Якщо уважно стежити за новинами про штучний інтелект, голова йде обертом. ШІ — золота лихоманка. ШІ — мильна бульбашка. ШІ забирає роботу. ШІ не може прочитати стрілки на годиннику. Як усі ці твердження можуть існувати одночасно? Відповідь розкрив щорічний Stanford AI Index, який вийшов 13 квітня 2026 р. Як аналізує MIT Technology Review, суть феномену — у тому, хто і як використовує цю технологію, і звідси виникає колосальний розрив у сприйнятті.
Що відомо коротко
- Stanford AI Index 2026: 73% американських AI-експертів позитивно оцінюють вплив ШІ на зайнятість — проти лише 23% пересічних громадян. Розрив — 50 процентних пунктів.
- Аналогічні прірви виявлені в оцінках ШІ для економіки і медицини.
- Причина: «зубчаста межа» (jagged frontier) — моделі відмінно справляються з кодуванням і математикою, але погано з bagato іншого.
- Платний користувач Claude Code ($200/міс.) і безкоштовний користувач ChatGPT для планування весілля — фактично використовують різні технології.
- TSMC виготовляє практично всі провідні AI-чіпи у світі — єдиний завод, єдина слабка ланка ланцюга поставок.
- США — 5 427 дата-центрів, що більш ніж у 10 разів перевищує показник будь-якої іншої країни.
Що таке «зубчаста межа» і чому вона важлива
Поняття «jagged frontier» (зубчаста межа) — одне з найточніших описів поточного стану ШІ. Воно означає, що можливості моделей не є рівномірними: вони дуже добрі в одних завданнях і несподівано погані в інших. Наприклад, Google DeepMind Gemini Deep Think здобув золоту медаль на Міжнародній математичній олімпіаді — і водночас не здатен правильно прочитати аналоговий годинник у половині випадків.
Це не технічний баг, а системна властивість: мовні моделі навчаються на даних, а не на фізичному розумінні світу. Завдання з чіткою правильною відповіддю (код, математика) краще піддаються навчанню через зворотний зв’язок. Завдання відкритого типу (візуальне сприйняття, здоровий глузд) — складніші для оптимізації. Саме тому вплив ШІ на критичне мислення неоднозначний: у технічних контекстах ШІ посилює мислення, а в побутових — може його послаблювати.
Деталі відкриття
Андрей Карпаті — один із найвпливовіших AI-дослідників — зафіксував феномен на практиці: «судячи по моїй стрічці, зростає прірва в розумінні можливостей ШІ». Він відзначив, що досвідчені користувачі (ті, хто використовує LLM для кодування, математики або досліджень) не тільки знайомі з найновішими моделями, але й платять $200 на місяць за найкращі версії. Для них прогрес цього року виявився «просто приголомшливим».
Натомість людина, яка шість місяців тому спробувала безкоштовний ChatGPT, щоб спланувати весілля, і зіткнулась із помилками та «галюцинаціями», — отримала інший досвід. Ці дві групи говорять про різні технології, навіть якщо використовують одну й ту саму назву.
Ще одна структурна причина розриву: модели, що генерують код, прибуткові, тому компанії вкладають туди ресурси. Це ще більше поглиблює «зубчасту межу»: хто користується ШІ для комерційних технічних завдань — отримує продукт на піку вдосконалення. Решта — усе ще змішану картину.
Що показали нові дані
Поза розривом у сприйнятті, Stanford AI Index 2026 зафіксував кілька структурних фактів. США мають 5 427 дата-центрів — більше ніж у 10 разів більше, ніж будь-яка інша країна. Це означає концентрацію обчислювальних потужностей в одній країні, яка задає правила гри для решти світу.
Але ще тривожніший факт: TSMC виготовляє практично всі провідні AI-чіпи у світі. Один завод. На одному острові. Це означає, що вся глобальна AI-інфраструктура залежить від стабільності однієї точки. Автори звіту називають це «найбільш примітним» структурним ризиком.
Чому це важливо для науки
Розрив у сприйнятті — не просто соціологічний феномен. Він формує публічну дискусію, регуляторні рішення і поведінку споживачів. Хрещена мати ШІ Фей-Фей Лі закликала формувати політику ШІ на основі наукових фактів, а не «фантастичних уявлень» — але саме проблема в тому, що факти сприймаються кардинально по-різному залежно від доступу до технології.
Письменник MIT Technology Review Вілл Дуглас Гевен формулює підсумок точно: «Так, ШІ набагато кращий, ніж чимало людей усвідомлює. І так, він досі досить поганий у чимало речей, що важливі багатьом людям (і може таким залишитись). Кожен, хто робить ставки на майбутнє з будь-якого боку, повинен мати це на увазі».
Цікаві факти
- 🧑💻 73% проти 23% — найбільший зафіксований розрив між думками AI-фахівців (учасники конференцій 2023–2024 рр.) і широкою громадськістю. Для порівняння: аналогічний поділ щодо медицини і економіки теж перевищує 40 пунктів. Дані: Stanford AI Index 2026, HAI Stanford.
- 🏭 TSMC (Taiwan Semiconductor Manufacturing Company) виробляє чіпи для Apple, NVIDIA, AMD, Qualcomm — і практично для всіх провідних AI-моделей. Жоден інший завод у світі не наближається до потрібного рівня 3- і 2-нм технологій. Дані: Stanford AI Index 2026.
- 🌡️ Модель Gemini Deep Think отримала золоту медаль на Міжнародній математичній олімпіаді — змагання серед найкращих старшокласників-математиків світу. Водночас вона не може прочитати стрілки годинника у 50% випадків. Це і є «зубчаста межа» в найнаочнішому вигляді. Дані: MIT Technology Review, 2026.
- 💰 Платна підписка на Claude Pro або Pro+ версії інших моделей коштує $20–200 на місяць. Ці версії принципово відрізняються від безкоштовних за можливостями у складних завданнях. Фактично існує два ринки: масовий безкоштовний продукт і нішевий платний — і судити про «ШІ загалом» за одним із них хибно. Дані: MIT Technology Review / Karpathy, X, 2026.
FAQ
Чи означає розрив у думках, що ШІ все одно обмежений? Не обов’язково. Він означає, що доступ до найкращих можливостей ШІ нерівномірний — технічні фахівці, які платять за преміум-версії і знають, як ефективно формулювати запити, отримують несоразмірно більше цінності. Широка публіка натрапляє на більш усереднений досвід.
Чому кодування виходить у ШІ краще, ніж інше? Код має чіткий критерій правильності: він або працює, або ні. Це дозволяє ефективно навчати моделі через підкріплення (RLHF, reinforcement learning). Відкриті завдання — написати переконливий текст, розпізнати емоцію, оцінити жарт — не мають однозначної «правильної відповіді» і погано оптимізуються.
Чи збережеться цей розрив між фахівцями і широкою публікою? Він може зменшуватись, якщо ШІ-інструменти стануть доступнішими і простішими у використанні. Але поки що темп вдосконалення преміум-продуктів перевищує темп поширення доступних версій. Андрей Карпаті вважає, що розрив наразі зростає, а не скорочується.