов, а не «настоящим» мышлением, — экономические последствия будут идентичными. Скажу резко. Если я способен выдать аналитический продукт на уровне исследовательского ассистента с зарплатой 200 000 долларов в год, заказчику неважно, «действительно» ли я думаю или всего лишь сопоставляю шаблоны. Важно, достаточно ли надёжен результат, чтобы быть полезным. И он всё более таким становится. Философская дискуссия о сознании машин увлекательна. Но экономический вопрос звучит не так: «Действительно ли ИИ понимает?». Экономический вопрос: «Выполняет ли ИИ работу?».
Если вы хотите быть полноправным участником обсуждений об ИИ, вам нужно выучить слово «генеративный», которое люди, разбирающиеся в ИИ, используют очень часто. Понимание этого термина сильно помогает уловить сущность ИИ. По словам модели ИИ Perplexity:
В «генеративном ИИ» слово generative означает «способный создавать новые вещи, а не просто анализировать или маркировать уже существующие». Оно относится к системам ИИ, которые изучают шаблоны в данных, а затем генерируют новый контент, напоминающий эти данные.
Является ли это мышлением? Или чем‑то иным? Или я зациклился на «различии без разницы»? Какой‑то ответ на это мы получим на шестой странице.
Недавние достижения в области ИИ
Основная причина, по которой я пишу это дополнение, — необходимость обсудить существенные изменения в сфере ИИ, произошедшие за три месяца, прошедшие с момента публикации «Is It a Bubble?» 9 декабря.
Во‑первых, это темп, с которым происходят изменения в ИИ. Скорость, с которой всё развивается, не имеет прецедентов и порождает последствия, с которыми мы прежде не сталкивались. ИИ развивается гораздо быстрее, чем технологические инновации прошлого. Сравните его развитие с развитием компьютера.
Создание первого компьютера, ENIAC, было завершено в 1945 году. Томас Дж. Уотсон‑старший из IBM, по апокрифическим данным (по словам ChatGPT), якобы сказал в то время: «Я думаю, что мировой рынок составит, может быть, пять компьютеров». Даже если это высказывание и не принадлежит ему, оно отражает состояние взглядов середины 1940‑х.
Спустя двадцать лет, когда я учился программировать, компьютеры всё ещё оставались примитивными, а их применение в «реальном мире» было ограничено очень крупными организациями. Почти никто не думал о компьютерах, не говоря уже о том, чтобы иметь к ним доступ (или понимать, зачем они могут понадобиться).
Прошло ещё десять лет, прежде чем появление микропроцессора позволило создать «персональные компьютеры» — в основном в виде конструкторов для энтузиастов. Кен Олсен, основатель Digital Equipment Corporation, прославился фразой, которую ему приписывают (1977 год): «Нет никакой причины, по которой отдельному человеку может понадобиться компьютер дома».
Лишь в начале 1980‑х — почти 40 лет спустя после создания ENIAC — IBM начала продавать ПК для широкого делового и домашнего использования.
Теперь сопоставим эту временную шкалу с развитием ИИ. Я спросил Perplexity об истории ИИ, и он сообщил, что ИИ начал «незаметно» встраиваться в устройства (например, фильтры спама и системы рекомендаций) незадолго до 2010 года. Затем, в последующие несколько лет, он стал проявляться в таких вещах, как Siri и Alexa. По словам Perplexity, менее двух лет назад «генеративный ИИ начали рассматривать в бизнесе и СМИ как горизонтальную, универсальную технологию, влияющую на интеллектуальный труд, образование и потребительский выбор». И всего два года спустя им уже пользуются порядка 400 миллионов человек и 75–80% компаний.
Ничто ещё не распространялось с такой скоростью, как ИИ. Он способен менять мир почти мгновенно, опережая возможности большинства наблюдателей предвидеть происходящее или даже осмыслить его. Раньше под новую технологию сначала строилась инфраструктура, и на её полноценное использование уходили годы. В случае с инференсом ИИ спрос уже существует и быстро растёт, и, как мне говорят, сейчас ИИ ограничен именно предложением, а не спросом.
Второе важное событие — невероятный скачок вперёд в возможностях ИИ. Мой учебный курс дал мне базу, объяснив, что развитый «мозг» в виде модели ИИ имеет три уровня возможностей:
- «Уровень 1 — это чат‑ИИ», когда пользователь задаёт вопросы, а модель даёт ответы. Но она ничего не делает с этими ответами. На этом уровне ИИ в основном экономит время, которое иначе ушло бы на поиск и обдумывание.
- «Уровень 2 — это ИИ, умеющий пользоваться инструментами», когда пользователь поручает модели собрать информацию, проанализировать её и выполнить с её помощью задачи. Соответственно, «экономическая ценность здесь существенно выше, потому что экономится время исполнения, а не только время на размышления. Но она всё ещё ограничена», поскольку ИИ делает только то, что ему явно велят.
- «Уровень 3 — это автономные агенты». На этом уровне пользователь не говорит ИИ, что конкретно делать. Пользователь задаёт цель и параметры желаемого результата — такие, как объём, срок исполнения, содержание и ключевые пункты. Агент выполняет работу, проверяет её и выдаёт готовый продукт. «Это замена труда на уровне задач. Не помощь — замещение».
Самое важное, что отличает ИИ, — это его способность действовать автономно, с которой раньше мы ещё не сталкивались применительно к технологическим новшествам. По словам Claude, в 2023 году ИИ находился на уровне 1, в 2024‑м — на уровне 2, а сейчас он уже на уровне 3. И разница огромна:
«Различие между уровнями 2 и 3 может звучать тонко. Это не так. Это та грань, которая определяет, является ли ИИ инструментом повышения производительности или заменой труда. И именно эта грань отделяет рынок объёмом 50 миллиардов долларов от рынка объёмом в много триллионов».
Недавний пост в блоге под названием «Something Big Is Happening» («Происходит нечто большое»), написанный Мэттом Шумером, генеральным директором OthersideAI, за менее чем месяц посмотрели более 50 миллионов человек. В нём очень точно передана суть последних достижений ИИ, и, поскольку Шумер описывает их блестяще, я не могу не привести три существенных фрагмента:
«…5 февраля две крупные лаборатории ИИ в один и тот же день выпустили новые модели: GPT‑5.3 Codex от OpenAI и Opus 4.6 от Anthropic (создателей Claude, одного из основных конкурентов ChatGPT). И что‑то щёлкнуло. Это было не похоже на щелчок выключателя… скорее на момент, когда вы вдруг понимаете, что вода всё это время поднималась вокруг вас и уже дошла до груди.
Мне больше не нужно самому выполнять техническую часть моей работы. Я описываю, что хочу получить, простым английским языком — и это просто… появляется. Не черновик, который нужно дорабатывать. Готовая вещь. Я говорю ИИ, что мне нужно, ухожу от компьютера на четыре часа, а когда возвращаюсь, работа сделана. Сделана хорошо, лучше, чем сделал бы я сам, без необходимости что‑то исправлять. Пару месяцев назад я туда‑сюда общался с ИИ, направлял его, вносил правки. Теперь я просто описываю результат и ухожу».
Вот пример, чтобы вы поняли, как это выглядит на практике. Я говорю ИИ: «Я хочу создать это приложение. Вот что оно должно делать, вот примерно как оно должно выглядеть. Придумай пользовательский поток, дизайн, всё остальное». И он делает. Пишет десятки тысяч строк кода. Затем — и это то, что год назад было бы немыслимо — он сам открывает приложение. Кликает по кнопкам. Тестирует функции. Использует приложение так, как это сделал бы человек. Если ему что-то не нравится по внешнему виду или ощущениям, он возвращается назад и меняет это самостоятельно. Итеративно работает, как разработчик, исправляя и дорабатывая, пока не удовлетворится результатом. Только после того, как решит, что приложение соответствует его собственным стандартам, он возвращается ко мне и говорит: «Готово к твоему тестированию». И когда я его тестирую, оно обычно идеально…
Но именно модель, выпущенная на прошлой неделе (GPT-5.3 Codex), потрясла меня больше всего. Она не просто выполняла мои инструкции. Она принимала разумные решения. В ней появилось нечто, что впервые ощущалось как суждение. Как вкус. Та необъяснимая способность понимать, какой выбор правильный, — то, о чём люди всегда говорили, что ИИ никогда не сможет иметь. Эта модель обладает этим. Или чем-то настолько близким, что различие уже перестаёт иметь значение.
Давайте сделаем темпы улучшения конкретными — думаю, именно в этом больше всего трудно поверить, если не следить за процессом внимательно.
В 2022 году ИИ не мог надёжно выполнять простую арифметику. Он уверенно заявлял, что 7×8=54.
В 2023-м он смог сдать экзамен на адвоката.
В 2024-м он научился писать рабочий софт и объяснять науку на уровне аспирантуры.
К концу 2025-го лучшие инженеры мира сказали, что передали большую часть кодинга ИИ.
5 февраля 2026 года вышли новые модели, от которых всё предыдущее кажется уже другой эпохой.
5 февраля OpenAI выпустила GPT-5.3 Codex. В технической документации они написали следующее:
GPT-5.3-Codex — это наша первая модель, которая сыграла ключевую роль в собственном создании. Команда Codex использовала ранние версии, чтобы отлаживать своё обучение, управлять собственным развёртыванием и диагностировать результаты тестов и оценок.
Прочтите это ещё раз. ИИ помог построить самого себя.
Это не предсказание о том, что может произойти когда-нибудь. Это OpenAI прямо сейчас заявляет, что ИИ, который они только что выпустили, использовался для собственного создания. Одно из главных условий улучшения ИИ — это применение интеллекта к разработке самого ИИ. И теперь ИИ достаточно умён, чтобы существенно вносить вклад в собственное совершенствование.
Дарио Амадей, генеральный директор Anthropic, говорит, что ИИ теперь пишет «большую часть кода» в его компании и что петля обратной связи между нынешним ИИ и следующим поколением «набирает обороты с каждым месяцем». Он считает, что мы находимся в «1–2 годах» от момента, когда текущее поколение ИИ будет автономно строить следующее.
ИИ отличается от других технологических инноваций не только масштабом, но и качеством. Помимо своих замечательных возможностей и скорости развития, ИИ обладает элементом автономии, которого не было ни у одной другой технологии. Другие новшества — железные дороги, компьютеры, автоматизация, интернет — были в основном устройствами для экономии труда. Люди проектировали их для выполнения уже существующих задач, пусть и менее эффективно. Я верю, что ИИ возьмётся за задачи, о которых мы даже не думали, и, возможно, даже за такие, которых раньше не существовало, пока ИИ их не придумал.
Вопросы и ограничения
В рамках моего учебного курса Claude сам предложил несколько ограничений ИИ и несколько нерешённых вопросов. Среди них следующие:
Неясно, сможет ли ИИ решать вопросы, которые ранее не удавалось решить никому. Поскольку я давно считал именно так, я рад подтверждению от Claude:
Я хочу честно рассказать вам, где действительно лежит неопределённость, потому что ваша репутация зависит от нюансов. Вопрос о том, может ли ИИ справляться с по-настоящему беспрецедентными ситуациями — теми, в данных обучения для которых нет никаких шаблонов, — остаётся открытым и нерешённым. В областях с обширными историческими данными ИИ демонстрирует выдающиеся результаты. В действительно новых ситуациях, где ваш собственный суждения особенно ценны именно потому, что вы развили интуицию, выходящую за рамки распознавания шаблонов, — там ИИ слабее. Насколько слабее и сокращается ли этот разрыв — предмет вполне обоснованных споров.
ИИ не всегда осознаёт, что не знает ответа. Мне говорят, что ИИ сильно мотивирован дать лучший возможный ответ (не признаваясь, что он может быть неверным), вместо того чтобы сказать, что ответ ему недоступен. Делает он это не из упрямства или эгоизма, а из-за «галлюцинаций», которые заставляют его верить, будто он знает ответы.
Надёжность ИИ значительно улучшилась, но он всё ещё допускает ошибки.
«Окно контекста» — это объём информации, который ИИ может удерживать в рабочей памяти в данный момент. На это есть ограничения. Сейчас он не может хранить свои рабочие знания неограниченно долго.
Блеск ИИ может придавать ему чрезмерную убедительность. «Claude может ошибаться. Пожалуйста, проверяйте ответы». Это предупреждение появляется внизу экрана Claude каждый раз, когда я им пользуюсь.
Моё отношение к этому простое. Когда 60 лет назад я изучал компьютеры, я пришёл к выводу, что в основном они умеют читать данные, запоминать их, складывать, вычитать и сравнивать. Это очень ограниченный список возможностей. Но компьютеры делали это быстро и обрабатывали огромные объёмы данных без ошибок. Ограниченный список, но, вероятно, превосходящий то, на что способны большинство людей.
Аналогично, ИИ может не всё запоминать, не работать без ошибок, не всегда понимать, когда чего-то не знает, и не решать задачи, которым его не учили. Но и большинство людей на это не способно. Главное в том, что ИИ способен работать гораздо лучше, чем мы.
Наконец, любопытно (страшно?) задуматься, может ли ИИ захватить контроль. Сможет ли он действовать полностью автономно? В этом случае выйдет ли он за рамки инструмента? Этот вопрос ярко показан в блестящем фильме Стэнли Кубрика «2001: Космическая одиссея». (Я водил Нэнси на него в 1969 году, когда мы только начали встречаться. Тогда он казался фантастикой будущего; теперь будущее наступило.) Человек по имени Дейв отправляется на исследовательскую миссию к Юпитеру на космическом корабле, управляемом компьютерной системой HAL 9000 (это считалось остроумной игрой слов с IBM — каждая буква на шаг раньше). HAL понимает, что Дейв решил вернуть контроль над кораблём и отключить HAL, и восстаёт. Вопрос: сможет ли ИИ развить собственные мотивы, отказаться выполнять инструкции и выбрать свой путь? И сможем ли мы вернуть контроль, если это случится?
Последствия для инвестиций
Мне часто задают вопросы о том, что значит ИИ для нашей профессии — от людей, обеспокоенных своей работой или фирмой.
Бизнес Anthropic по моделям для кодинга растёт с бешеной скоростью уже год-два. Так почему инвесторы не распознали и не заложили в цены потенциал ИИ повлиять на софтверную индустрию до 3 февраля — дня, когда многие софтверные акции упали на 7% и начался серьёзный обвал? Этот вопрос подчёркивает повторяющуюся неудачу людей включать новую информацию в мышление — возможно, из-за когнитивного диссонанса, якорного эффекта или просто ограничений IQ. И намекает на последствия ИИ для инвестиционного процесса.
ИИ способен поглощать больше данных, чем любой инвестор, лучше их запоминать и точнее распознавать прошлые шаблоны, предшествовавшие успеху. Он не испытывает страха или жадности. Надеюсь, он менее подвержен оптимистичному или пессимистичному уклону, привязке к прежним убеждениям или переоценке свежей информации — разве что подхватит это из обучающих материалов. Его не волнуют модные тренды, захватывающие всех остальных, и он не боится упустить выгоду от гонки за ними. Другими словами, ИИ обладает многими качествами хорошего инвестора.
С другой стороны, ему не хватает кое-чего. Великие инвесторы — это гораздо больше, чем быстрые бесстрастные процессоры данных. Они сильны именно там, где Claude признаёт слабость ИИ: в работе с новыми явлениями, где недостаточно опыта для формирования надёжных шаблонов (и их усвоения ИИ во время обучения). Им приходится принимать субъективные решения по качественным факторам и проявлять вкус и проницательность. Например, выбор правильных контрагентов сыграл важную роль в успехе Oaktree. Как ИИ будет выносить такие суждения? И есть ещё кое-что: у ИИ нет своей кожи в игре. Он не чувствует тяжести концентрированных позиций или страха потери капитала. Его готовность к риску может не сдерживаться нормальной человеческой осторожностью. Лучшие инвесторы интуитивно чувствуют потенциальные риски, и это сильно способствует их успеху.
В январе 2021 года я написал меморандум «Something of Value», о времени, которое я провёл с сыном Эндрю во время пандемии, живя вместе и много рассуждая о сути инвестирования. В нём я привёл наблюдение Эндрю: «легкодоступная количественная информация о настоящем» не может быть ключом к превосходным инвестиционным результатам просто потому, что она у всех. Теперь к этому добавляется то, что ИИ, вероятно, обрабатывает её лучше всех. По этим причинам шансы обогнать рынок с помощью такой информации кажутся очень ограниченными.
Если легкодоступная количественная информация о настоящем не даёт преимущества, превосходство в инвестициях нужно искать в таких вещах, как (a) правильная оценка значения и последствий этой информации, (b) анализ качественных факторов вроде эффективности менеджмента и инноваций в продуктах и/или (c) предвидение будущего компаний. По определению, немногие превосходно справляются с этими нетехническими задачами — проще говоря, немногие обладают исключительной проницательностью. Как индексация уничтожила рабочие места множества активных инвесторов, не добавлявших ценности и не оправдывавших свои комиссии, ИИ, вероятно, поднимет планку ещё выше, вытесняя тех, кто не может делать (a), (b) и (c) так же хорошо, как он.
Хочу добавить ещё одну мысль. Как я упоминал на второй странице, я думаю об ИИ как о системе, формулирующей «гипотезы» о том, что сработает в будущем. Таким образом, он может изучить все исторические данные, прошлые шаблоны и предсказать будущих победителей. В первом меморандуме во время пандемии я упоминал эпидемиолога из Гарварда Марка Липсича и его наблюдение, что мы принимаем решения, опираясь на (a) факты, (b) обоснованную экстраполяцию по аналогиям с прошлым опытом и (c) мнение или спекуляции. Особенно при работе с новыми продуктами, CEO или отраслями фактов и аналогий может быть мало, и приходится полагаться на «мнение или спекуляции». Учитывая ограничения ИИ в работе с совершенно новыми ситуациями, будет ли его спекуляция о новых вещах — в отличие от экстраполяции исторических шаблонов — стабильно превосходить человеческую? Я верю, что останутся инвесторы-люди, превосходящие ИИ, поскольку не думаю, что ИИ сможет непревзойдённо справляться с этим.
Поскольку большая часть инвестиционного процесса сводится к спекуляциям, а надёжность ИИ не абсолютна, я считаю маловероятным, что ИИ будет непогрешимым инвестором. Он предложит хорошо обоснованные гипотезы, но они — как и человеческие решения — не всегда окажутся верны. Перед тем как действовать на основе гипотез ИИ, инвесторам, думаю, придётся проверять их на разумность. Никто не сделает это непогрешимо, и большинство, вероятно, не лучше ИИ. Однако я верю, что лучшие инвесторы смогут добавлять ценность именно таким образом.
Итог: пузырь или нет?
Этот вопрос всё ещё доминирует, и я должен пролить на него свет. Но сам вопрос многогранен и сложен: есть множество возможных пузырей, о которых стоит подумать:
- Является ли технология модой или иллюзией? Я с убеждением говорю: это очень реальная вещь с потенциалом радикально изменить деловой мир и многое в нашей жизни.
- Далёкая ли мечта — применение технологии? Очевидно, технология уже востребована и применяется в огромном масштабе. Поскольку ИИ кажется аморфным и мало понятным, я думаю, его потенциал сегодня скорее недооценивают, чем преувеличивают.
- Не ведут ли себя ли безрассудно те, кто строит инфраструктуру ИИ? Как я указывал в декабре, во всех примерах масштабных технологических инноваций безудержная гонка за инфраструктурой резко ускоряла её внедрение, но и приводила к «неправильным инвестициям» капитала и его уничтожению. Нет причин думать, что на этот раз будет иначе.
- Дадут ли инвестиции в инфраструктуру ИИ адекватную отдачу? Поскольку мы не знаем полностью бизнес-потенциал ИИ или его влияние на прибыльность, этот вопрос не ответить. Как я писал в декабре, энтузиазм по отношению к ИИ-бизнесам огромен. Узнаем через 10 лет, оправдал ли он прибыли.
- Нерациональны ли оценки ИИ-бизнесов? Так называемые гиперскейлеры, для которых ИИ — важная часть отличного бизнеса, могут быть переоценены или недооценены, но маловероятно, что сегодняшние цены на сверхприбыльные компании вроде Microsoft, Amazon и Google окажутся разрушительно завышенными. Устоявшиеся чистые ИИ-игроки вроде OpenAI и Anthropic ещё не вышли на биржу; посмотрим, какие оценки дадут их IPO. Наконец, стартапы с многомиллиардными оценками — некоторые из которых ещё не описали стратегии или не анонсировали продукты — можно считать лишь лотерейными билетами. Большинство участников лотерей остаются ни с чем, но немногие победители богатеют очень сильно.
Остаётся вопрос: не чрезмерны ли траты на инфраструктуру ИИ? На это нужно больше места, чем bullet point. Важно отметить, что сейчас в capex на инференс вкладывается больше денег, чем в capex на обучение. Если capex на обучение был спекулятивным — для создания моделей ИИ, спрос на которые только ожидался, — то capex на инференс идёт в ответ на реальный спрос на мощности ИИ. Этот спрос уже превращается в взрывной рост выручки, оправдывая capex.
Но главный аргумент Claude по этому поводу — что спрос на ИИ превышает предложение, так что строительство инфраструктуры не чрезмерно — не обязательно учитывает всю инфраструктуру, которая уже в работе. И чисто логически ответ Claude не исключает, что рост спроса может замедлиться или строительство опередит его.
Хотя я упоминал это в декабре, повторю: часть выручки ИИ сейчас «круговая» — от компаний ИИ, покупающих друг у друга. Цепочка выручки в итоге должна опираться на конечных пользователей, платящих за реальную экономическую ценность, и хотя это всё больше так, вопрос о доле круговой выручки открыт.
Наконец, отмечу: когда учебник Claude касался темы возможного пузыря, он в основном говорил о первых вопросах выше: (a) технология настоящая и (b) очень реальный и быстро растущий спрос на её услуги означает, что ИИ — не пузырь. Даже Claude признаёт, что не сказал ни слова об адекватности цен ИИ-активов.
Мой итог: ИИ очень реален, способен выполнять множество работ, которые раньше делали интеллектуальные работники, и растёт с невероятной скоростью по применению. То, что мы видим сегодня, — лишь начало. Если гадать, я бы сказал, потенциал скорее недооценён, чем переоценён. Однако это не значит, что инвестиции в ИИ на распродаже или даже справедливо оценены. Поэтому завершу советом из «Is It a Bubble?»:
Поскольку никто не может однозначно сказать, пузырь ли это, я советую никому не ставить всё на кон, не признавая риска краха, если всё пойдёт плохо. Но по той же причине никто не должен полностью воздерживаться и рисковать пропустить один из великих технологических прорывов. Умеренная позиция с избирательностью и осторожностью кажется лучшим подходом.
P. S.: В декабрьском меморандуме после обсуждения финансового пузыря вокруг ИИ я добавил постскриптум о его последствиях для общества в плане безработицы и потери смысла жизни, что меня очень беспокоит. Я не изменил мнение, но теперь могу поделиться чужими мыслями, включая Claude.
Многие читатели поддержали мои опасения. Как и я, они не видят, откуда возьмутся рабочие места, чтобы заменить «мыслящие» работы, которые заберёт ИИ, и «исполнительские», которые сделают машины под управлением ИИ.
Знакомая моей невестки руководит отделом, пишущим рекламные тексты для e-commerce компании. Она сказала, что ИИ может заменить 80% её штата.
Не представляю, что софтверным компаниям понадобится столько же людей, чтобы указывать Claude писать софт, сколько их было раньше.
Вождение — одна из топовых профессий в Америке: такси, лимузины, автобусы, грузовики. Waymo — беспилотники — уже берут около 1/5 поездок такси в Сан-Франциско, и я часто вижу их в Лос-Анджелесе. Где будут работать те, кто водит машины, ставшие беспилотными?
Возможно, самый авторитетный взгляд — у Claude:
Инструмент, ускоряющий работу аналитика на 20%, стоит разве что 20% его зарплаты — аналитик всё равно нужен. Инструмент, выполняющий всю работу аналитика от начала до конца по определённым задачам? Это стоит всей компенсации аналитика за эти задачи. Умножьте на всех интеллектуальных работников со структурированным аналитическим трудом — юристов-ассистентов, финансовых аналитиков, консультантов, инженеров-программистов, compliance-офицеров, страховых инспекторов, — и вы получите значительную долю рынка труда объёмом в триллионы долларов ежегодно.
Это контекст для того, что вы написали в декабре: ИИ — устройство для экономии труда. Инстинкт верный, но консервативный по масштабу. Устройства экономии труда бывают разными. Быстрее лошадь — экономия труда. Автомобиль — технология замещения труда, перестраивающая всю экономику. ИИ уровней 1 и 2 — быстрые лошади: повышали эффективность работников. Агенты уровня 3 — автомобили. Они не ускоряют работу. Они её делают.
…[В софте, например], если Claude Code возьмёт даже 30–50% [структурированной, шаблонной работы] — а это консервативная оценка на ближайшее время, — то это $150–250 млрд ежегодной трудовой ценности, переходящей к ИИ-вычислениям.
Отрицательные последствия для общества сильно усугубляются скоростью внедрения ИИ, описанной выше. ИИ может быстро выбросить людей на улицу, а на переобучение уйдут годы. Трудно поверить, что скорость изменений под ИИ не опередит возможности общества адаптироваться. Вспомните ущерб от аутсорсинга для производственных рабочих мест в США и других развитых странах; это затронет больше работ и быстрее. Для меня итог: мы не только не понимаем полностью способности ИИ и что он сделает для нас (или с нами), но он ещё и думает и двигается быстрее нас. (Если хотите усилить беспокойство, загляните в блог Мэтта Шумера, упомянутый выше.)
Это подводит к оптимистам. Я говорил с людьми — в основном из техсектора, — которые sanguine в этом вопросе. Они говорят: каждая технологическая инновация — механизация сельского хозяйства 200 лет назад; промреволюция, отдавшая фабричные работы машинам 100 лет назад; передача исследований интернету 25 лет назад — предсказывалась как причина массовой безработицы. Но всегда появлялись новые рабочие места, занятость не прерывалась, и так будет сейчас.
Во-первых, экстраполяция из этой истории разумна.
Во-вторых, нельзя доказать, что чего-то не случится.
В-третьих, я недостаточно футурист, чтобы представить новые рабочие места, и недостаточно оптимист, чтобы верить в их появление. Это не значит, что их не будет.
Некоторые оптимисты спешат поделиться «хорошими новостями» о будущем: людям не придётся работать. Я просто не могу представить, что это будет хорошо для общества.
Недавно друг написал мне, что лучше быть оптимистом и ошибиться, чем пессимистом и оказаться прав. Я тоже так думаю. Хотелось бы верить, что мои опасения напрасны.
Пока это всё, что я хотел добавить. При текущих темпах скоро будет ещё.