Scenariile dramatice despre o inteligență artificială care depășește controlul uman ar putea fi înlocuite de un deznodământ mult mai banal, marcat de o scădere a utilității tehnologice. Fizicianul Andrew Rogoyski susține că dezvoltarea actuală a AI ar putea ajunge la un punct de saturație numit de acesta „marea dezamăgire”. Această situație apare atunci când sistemele avansate de inteligență artificială devin prea scumpe și insuficient de utile pentru a justifica ritmul actual de investiții și dezvoltare.
Costurile enorme necesare pentru funcționarea modelelor de frontieră reprezintă o problemă majoră de sustenabilitate economică. Modelele actuale necesită cantități masive de capital, energie electrică, apă, hardware și putere de calcul, pe lângă necesarul de muncă umană. Dacă aceste cheltuieli nu scad semnificativ, economia din spatele sistemelor AI de mari dimensiuni ar putea deveni nesustenabilă. În paralel, problemele legate de fiabilitatea și capacitatea de învățare continuă rămân nerezolvate în procesul de dezvoltare.
Un alt risc identificat de Rogoyski este cel al pierderii capitalului uman în încercarea de a obține economii premature. Directorii de companii ar putea fi impresionați de capacitatea modelelor de a genera texte convingătoare, confundând acest lucru cu o muncă de încredere. Această eroare ar putea duce la concedierea angajaților înainte ca AI să poată prelua de fapt sarcinile în mod fiabil. Rogoyski critică și ideea unei companii construite de o singură persoană, subliniind că o organizație necesită responsabilitate și experiență umană.
Securitatea infrastructurii este un alt punct critic, în special în contextul atacurilor cibernetice amplificate de tehnologie. Un atac major asupra sistemelor digitale care gestionează spitale, bănci sau rețele energetice ar putea provoca falimente și instabilitate economică. Un astfel de incident ar putea determina guvernele să impună restricții severe asupra laboratoarelor de cercetare. Acest lucru ar putea declanșa o „iarnă AI”, o perioadă de scădere a finanțării și de încetinire a cercetării, similar cu etape istorice anterioare.
În loc de modele generice, utilitatea reală ar putea fi găsită în sistemele specializate pe domenii specifice. Exemple precum AlphaFold2, utilizat pentru structurile proteinelor, sau WeatherNext 3 pentru prognoza meteorologică, sunt menționate ca modele de succes. Acestea pot fi aplicate în medicină, optimizarea rețelelor energetice sau modelarea schimbărilor climatice. În aceste domenii, beneficiile pot justifica mai ușor costurile, spre deosebire de modelele care încearcă să reproducă o gamă prea largă de abilități umane.
Contextul economic global este marcat de o atenție sporită la riscurile tehnologice, însă analiza lui Rogoyski se concentrează pe sustenabilitatea financiară a modelelor de AI. În timp ce discuțiile despre controlul superinteligenței domină mediul, riscul de a investi masiv în tehnologii care nu oferă un randament real rămâne o amenințare structurală. Dacă investițiile nu produc rezultate concrete, reacția negativă a pieței și a guvernelor ar putea bloca dezvoltarea unor aplicații care sunt într-adevăr esențiale pentru progresul științific.