В середине XX века успехи Советского Союза в сфере технологий, в частности запуск искусственного спутника Земли и полет Юрия Гагарина в космос, убедили многих аналитиков в том, что централизованная плановая экономика может быть более эффективной, чем рыночная. Известные экономисты, например Пол Самуэльсон, предсказывали, что СССР скоро обгонит США в экономическом плане, а Оскар Ланге, польский экономист и социалист, утверждал, что развивающиеся компьютерные технологии могут эффективно заменить устаревший рыночный механизм.
И тем не менее, как это ни парадоксально, СССР развалился как раз в тот момент, когда компьютерная революция стала набирать обороты. Несмотря на значительные инвестиции, включая попытку Никиты Хрущева создать советский аналог Кремниевой долины на окраине Москвы в Зеленограде, в СССР не смогли воспользоваться перспективами вычислительных технологий. Препятствием стала не нехватка научных талантов, а институциональная косность, препятствовавшая нововведениям. В то время как в Кремниевой долине процветали децентрализованные эксперименты, а изобретатели то и дело меняли место работы, переходя из одного стартапа в другой и проводя одновременно несколько параллельных экспериментов, в Зеленограде инновации контролировались централизованно и полностью управлялись московскими чиновниками.
Как утверждал Фридрих Хайек, главная трудность в условиях централизованного планирования заключается не в обработке данных, а в сборе необходимой местной информации. Советские плановики могли управлять стандартизированными операциями, но терялись в условиях технологической неопределенности, не имея контрольных показателей для отслеживания работы заводов и наказания лодырей. Несмотря на быстрый рост в начале своего существования, СССР затем погрузился в застой, не сумел адаптироваться к передовым технологиям и в конце концов распался.
Эти наблюдения по-прежнему актуальны, особенно сейчас, когда благодаря новым формам искусственного интеллекта вновь возникает вопрос о том, способна ли централизованная власть, как, например, система всеобщей слежки с использованием искусственного интеллекта в Китае, или корпоративная концентрация, например в крупных технологических компаниях Кремниевой долины, эффективно использовать новые технологии для управления экономикой и обществом.
Инновации на передовых рубежах
Традиционные теории богатства и бедности, в которых акцент делается на таких факторах, как география, культура или институты, плохо объясняют резкое изменение экономической ситуации. Географическими условиями, которые оставались неизменными, переход СССР от быстрого роста к краху объяснить невозможно. Культурные факторы также развиваются слишком медленно, чтобы на их счет можно было отнести периоды стремительного экономического подъема и последующие спады. Хотя такие институты, как законы и нормативные положения, могут меняться более резко, институциональные теории, основанные на универсальных условиях, также страдают изъянами; например, и в СССР, и в Китае десятилетиями наблюдался быстрый экономический рост, несмотря на отсутствие надежных прав частной собственности. В конечном счете понимание экономического прогресса требует изучения того, как институты и культура динамично взаимодействуют с технологическими изменениями.
Признание того, что экономические показатели связаны с изменениями в характере этого взаимодействия, переводит в иное русло и привычную политическую дискуссию о технологическом прогрессе. Одна сторона выступает за децентрализованные инновации, движущей силой которых являются небольшие компании, действующие в условиях слабо регулируемых рынков; другая — продвигает государственную промышленную политику, осуществляемую мощным госаппаратом. Однако оба подхода оптимальны только при определенных условиях: централизованные бюрократические системы эффективно используют доступные технологии и обеспечивают догоняющий рост, в то время как децентрализованные системы лучше всего подходят для пионерских инноваций на передовых технологических рубежах. С течением времени экономическое управление должно адаптироваться, иначе экономике грозит стагнация.
Япония как «номер один»
На фоне распада Советского Союза в 1991 году, испытываемое Америкой чувство облегчения омрачала новая тревога: многие ученые и журналисты считали, что Япония вскоре затмит США. Еще ранее, в бестселлере 1979 года «Япония как номер один», Эзра Фогель предупреждал о растущем превосходстве Токио в области компьютеров и полупроводников, которое, как представлялось, было не менее впечатляющим, чем скачок, совершенный Японией до этого в автомобильной промышленности. Однако последовавшая за этим компьютерная революция пошла совсем по иному руслу. С начала 1990-х годов основанная на программном обеспечении производительность труда в США резко возросла, в то время как японские компании упрямо продолжали делать упор на аппаратные средства.
До этого опережающий рост в Японии опирался на четко скоординированную систему производства. Поскольку японские компании имели возможность быть акционерами своих поставщиков, чему в США противодействовало антимонопольное законодательство, они создали плотные сети знаний, подкрепляемые оперативной логистикой по принципу «точно в срок», компьютерным проектированием и перепрограммируемыми станками. Результатом стала поразительная эффективность: к 1980 году производительность труда японских автопроизводителей оказалась на 17 процентов выше, чем у их американских коллег, что привело к крупным убыткам таких компаний, как Ford и GM.
Однако конкурентное преимущество японцев в меньшей степени было результатом изобретения новых продуктов, чем усовершенствования западных. Цветные телевизоры, кассетные аудиоплееры Walkman и видеомагнитофоны стали мировыми хитами продаж только после того, как японские инженеры перепроектировали их, снизив стоимость и повысив долговечность. В фундаментальном исследовании экономист Эдвин Мэнсфилд пришел к выводу, что примерно две трети японских НИОКР направлены на совершенствование процессов и тем самым представляют собой как бы зеркальное отражение усилий в США, ориентированных на создание продукции. Это позволяет быстрее воплощать лабораторные достижения в дешевые, пользующиеся спросом товары.
Однако именно эти преимущества превратились в ограничения. Такие видные наблюдатели, как Альфред Чандлер-младший, ожидали, что компьютерная эра вознаградит совершенство аппаратных средств и рационализацию производства — факторы, благоприятствовавшие Японии, — но решающим моментом оказался динамичный характер американских стартапов, таких как Apple и Microsoft. Антимонопольная политика США, уходящая корнями в антимонопольный закон Шермана 1890 года, высвободила рыночные силы, принудив IBM отделить аппаратные средства от программного обеспечения, и разделив AT&T как раз перед тем, как начал развиваться коммерческий интернет. В отсутствие доминирующей на рынке компании предприниматели получили возможность свободно внедрять инновации, и интернет развивался беспрепятственно.
Менее жесткие антимонопольные правила в Японии, напротив, способствовали созданию картелей и укоренению конгломератов в системе кэйрэцу. Та же координация, которая ранее ускоряла постепенную модернизацию, теперь замедляла переход к моделям бизнеса на основе программного обеспечения и интернета, препятствуя выходу на рынок новых участников. Развитие технологий в Японии замедлилось. Даже в самих США регионы, где наблюдалась ожесточенная конкуренция, такие как Кремниевая долина, опережали по эффективности более иерархичные, вертикально интегрированные центры, в частности технологический кластер, сформировавшийся вдоль окружной автомагистрали 128 в Новой Англии.
Конец скоординированного капитализма
Япония — не единичный пример. После Второй мировой войны экономика Западной Европы стремительно росла за счет внедрения американских методов массового производства в широком спектре отраслей. Эта стратегия хорошо работала в течение нескольких десятилетий, но к 1970-м годам Европа исчерпала имевшиеся запасы американских технологий. Для поддержания роста необходимо было перейти к модели, основанной на инновациях, а не просто догонять существующие технологии.
Это оказалось непростой задачей. Экономические институты Европы сформировались под влиянием длительной истории догоняющего развития промышленности, сложившегося в конце XIX века с целью освоения британских технологий и укрепившегося в послевоенную эпоху, когда Европа сокращала отставание от США. Эти институты были призваны поддерживать стабильный и предсказуемый экономический рост за счет тщательного планирования, межотраслевой координации и тесного сотрудничества между предприятиями, банками и правительствами. Такой скоординированный капитализм был эффективен, когда задача была ясна — догнать устоявшуюся промышленную практику, но он стал препятствием, когда пришлось столкнуться с неопределенностью и дезорганизующими факторами, созданными компьютерной революцией и новыми информационными технологиями.
Во Франции государственная система индикативного планирования, при которой экономические цели устанавливались в целях координации инвестиций, хорошо работала в условиях постепенного и предсказуемого технологического прогресса. Однако на фоне стремительных технологических изменений плановики перестали справляться и не могли строить точные прогнозы и эффективно направлять ресурсы.
Аналогичным образом, государственные предприятия Италии, игравшие ключевую роль во время послевоенного бума, оказались негибкими и невосприимчивыми к новому веку технологических потрясений. В Испании и Португалии сильное влияние государства в сочетании с укоренившимися кругами субъектов с общими интересами серьезно ограничивало гибкость экономики, препятствуя инновациям и адаптации. Как следствие, эти страны Южной Европы в период компьютерной революции пережили длительный экономический застой, который часто называют «двумя потерянными десятилетиями».
От Хайека до Моравека
Вывод очевиден: экономические чудеса сходят на нет, когда институты, обеспечившие прошлые успехи, перестают соответствовать новым вызовам. Советский Союз и значительная часть Европы сбились с ритма, когда жесткие модели массового производства не смогли приспособиться к непредсказуемости компьютерной эры, а экономика Японии начала спотыкаться, когда эпицентр инноваций переместился с аппаратных средств на программное обеспечение. В настоящее время рост Китая все больше сдерживается ужесточением контроля со стороны партии, а США сталкиваются с аналогичной опасностью в тех случаях, когда не удается приструнить власть монополий. Сегодня опасность того, что централизация и концентрация задавят процесс инноваций, нависла над ИИ. Поскольку производительность ИИ традиционно росла в основном за счет увеличения вычислительной мощности и доступности данных, многие наблюдатели пришли к выводу, что ИИ — это соревнование, которое лучше оставить горстке крупных национальных компаний-лидеров. Эта точка зрения привлекательна, но ошибочна.
Как и в компьютерной революции, настоящие прорывы происходят благодаря исследованию неизвестного, а не совершенствованию того, что уже формализовано. Большие языковые модели (БЯМ) — системы ИИ, обученные генерировать и понимать человеческий язык, — выросли по объему в 10 000 раз в период с 2019 по 2024 годы, но при этом набирали лишь около 5 процентов по шкале абстрактного мышления и обобщения ARC, позволяющей оценивать способность решать сложные задачи. В то же время более целенаправленные подходы, такие как поиск программ (который генерирует конкретные программы для решения задач), превысили 20 процентов, а новые методы контекстного обучения (когда модели обучаются на примерах без необходимости повторного обучения) вырвались вперед.
Время, когда проводимые человеком исследования утратят актуальность из-за ИИ, также наступит еще нескоро. Давнее наблюдение Ханса Моравека по-прежнему актуально: то, что легко дается человеку (например, прогулка по лесной тропинке), остается сложным для машин, и наоборот. Языковые модели, обученные на содержимом всего интернета, по-прежнему не обладают чувственно-моторным опытом четырехлетнего ребенка. Пока мы не научимся кодировать эти воплощенные знания, централизованные системы ИИ будут отставать от децентрализованного экспериментирования, которым ежедневно занимаются миллиарды людей.
Изобретательность процветает именно там, где мало прецедентов. Изобретатели, ученые и предприниматели живут тем, что превращают неизвестное в возможности. В отличие от этого, большие языковые модели по умолчанию обращаются к статистическому консенсусу. Представьте себе большую языковую модель, обученную в 1633 году, – она бы упорно отстаивала идею о том, что Земля является центром Вселенной; опираясь на литературу XIX, модель с уверенностью отрицала бы, что люди когда-нибудь смогут летать, ссылаясь на обширный список неудачных испытаний, предшествовавших успеху братьев Райт. Даже руководитель Google DeepMind Демис Хассабис признает, что для достижения настоящего искусственного интеллекта общего назначения может потребоваться «еще несколько инноваций».
Контроль и конкуренция
Вряд ли они появятся лишь благодаря централизованному масштабу; как и прежде, они будут возникать благодаря расширению возможностей для экспериментирования и сокращению препятствий вхождению на рынок. И тем не менее, в эпоху искусственного интеллекта и Китай, и США движутся в противоположном направлении, усиливая централизованный контроль и снижая динамичность конкуренции.
В наиболее динамично развивающихся отраслях Китая по-прежнему ведущую роль играют частные компании или компании с иностранным капиталом, в то время как государственные предприятия отстают. Тем не менее Пекин возобновляет централизацию власти: лицензии, кредиты и контракты теперь выдаются политически благонадежным конгломератам, антимонопольное законодательство применяется избирательно, а антикоррупционные кампании делают лояльность необходимым условием выживания. Считавшееся ранее необходимым экспериментирование в провинциях сошло на нет, поскольку чиновники гонятся за такими неточными показателями, как количество патентов, в результате чего в реестры подается огромное число малозначимых заявок. Покровительство вытесняет прозрачные правила, а лояльность замещает компетентность, подрывая способность государства поощрять инновации передового уровня и толкая экономику на путь более медленного и менее инновационного роста.
Безусловно, в Китае по-прежнему действуют преимущества значительного резерва талантов и глубокой приверженности правительства технологическому прогрессу. Но, как и в западных странах, наиболее инновационными оказываются компании, не имеющие прочных политических связей, такие как ИИ-стартап DeepSeek. Хотя власти могут разрешить этим компаниям работать относительно автономно, пока их деятельность соответствует национальным целям, отсутствие надежной правовой защиты делает компании уязвимыми перед сменой политических приоритетов. Как следствие, компаниям приходится вкладывать ресурсы в создание политических альянсов, что отвлекает внимание и капитал от инноваций. А контроль государства над важнейшими информационными технологиями нередко создает у властей соблазн использовать его для укрепления своего политического господства над обществом, что может вести к подавлению инноваций на низовом уровне.
В США наблюдаются те же симптомы, хотя и в ином проявлении. После наступления компьютерной эры в 1990-х годах существенно выросла степень концентрации в отраслях экономики, что привело к снижению уровня конкуренции, когда-то характерного для Кремниевой долины. Паутина оговорок и обязательств об отказе от конкуренции теперь препятствует мобильности рабочей силы, сдерживает поток эмпирических знаний и мешает ученым и инженерам создавать фирмы-конкуренты. Поскольку стартапы играют центральную роль в преобразовании лабораторных открытий в коммерческую продукцию, такое ограничение на «кругооборот» талантов ослабляет тот самый механизм — творческое разрушение, — который перераспределяет сегменты рынка в направлении свежих идей. Экономисты Джерман Гутьеррес и Томас Филиппон показывают, что эта тенденция обусловлена не столько неизбежной экономией при увеличении масштаба производства, сколько лоббированием со стороны действующих участников рынка, которое жестко фиксирует преимущества в сфере регулирования, начиная с продления патентов и заканчивая препятствиями для лицензирования в конкретных секторах.
Эта модель угрожает и искусственному интеллекту. За фасадом существующей сегодня видимости острой конкуренции глубокий альянс Microsoft с OpenAI уже контролирует около 70 процентов коммерческого рынка больших языковых моделей, а Nvidia поставляет около 92 процентов специализированных графических процессоров, используемых для обучения этих моделей. Наряду с Alphabet, Amazon и Meta, эти участники рынка также без лишнего шума покупают доли в перспективных стартапах, работающих в сфере искусственного интеллекта. Для того чтобы новое поколение новаторов-преобразователей смогло обеспечить обещанный рост производительности, необходимо поддерживать режим в сфере мер политики, защищающий саму конкурентную среду, а не благополучие отдельных компаний. Это так же верно для эпохи ИИ, как ранее для компьютерной эры.
