Есть ещё один фактор, который может заметно изменить весь описанный сценарий: снижение рождаемости одновременно с истончением экономической и технологической базы периферии.
 
Если демографический переход действительно выводит развитые общества к плато, о котором писал Сергей Капица, кадровый дефицит постепенно становится устойчивым ограничением. Особенно там, где требования к квалификации растут быстрее, чем система успевает воспроизводить специалистов.
 
Крупные технологические центры в такой ситуации могут начать решать проблему самостоятельно. Во-первых, создавать собственные системы подготовки кадров — школы, корпоративные университеты, исследовательские центры и внутренние образовательные траектории, способные перестраиваться быстрее государственных институтов. Во-вторых, при устойчивом демографическом дефиците они могут всё глубже входить и в сферу воспроизводства человеческого ресурса: через социальную инфраструктуру, поддержку семей, медицину и вспомогательные репродуктивные технологии.
 
Технологический центр тогда постепенно приобретает черты самостоятельной социальной системы. У него появляются своё образование, медицина, кадровая политика, социальная инфраструктура и собственные механизмы отбора. Здесь вполне может пройти одна из будущих линий конфликта с государственными бюрократическими структурами, которые будут защищать свои функции и привычные механизмы контроля.
 
Но для такой системы потребуется очень высокая скорость обратной связи. Если технологический цикл ускоряется, нужно заранее понимать, какие специалисты понадобятся через несколько лет, какие навыки устаревают, где возникнет дефицит, как изменятся рождаемость, нагрузка на инфраструктуру и потребление ресурсов. Чем быстрее меняется среда, тем выше значение прогнозирования.
 
А прогнозирование требует данных и вычислительной мощности.
 
Отсюда вычислительные ресурсы постепенно становятся уже не просто технической инфраструктурой, а частью самой системы управления. Конкуренция идёт за способность быстрее обрабатывать данные, строить более сложные модели и делать это при приемлемых энергетических затратах.
 
Следующий предел здесь вполне физический — энергия. Чем больше процессов мы пытаемся отслеживать и прогнозировать, тем дороже становится вычисление. Поэтому одновременно будут развиваться два направления: увеличение доступной генерации и повышение энергетической эффективности самих вычислительных систем.
 
Отсюда и интерес к биологическим решениям. Человеческий мозг за миллионы лет эволюции стал чрезвычайно эффективной системой параллельной обработки информации при сравнительно небольшом энергопотреблении. Нейроморфные архитектуры, исследования принципов работы нервной системы и более радикальные биогибридные эксперименты интересны здесь именно как попытка получить больше вычислений на той же энергетической базе.
 
Но вычислительным системам нужен ещё один ресурс — качественные данные.
 
Современные модели выросли на огромном массиве человеческой культуры: книгах, научных работах, изображениях, документах, переписке, интернете. При этом всё большую долю нового информационного пространства начинают производить сами генеративные системы.
 
Если проблема деградации при повторном обучении на синтетических данных сохранится хотя бы частично, человеческие корпуса будут только расти в цене. Особенно тексты, изображения и документы, возникшие до массового распространения генеративного ИИ.
 
Но этот запас конечен.
 
Рано или поздно встанет вопрос уже не о сохранении старых качественных данных, а о производстве новых.
 
ИИ будут нужны новые исследования, гипотезы, тексты, изображения, наблюдения, художественные формы — то, чего раньше в информационной среде просто не существовало. И здесь система снова упирается в качество человеческой среды.
 
Если образование отстаёт от технологий, если истончается низовая кадровая база, если люди всё сильнее подстраиваются под заранее известные критерии отбора и системы прогнозирования, то сужается и пространство, где может возникать новое. В более жёстко централизованных системах к этому добавляется уже описанная нами проблема искажённой обратной связи, когда информационные потоки начинают подстраиваться под картину реальности, которую хочет видеть центр.
 
И тогда человеческая вариативность становится уже не только гуманистической ценностью.
 
Она становится технологическим ресурсом.
 
Системе, которая зависит от качественного человеческого материала, нужны люди, способные создавать то, чего сама система ещё не умеет предсказывать: новые идеи, ошибки, неожиданные сочетания, странные гипотезы, новые формы и способы смотреть на мир.
 
Получается, чем сильнее ИИ зависит от качества человеческого опыта, тем важнее становится способность общества этот опыт постоянно воспроизводить.
 
И тут недостаточно сохранить старые книги и архивы.
 
Нужно сохранить среду, в которой продолжает возникать новое.
 
P. S. Фух, кажется, всё. Вот до чего доводит изучение истории развития фольклора и культуры.😁